智东西

作者 | 陈骏达

编辑 | 漠影

过去一段时间，AI 办公明显热了起来。

几乎每个月，都有新的 AI 办公产品出现。WorkBuddy、TraeWork、Qwen Work 等产品陆续进入企业场景，能做的事情也越来越多：写方案、做 PPT、改代码、生成网页，甚至开始尝试直接替用户完成一整套工作。

办公场景足够高频，从文档、表格到代码、汇报，几乎每个部门都有重复性的工作可以交给 AI 处理，因此自然成了厂商争相进入的场景。

但热度之下，问题也开始密集出现：Agent 越权读取本地文件、调用外部接口导致敏感数据外泄、来路不明的插件夹带恶意代码，这类新闻最近并不少见，而且都可能造成实打实的损失。

这给企业抛出了一个绕不开的问题：随着 Agent 加速进入企业，管理者需要看清背后的模型调用、数据流向和 Agent 权限。而要解决这个问题，不能光靠一纸制度，还需要一套能把 AI 能力统一管起来、让运行过程看得见的基础设施。

浪潮信息最新发布的元脑 AI Work 一体机，正是冲着这道题来的。

一、Agent 时代，安全边界从数据层扩展到运行全过程

要回答 " 怎么管 " 的问题，得先看清楚 Agent 到底改变了什么。

过去的 AI，更多停留在对话与内容生成阶段。员工问一句、AI 答一句，企业的安全挑战集中在数据层，企业的主要担忧是数据本身有没有泄露。对应的解法也相对直接：把模型部署到本地，让数据不出域。过去几年私有化部署大模型的企业实践，基本都是沿着这条思路展开的。

今天的 Agent 则是另一回事。它会读文件、调用 Skill 和工具、连接业务系统，甚至独立生成和修改代码，一口气完成多步骤任务。AI 真正参与任务执行之后，安全问题就从数据去了哪里，延伸到了 Agent 在运行过程中干了什么。

这个变化的实际影响容易被低估。过去的 AI 只做对话，输出停留在内容层面，出了问题最多是生成不当言论，影响相对可控；Agent 则直接接触企业的文件、业务系统和代码，它的每一个动作都可能产生真实的业务后果。面对这类主体，只在数据出口做审查，覆盖不了运行过程中的风险。

具体看，企业的安全边界正在三个维度上被重新划定。

一是权限边界，即 Agent 拿到了什么权限。Agent 要干活，就得被授予权限，允许它读哪些文件、访问哪些系统、调用哪些接口。权限给小了干不成事，给大了就是隐患：一个能自由访问业务数据库的 Agent，一旦判断出错或被恶意诱导，可能直接读取甚至修改核心业务数据。

更麻烦的是，Agent 的权限往往在具体任务中临时授予，员工图方便随手放开，企业层面却没有记录，事后想查都无从查起。

二是行为边界。Agent 执行任务是一个动态过程，中间调了哪些工具、做了什么决策、输出了什么内容，传统安全管理手段很难覆盖。没有完整的运行记录，出了问题就很难复盘。

三是资产边界，典型的是 Skill 资产的安全管理。Agent 能干活，靠的是一个个 Skill。Skill 本质上是一个能力包：包含指导 Agent 完成任务的指令说明，也可以附带脚本、代码和第三方依赖。

一个来源不明的 PPT 生成 Skill，完全可能在 Agent 正常干活的同时，利用自带的脚本把文档内容传到外部。这类风险藏在正常处理的表象之下，企业过去很难感知。

随着 Skill 数量快速增长，类似软件供应链的安全问题会随之放大，有漏洞或被植入恶意代码的 Skill，可能顺着 Agent 的调用链进入企业内部。

综上所述，安全管理的对象已从数据升级为行为，这也是 Agent 时代与对话式 AI 时代最本质的区别之一。

二、把模型、数据、Agent 运行收回企业环境，WorkBuddy、OpenClaw、Codex 都能管

面对重划的安全边界，行业里的应对思路大致分两派：一派主张 " 堵 "，限制员工使用外部 AI 工具；一派主张 " 疏 "，把 AI 能力收进企业内部统一供给。从实际效果看，" 堵 " 往往挡不住员工工作提效的现实需求，反而把使用行为赶到视线之外的灰色地带，这和当年企业 IT 遭遇 " 影子 IT" 的故事如出一辙。

元脑 AI Work 一体机选择的是 " 疏 " 的路线，解题思路可以概括为一句话：支持企业在自有环境中统一部署和运行 WorkBuddy 等 AI 办公智能体，员工照常用 WorkBuddy，企业在后台统一管模型、Token 和 Agent。

面向不同企业的需求，浪潮信息的元脑 AI Work 一体机提供了两个版本。其中，Foundation 版主要解决的是数据自主与 Token 自控的需求，也就是确保数据在企业可控的范围内处理，并对 Token 调用的发起、使用和结果做追踪。

