安全审查挡不住的智能体,终于能搬进企业机房
Anthropic开放自托管Managed Agents私测:智能体的服务器、沙箱、凭证和会话历史全部落在企业自有云或本地机房,模型调用可按需选择直连、亚马逊Bedrock、谷歌或微软平台。此前被安全审查卡住的企业客户终于有了评估路径,代价是三套基础设施要自己运维。私测需通过客户团队申请,暂无自助开通和正式发布时间表。
过去两年,智能体产品在企业市场遇冷,很多时候不是能力不行,而是安全部门不点头。凭证存在谁那里、对话记录落在哪个机房,这些问题的答案决定了一纸采购合同的去留。Anthropic这次把答案改成了”你的机房你做主”,等于直接拆掉了横在企业与智能体之间的那道门。
自托管到底托管了什么
三样东西回到客户手里
按照官方文档,采用自托管方案后,Managed Agents服务的每个组成部分都运行在客户自己的云环境或本地机房中,包括智能体的运行框架、隔离执行的沙箱、任务凭证以及会话历史。客户需要实际运维三样东西:Managed Agents服务器、配套的PostgreSQL数据库,以及智能体执行Shell命令和文件工具的Worker节点。
这套架构的本质是把”控制面”整体下放。过去托管模式下,这些组件由Anthropic统一运营,客户只管使用;现在客户拿到了服务器的root权限,也接过了补丁、备份、防火墙规则的全部责任。对于有成熟运维团队的企业,这是熟悉的地盘;对于运维能力有限的企业,这反而是新的负担。
模型调用怎么走:多种接入路径
自托管并不意味着模型也要本地化。模型请求可以发往Anthropic直连服务,也可以经由亚马逊Bedrock、谷歌的智能体平台或微软Foundry,甚至可以指向客户自建的网关。也就是说,运行环境归客户控制,模型能力按客户原有的采购路径获取。这种解耦设计照顾了两类客户:已与云厂商签订采购协议的,可以沿用现有通道;对模型供应商有多源策略的,可以自由切换。
需要注意的是一个关键边界:Claude模型本身仍运行在客户网络之外,提示词会发出去,补全结果会传回来。自托管智能体方案解决的是框架、凭证和数据的驻留问题,并不等于模型私有化部署。企业在做合规评估时,这一点必须写进风险清单。
与传统部署方式逐项对比
为了让读者直观理解自托管智能体在企业IT版图中的位置,下面把它与托管模式、纯本地模型两条常见路径放在一起比较。
| 对比维度 | 托管智能体服务 | 自托管智能体 | 纯本地开源模型 |
|---|---|---|---|
| 运行框架 | 供应商运营 | 客户自管 | 客户自建 |
| 凭证与会话数据 | 存于供应商侧 | 落在客户机房 | 完全本地 |
| 模型权重 | 供应商云端 | 供应商云端(经通道调用) | 本地部署 |
| 提示词出网 | 是 | 是 | 否 |
| 运维责任 | 供应商承担 | 客户承担服务器、数据库、防火墙 | 客户承担全栈 |
| 开通方式 | 自助订阅 | 客户团队申请私测 | 自主部署 |
| 适合客户 | 中小团队快速上手 | 有强合规与运维能力的企业 | 数据绝不能出网的机构 |
从表里可以看出,自托管智能体是一条中间路线:它把企业最敏感的控制面资产收回本地,同时保留了商业模型的能力上限。对大多数企业来说,这可能恰恰是采购决策中缺的那块拼图。
为什么企业非要”搬回机房”
安全审查的真实痛点
过去许多智能体项目在测试阶段表现亮眼,一进入采购流程就被安全部门否掉,原因通常集中在三点。第一是凭证托管:智能体要代替员工操作内部系统,必须持有系统访问凭证,这些凭证存在供应商侧,泄露面不可控。第二是会话历史:员工与智能体的对话可能包含客户数据、财务信息甚至商业机密,驻留在外部机房触犯数据驻留法规。第三是审计追溯:监管和内审要求所有操作留痕可查,外部黑盒难以满足。
自托管智能体方案正好逐一回应:凭证和会话历史全部落在客户机房,服务器和数据库由客户掌控,审计日志自然也在客户手里。可以说,产品形态的每次让步,背后都是企业合规压力的一次具象化。
行业层面的连锁反应
