北京
企业 AI 治理存在碎片化问题：平台厂商在自己的平台内治理；云服务商在自己的云内治理；应用厂商在自己的应用内治理。智能体一旦踏出这些边界，可见性就会终止，治理也随之终结。
今天，DataRobot 正在推进强AI 治理的行业标准DataRobot Agent Workforce Platform ，与 NVIDIA 联合工程打造，并在 Dell 和 Nebius 的基础设施上通过验证，使企业能够在任何运行环境中治理 AI。
这种治理超越公有云的范围：在本地、边缘，以及无法使用云原生治理的物理隔离和主权环境中。一致的策略执行、端到端溯源和合规文档，无论智能体在哪里运行、接触哪些系统、由谁构建，都同样适用。
在受监管的行业中，风险不是抽象的。当一个 AI 智能体跨多个云和内部系统做出贷款决策时，只能看到单一环境的治理工具无法检测与受保护特征相关的模式，无法在合规损害发生之前进行干预，也无法生成监管机构要求的文档。孤岛式治理是一种审计负债，会随着智能体部署的规模化而不断累积。
领先的分析师已特别认可 DataRobot 在生产环境中可靠部署、持续监控和严格治理方面的表现，同时指出主要云服务商在自身平台之外执行一致治理方面面临重大局限。
"治理不能是事后修补，硬塞进一个从未为此设计的平台上。企业需要一种一致的机制，来定义、执行和证明每个智能体、每个环境、每个工作流的策略合规性。这就是 DataRobot 所提供的，"DataRobot 首席产品官 Venky Veeraraghavan 表示。
DataRobot 通过三层治理来解决这一问题：
- AI 与自主智能体治理：在智能体上线前，一个集中式注册中心（含基于角色的访问控制、审批工作流和版本管理）确保只有合规的智能体进入生产。在生产中，实时审核根据策略评估每一次输入和输出，在偏差、幻觉、提示注入、毒性和 PII 泄露发生时即时捕获，并在不安全响应到达业务之前予以阻断——持续与 NIST AI 风险管理框架和欧盟 AI 法案保持对齐。
- IT 治理：每个智能体以自身身份和权限运行，而非继承人类凭证；精细的权限控制数据和 API 访问，跨企业内所有智能体、工具和应用实现一致的端到端溯源。
基础设施治理：网关、公平使用策略、模型托管和多租户机制，使自主智能体 AI 的成本在规模化时保持优化和可预测 —— 无论智能体运行在公有云、私有云、混合云、边缘、物理隔离还是主权环境中。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