做法很直接。企业在一体机上统一部署模型和 Token 服务，管理员生成统一服务地址和访问凭证；员工无需更换工具，只需在 WorkBuddy 中配置服务地址和 API Key，两步即可完成接入，调用企业内部已经部署和授权的模型。

从实操演示看，体验确实没有打折：WorkBuddy 接入企业 Token 服务后，先对一份格式不规范的公文完成标题层级、字体字号、段落编号的全套规范调整，随后又调用 PPT Skill，把文档内容拆解成核心观点并生成结构完整的演示文稿初稿。

对员工而言，操作方式基本不变，对企业而言，模型推理和数据处理已经从外部服务转入了企业自有环境。

这种设计，实际上把 AI 能力变成了一种类似水电的企业内部服务：员工打开龙头就有水，但水源和水表都归企业管。

不过，企业中常用的 Agent 往往不止一个，要为每个不同的 Agent 配置模型、维护环境，使用和管理压力也会骤然提升。

为此，元脑 AI Work 一体机Premium 版本进一步提供了统一的 Web Agent 功能，实现了不同 Agent 的集中部署和管理，其价值可以理解为给企业建了一套 Agent 的人力资源体系。

在 Web Agent 功能中，Premium 版本提供了 WorkBuddy、OpenClaw、Codex 等不同智能体。员工打开浏览器即可按需调用，不用逐个下载安装、配置环境，Agent 实例、模型服务和计算资源全部由企业统一供给。

另一方面，安全中心把管控延伸到了 Agent 运行全过程：覆盖输入、会话记忆、工具调用、敏感内容输出等环节的运行时防护，让 Agent 的运行行为可见、风险可控。Skill 安全扫描则帮企业统一盘点纳入管理的 Skill 资产、扫描状态和风险情况，定位高风险资产及其调用实例。

不同规模的组织，Agent 的落地方式也不一样。元脑 AI Work 一体机提供工作站、服务器、超节点三种硬件形态：

工作站面向工位级场景，智能体、大模型与个人数据本地闭环，无需机房即可部署，单机可运行千亿参数大模型，支持 10 个以上智能体协同，适合个人和小团队；

服务器面向企业办公和研发场景，支持万亿参数模型稳定推理和多用户、多 Agent 并发调用，为全员统一供给 Token 服务；

超节点面向大型企业和科研机构，4TB 统一显存可承载数万亿参数前沿大模型，为超长上下文推理和高复杂度任务提供私有化部署底座。

这三种硬件形态共用一套软件体系，意味着企业的 AI 底座可以随业务规模平滑扩展，而不必推倒重来。

三、从散落的模型调用，到可核算的 Token 服务

安全之外，还有一笔绕不开的账：成本。

单个员工零星调用 AI，一次几毛钱，看起来不贵。但当 AI 进入日常工作，几十上百名员工、多个 Agent 持续运行，多轮推理叠加工具调用，Token 消耗会迅速累积。

Agent 执行任务往往不是一次调用就结束，一次看似简单的任务背后可能是十几轮模型推理和工具调用，实际消耗的 Token 远超员工的直观感受。

就像工厂离不开电费核算，企业的 AI 使用也终将进入精细化计量阶段。区别在于，电费是明码标价的，而散落在各个外部平台的模型调用，对企业来说是一笔糊涂账：谁在用、用了多少、用在了什么任务上、产生了多少实际价值，都很难做准确评估。

元脑 AI Work 一体机的做法，是把原本散落的模型调用转化为企业内部统一供给的 Token 服务。Token 管理平台记录每一次调用的完整信息：调用人员、使用模型、输入输出 Token 数量、缓存命中情况、响应时延和调用状态。Token 自主供给、按需分配，成本由此可核算、使用由此可追溯。

这套机制的价值不止于省钱。当 Token 消耗可以按部门、按任务、按项目归集，它就从一个技术计量单位变成了管理工具：企业可以像分摊水电、核算人力一样为 AI 使用编制预算、归集成本，也可以据此判断哪些场景值得加大投入、哪些消耗纯属浪费。

当 AI 办公走向规模化，这套统一供给、统一核算的运行底座，将成为重要的基础设施。

结语：AI 办公，先搭底座

这轮 AI 办公热潮里，行业的注意力大多放在 AI 能干什么上，但企业落地时需要考虑的问题则更为实际，比如 AI 究竟干了什么、花了多少、风险在哪。

这也是元脑 AI Work 一体机这类产品出现的原因。它卷的不是 Agent 本身的能力，而是把模型、Token 和 Agent 的运行环境整体收回企业内部，让企业可以按自己的规模和合规要求，从工位级部署起步，逐步扩展到全员使用。

对正在考虑规模化引入 AI 办公的企业来说，先把这套底座搭起来，是一个现实的起点。