企业级 AI 智能体迎来控制平面、权限代数与身份层

企业级智能体的基础设施在 9 月 30 日又添了一块新拼图。当天，OpenClaw 基金会发布了 OpenClaw Enterprise（OCE），一个开源、厂商中立的持久化智能体控制平面。项目方表示，它正在公开开发中，计划于今年晚些时候发布 1.0 版本。目前可以通过 docker-compose 或 Kubernetes 自托管。

OCE 最初在 OpenAI 内部立项，随后捐赠给 OpenClaw 基金会，现在由 Red Hat 和 NVIDIA 共同开发，项目博客称。同一篇博客还说，OCE 正在 Red Hat 和 OpenAI 内部试点。博客补充道，OpenAI 已经在用 OpenClaw 智能体访问代码库和插件。这个细节说明，该公司已经不再把智能体当作演示品。

治理是瓶颈，而不是能力

那篇博客的措辞值得细读。OpenClaw 承认，发布近一年后，“持久化智能体的实际部署仍然有限”，而且大多数组织的 IT 部门默认立场是直接封禁智能体平台。OCE 宣称的目标是回答一个很窄的问题：如何在敏感环境中部署有能力的智能体，同时不剥离那些让它们有用的能力。给出的答案是：多租户、可信与不可信工作负载之间的硬安全边界、沙箱、基于 LLM 的审查、细粒度权限，以及贯穿智能体生命周期的可审计性。这个清单很长，每一项都意味着自己的运营成本。

Gartner 提出了一个相关且更直白的论点。在 The Register 于 9 月 30 日报道的研究中，这家咨询公司预测，到 2028 年，70% 的企业将放弃借助厂商协助搭建的智能体 AI 系统。原因是成本攀升，客户难以在没有外部帮助的情况下修改技术。Gartner 的靶子是其所谓的“前置部署工程”，即厂商把工程师嵌入客户团队，按客户需求构建和部署软件。其论点是，早期快速推进可能让客户依赖昂贵的外部专业能力。

“范围界定最好的前置部署工程，从第一天起就对治理、业务价值交付、知识产权归属、项目共同所有权、知识转移和退出策略有明确的准则，”Gartner 高级总监分析师 Mukul Saha 说，据 The Register 报道。

Gartner 还预测，到 2028 年，这些合作中能把客户的重复性需求转化为厂商核心产品功能的不足 20%。它警告存在“前置部署工程洗白”，即普通咨询被包装成更专业的东西。The Register 指出，这不是 Gartner 第一次发出此类警告。此前的预测涉及生成式 AI 项目超出预算，以及 40% 的 AI 智能体部署因治理问题而被缩减或停用。

另外两次让智能体可问责的尝试

同样在 9 月 30 日，一个名为 OpenAPPA 的项目发布了确定性护栏，位于智能体与其工具之间。它们在每次行动前回答一个问题：这份数据是否允许发往这个目的地。GitHub 仓库称，它由 APPA 驱动，即智能体权限策略代数。APPA 记录智能体读到的所有内容的敏感度和可信度，并在每次工具调用执行前对照该记录检查。其卖点是：分类器和 PII 检测器是概率性的，而这项检查是确定性的，每次运行都返回相同结果。

项目自己在仓库上发布的基准数字声称，在 1320 次评估中，没有一次计分攻击能攻破 OpenAPPA，同时它完成了 88% 到 90% 的任务。同一张表把 Microsoft FIDES 列为 41% 的任务完成率、31% 的攻击成功，把 Claude Code 自动模式列为 90% 完成率、两套测试中共 10 次攻击成功。这些都是厂商在自家基准上发布的数字。仓库称该工作仍是预览版和 RFC，配置与通信接口可能在没有兼容层的情况下发生变化。底层论文已被 NeurIPS 2026 Workshop on Agents in the Wild 接收。

第三个项目 UAI 也在同一天上线，提供一套开放的智能体身份、授权和可独立验证的问责协议。它把问题拆成四份产物。UAI-ID 说明智能体是谁。凭证把它绑定到某个所有者。护照用于有时限和司法辖区边界的授权。签名的行动证明记录它实际做了什么。README 对做不到的事说得很谨慎。“UAI 并不声称 AI 智能体是安全的，”它说，只是让行动变得可归属、可核查。该设计刻意避开单一全球权威，转而指向联邦注册表。浏览器验证器意在本地验证证据，而不是去问注册表自己的证据是否有效。

市场的脚步快于管控手段

面向消费者的智能体已经在以另一种节奏出货。DoorDash 于 9 月 30 日宣布了一款文本下单智能体，让用户通过 Apple Messages 下单，能处理“照旧来一份”这类提示，也能处理带有不同饮食偏好的拼单，据 TechCrunch 报道。该公司开放了美国候补名单，并另外表示将开始在北加州与部分餐厅测试配送无人机。DoorDash 把这款智能体对准 Uber Eats 和 Grubhub。

Meta 在 9 月早些时候发布的 Muse，是另一场从消费端向企业端推进的大动作。Tailscale 于 9 月 30 日的博客最具体地展示了这类智能体如何被围起来。Muse 运行在一台 Linux 虚拟机里，默认与用户数据和外部服务隔开，并为日历、联系人、智能家居设备、Gmail、Outlook、Spotify 和 Meta 自家应用提供连接器。Tailscale 的集成让 Muse 成为用户 tailnet 上的一个节点，常规的授权、标签和访问控制照常适用。Tailscale 也点出了显而易见的风险：提示注入仍会钻进来。把一个能看到自托管服务、还能用 SSH 的智能体接进来，会引出用户应当认真回答的问题。

9 月 30 日还有一款自托管推理引擎 Magnitude 在 GitHub 上线。它声称比 llama.cpp 快最多 2 倍，Metal 上解码快 92%，CUDA 上快 19%，每个智能体的内存占用少 27%。同一天发布的工具 git-dedup 声称大型检出快 6 倍，Git 存储减少 70%，在 117 次检出中从 35.5 GB 降到 11.1 GB，目标直指成群的编码智能体。DevNavigator 报道了 Vercel 于 9 月 25 日发布的 State of agent skills 报告。报告称，skills.sh 在七个月内达到 28000万条以上条目和近 28000万次记录的安装。它指出，这些数字描述的是注册表活动，而不是已被证明的商业价值。

贯穿其中的线索并不光鲜。能力一侧拥挤，而且每周都在变。账目一侧，谁拥有智能体、它能碰什么、谁能证明它做过什么，才是最新工作落地的地方。这三套协议是否会被采用是另一个问题。其中两套是预览版，一套是单一厂商的早期试点，而 Gartner 的预测给企业留下的决定时间到 2028 年。