文章目录
- Microsoft 正与超过 40 家组织推进跨模型和跨供应商的人工智能透明度方法,并且 Microsoft 明确提出,企业需要区分模型自述、运行时记录和独立身份或策略系统产生的证据。该倡议仍然处于标准建设与产品纳入阶段。
- Microsoft Agent 365 正在扩展非 Microsoft 智能体登记、动态风险、多租户管理和成本分析,GitHub 则允许符合条件的企业客户把多个 GitHub Copilot 客户端的提示、回答和工具调用传入该平台。多项能力仍然具有预览状态或许可证边界。
- Anyscale 把训练数据进入图形处理器之前的六个阶段变成运行时指标,OpenAI 公布的北约网络防御实践则保留了人类监督、任务评测和用量经济性判断。企业需要把这些独立记录与模型输出一起验收。
透明度倡议把证据来源拆成三个层次
Microsoft 在 11 月 17 日公布 AI Transparency Initiative。Microsoft 表示,该公司正与超过 40 家组织合作推进跨模型和跨供应商的透明度、安全与治理方法,而且 Microsoft 计划把相关工作连接到美国国家标准与技术研究院的智能体标准计划。Microsoft 把目标概括为查看人工智能访问和执行的对象、独立核验人工智能的行动,以及控制人工智能获准执行的范围。
Microsoft 进一步要求证据标明自身来源。模型可以报告自身行为,运行时可以记录模型之外的工具与执行过程,身份和策略等独立系统则可以提供另一个核验来源。Microsoft 同时明确说明,智能体不能成为自身行为的唯一事实来源。美国国家标准与技术研究院在 2 月公布的计划覆盖行业标准、开放协议以及智能体安全与身份研究,但是该机构当时把后续研究、指南和交付成果列为未来工作。
对企业落地而言,企业不能把一份由模型生成的解释直接当作完整审计记录。企业需要为每项身份、委托、输入、工具调用、策略判断和业务结果保存来源类型、时间、版本和关联标识,并且企业需要使用运行时或独立系统核对模型自述。Microsoft 的倡议提供了一个正在形成的方向,但是该倡议尚未形成已经完成的统一标准,企业仍然需要按照现有法规和内部控制完成具体实现。
跨平台控制面开始汇总所有者、风险与成本
Microsoft 在同日公布 Microsoft Agent 365 更新。Microsoft 表示,自 2026 年 5 月上线以来,组织已经在该平台登记超过 5000 万个智能体。平台正在把 Microsoft 平台、合作伙伴平台和员工设备中的智能体放入同一视图,并且受支持的平台可以提供智能体的创建位置、所有者、工具、活动、模型调用和任务结果。
Microsoft 同时保留了不同成熟度和许可证边界。面向更多合作伙伴的 Microsoft Entra Agent ID、动态智能体风险和多租户管理仍处于 Preview 或 Public Preview;Agent 365 Business Analytics 处于 Frontier preview;部分 Microsoft 智能体的基础使用与活动指标已经正式可用,但非 Microsoft 智能体洞察及高级治理能力仍然需要 Agent 365 或 ME7 许可证。不同平台提供的具体能力也可能不同。
对企业落地而言,统一控制面可以帮助信息技术、安全和业务团队使用相同的智能体清单,但是统一页面不能自动保证底层证据完整。企业需要分别核对每个来源平台提供哪些字段、字段多久更新、连接失败如何显示、管理员能够执行哪些动作,以及预览功能何时改变接口或支持范围。成本和价值分析也需要连接到可核验的业务结果,企业不能只用调用量或令牌支出推断业务收益。
客户端与基础设施开始提供不同粒度的运行记录
GitHub 在 11 月 17 日宣布,企业可以把 GitHub Copilot 智能体活动传入 Microsoft Agent 365。该数据流覆盖 GitHub.com 云端智能体、GitHub Copilot CLI、Visual Studio Code、Visual Studio、JetBrains 和 Eclipse 等客户端,并且管理员可以查看用户会话中的提示、回答、工具调用、使用趋势和附加风险信息。该能力只面向使用 Enterprise Managed Users 的 GitHub Enterprise Cloud 客户。
Anyscale 在同日公布了另一种运行记录。Ray 2.58 开始记录训练批次在生产等待、数据传输、批处理、格式转换、自定义整理和主机向图形处理器复制六个阶段所花费的时间。开放源代码 Ray 可以通过 Prometheus 与 Grafana 展示这些指标,Anyscale 平台则提供集成面板。该材料解释了如何定位数据进入瓶颈,但是该材料没有承诺所有任务都会获得相同的性能提升。
对企业落地而言,不同层次的记录回答不同问题。GitHub 的客户端记录可以说明人员向智能体提供了什么输入以及智能体调用了什么工具,Ray 的基础设施指标可以说明训练任务为什么等待或浪费图形处理器时间。企业需要把客户端会话、模型与运行时版本、基础设施指标和最终业务结果连接起来,同时限制敏感提示、回答和工具参数的访问范围与保留时间。单独保存任何一个层次都不能重建完整过程。
实际网络防御使用把监督与经济性留在证据链中
OpenAI 在 11 月 17 日公布了北约与相关网络防御机构对 Daybreak 的使用情况。OpenAI 表示,北约核心机构在相关工作中每月最多使用 3000 亿个原始输入与输出 token。OpenAI 还表示,2026 Crossed Swords 演习增加了一个训练环节,参与者在技术环境中构建、部署和评测网络行动智能体,并且演习要求参与者作为操作人员与智能体协同并保持人类监督。
OpenAI 引用北约通信与信息局的说明称,扩大使用之后,相关机构仍需要理解令牌消耗、使用模式和模型经济性,以便优化成本、比较方案并作出采购判断。上述数字和过程来自 OpenAI 与合作机构的公开说明,公开页面没有提供完整的独立审计记录。因此,这些材料能够确认公开披露的使用范围和评测方法,但是这些材料不能证明所有网络防御任务都获得相同效果。
对企业落地而言,高风险场景不能只保留模型回答。企业还需要保留授权用途、操作人员、评测任务、模型与工具版本、输入输出用量、人工确认和最终修复结果。人类监督只有在企业能够说明谁在什么时间审查了什么对象并作出什么决定时,才能成为可核验控制。大规模用量也不能直接证明成本合理,企业仍需把用量、任务结果、错误与替代方案放进同一采购比较。
后续观察
- Microsoft 与参与组织能否公布可实施的开放字段、证据来源标记和独立核验测试,而不只停留在倡议层面。
- 跨平台智能体登记和审计数据能否在不同许可证、租户与本地运行环境中保持字段一致、更新及时和故障可见。
- 企业能否把客户端会话、运行时指标、人类监督和业务结果连接成可迁移的记录,并且企业能否在更换模型或平台后继续核验这些记录。
来源与核验
本文由英科铸数基于所列公开资料编辑撰写。事实与数据以原始来源为准;“对企业落地意味着什么”为英科铸数结合企业客户场景所作的编辑分析,不构成对第三方产品的背书。
← 返回每日观察