这一动向很可能引发同行跟进。企业市场的采购逻辑趋同,一家供应商开放了本地部署选项,其他家的销售话术就会被客户用同一把尺子衡量。可以预期,智能体产品的”可部署形态”会成为下一轮竞争的标配维度:谁能提供从全托管到全自托管之间的连续光谱,谁就能覆盖更宽的客户带。
上手门槛与责任转移
三种运维责任的清单
官方明确列出了客户需要自己承担的运维范围:让Managed Agents服务器保持运行并打补丁;维护PostgreSQL数据库的备份、扩容与故障恢复;配置并维护防火墙规则,确保Worker节点的执行环境隔离到位。这三项看似常规,实际工作量不小,尤其是安全补丁的时效性——智能体框架的漏洞披露节奏正在加快,企业需要像对待核心业务系统一样对待它。
两个必须知道的限制
目前方案还有两个明确的边界。其一,Claude模型仍在客户网络之外运行,提示词与生成内容会经过供应商侧;其二,私测阶段没有自助开通入口,也没有公布正式商用的时间,有意向的企业必须通过自己的Anthropic客户团队申请。这意味着短期内它只是少数大客户的产品,大规模铺开仍需时间。
对采购决策者的务实建议
如果贵司正被智能体的安全问题卡住,自托管私测是一个值得评估的选项,但建议分三步走。第一步,做数据分级:真正不能出网的数据,无论什么方案都不要接入智能体;可以出网的数据,再谈部署形态。第二步,盘点运维能力:自托管意味着三套基础设施的责任转移,没有对应团队就先不要签。第三步,小范围试点:先选一个低风险业务场景验证安全基线,再逐步扩大范围。
更大的趋势值得记住:智能体正在从”试用玩具”变成”企业基础设施”,而基础设施的标配要求从来都是可控、可审、可退回。谁先把产品形态改造到满足这三条,谁就能在下一轮企业智能化采购中拿到更多合同。自托管智能体的出现,正是这个转变的第一块多米诺骨牌。
延伸分析:自托管智能体的技术解剖
控制面下放之后,架构长什么样
三组件的协作关系
把自托管智能体的架构摊开看,逻辑其实相当清晰。Managed Agents服务器是大脑中枢,负责任务编排、会话管理和状态维护;PostgreSQL数据库是记忆体,保存会话历史、任务状态与凭证记录;Worker节点是手脚,在隔离沙箱里执行Shell命令和文件操作。三者都跑在客户机房,彼此之间的通信不经过外部网络,形成一条完整的内环。唯一出网的是模型调用——提示词发给Anthropic或云厂商通道,补全结果传回来。
这个架构对企业IT部门并不陌生:它本质上是把一套经典的”应用+数据库+执行器”三件套搬进了自家机房,只是应用变成了智能体运行时。有经验的运维团队上手成本可控,这也是Anthropic敢于把责任整体转移的底气。
安全边界的重新划定
自托管智能体把安全边界从”信任供应商”改写为”验证自己”。以前企业的安全团队只需要审查供应商的安全认证与数据处理协议;现在他们要对自己的三套组件负责:服务器补丁是否及时、数据库备份是否演练、防火墙规则是否最小化。沙箱逃逸是重点审查项——智能体执行的Shell命令必须有资源限制、网络隔离和操作审计,任何一项缺失都可能让一个失控的命令波及内网。
值得注意的是一个反直觉的结论:自托管并不自动等于更安全。托管服务有专职安全团队全天候响应漏洞,而企业自管的安全性取决于自身运维水平。对多数没有专职安全工程师的团队,托管模式反而可能更稳。自托管智能体的正确适用对象,是那些本来就有强安全基建、只是不放心把数据交给外部的大企业。
与云厂商通道的组合策略
多通道带来的议价与韧性
模型调用支持直连与三大云平台通道,这个设计给企业带来了此前没有的灵活性。采购层面,已与某云厂商签订企业协议的公司,可以把智能体的模型调用并入现有合同,省去新供应商的审批流程;架构层面,多通道意味着冗余——某条通道故障或限流时,流量可以切到备用通道。一些企业还会自建网关做统一鉴权、限流与成本核算,让多个模型供应商在同一个入口后面竞争。
提示词出网的残余风险
必须再次强调那条边界:模型在客户网络之外运行。这意味着会话内容中包含的业务信息,仍会经过供应商侧。合规评估时要区分两类数据:控制面数据(凭证、会话存储、审计日志)已经本地化,可以放心;内容面数据(提示词与生成结果)仍然出网,需要评估供应商的数据保留政策。若业务内容绝对不能出网,那连自托管智能体也不适用,只能走本地开源模型路线。方案没有完美,只有适配。
落地路线图:分四步走
第一步,数据分级与场景圈定
先做一次彻底的数据分级:哪些数据允许出网、哪些只允许在本地存储、哪些根本不允许进入智能体。然后圈定一个低风险试点场景——内部IT工单、文档问答是常见选择。试点场景的价值不在产出,而在验证安全基线。
第二步,搭建与加固
部署三组件,随后做一轮安全加固:沙箱资源限制、最小权限凭证、全量操作日志、备份演练。建议参照企业内部对核心业务系统的安全标准来要求这套智能体基础设施,而不是把它当作实验环境。
第三步,评估与扩围
用试点数据评估效率增益与事故率,重点看沙箱告警、误操作和人工接管频率。指标达标后再逐步扩大场景范围,每扩大一次都重复加固与评估循环。
第四步,建立长期运维机制
指定明确的责任人负责补丁跟踪、容量规划与应急响应。智能体框架的漏洞披露节奏正在加快,一个没有owner的自托管系统,会在半年后变成安全部门的噩梦。运维机制健全之日,才是自托管智能体真正产生价值之时。
补记:采购合同里的五个必写条款
如果贵司决定推进自托管智能体的评估与采购,法务与IT部门务必把以下条款写进合同。其一,数据保留与删除:明确模型供应商对出网提示词的保留期限与删除流程。其二,漏洞响应时效:智能体运行时框架的安全补丁SLA,以及重大漏洞的通报机制。其三,服务边界变更:模型调用通道的功能调整须提前通知,避免运行时假设失效。其四,审计配合:供应商配合客户内部与监管审计的义务范围。其五,退出与迁移:自托管智能体的会话历史与配置数据可完整导出,避免锁定。自托管的价值在于控制权,而控制权最终要落在合同条款上才算数。
补记:自托管智能体适合你吗——三个自问
在投入评估资源之前,团队可以先回答三个问题。第一问:我们的数据分级制度是否已经落地?没有数据分级,自托管智能体的边界无从划定,部署只会放大混乱。第二问:我们是否有至少两名可以长期负责这套基础设施的工程师?自托管不是一次性工程,而是持续运维的承诺。第三问:我们要解决的场景,智能体的增益是否足够大?如果只是锦上添花,托管版本的低成本足以满足;只有当自托管智能体能解锁此前被合规否决的关键场景时,这套投入才有回报可言。三个问题都答”是”,就值得申请私测;答不出两个”是”,建议先观望正式版。
需要提醒的是,私测阶段的功能边界与正式版可能存在差异,本文所述规格以官方文档发布时点的口径为准,企业在正式立项前应与客户团队确认最新方案细节。
同时建议企业在试点阶段保留完整的决策记录,包括为什么选择自托管路线、谁批准了部署范围、安全基线由谁验收,这些记录在未来的合规审查中都可能被调阅。
文中涉及的产品细节均为私测阶段口径,随版本迭代可能调整,正式立项与签约前请以官方最新文档为唯一依据。
常见问题
自托管智能体的私测怎么申请?
目前没有自助开通入口,企业需通过自己的Anthropic客户团队提交申请,官方也尚未公布正式商用的时间表。
自托管后模型也在本地运行吗?
不是。运行框架、沙箱、凭证和会话历史在客户侧,但Claude模型仍在客户网络之外运行,提示词会发出、结果会传回,这一点在合规评估时必须注意。
模型调用可以走哪些通道?
支持直连Anthropic,也可经由亚马逊Bedrock、谷歌智能体平台或微软Foundry,还可指向客户自建网关,方便沿用企业现有的模型采购路径。
客户需要自己运维哪些东西?
主要包括三样:Managed Agents服务器、配套PostgreSQL数据库,以及智能体执行Shell与文件工具的Worker节点,补丁、备份和防火墙规则均由客户负责。
与纯本地开源模型方案相比优势在哪?
自托管方案保留了商业顶级模型的能力上限,同时把控制面资产收回本地;纯本地开源模型数据完全不出网,但能力上限与运维复杂度都不同,两者适合的客群不一样。
哪些企业最适合评估这个方案?
有成熟运维团队、受数据驻留法规约束、或安全审查长期卡住智能体采购的中大型企业,是最契合的目标客群。
中小团队要不要等正式版?
如果没有专属运维力量,建议继续使用托管版本;等自托管方案正式商用、配套的部署工具链成熟后再评估也不迟。















暂无评论内容