AI 代理的成年礼：工牌、账本与体检报告

Descope 发布了一个叫 Envoy 的服务，让消费级网站和应用接受个人 AI 代理作为合法用户。说到底就是给代理发工牌——它得能像人一样被识别、被授权、被审计，否则永远只是 demo 里的玩具。

这张工牌不是孤例。同一天里，Kong 在 Konnect 里加了 AI 管理模块，管支出、管凭证、管可观测性；Leidos 推出 HeadWay Dispatch，做跨厂商的代理治理，给自主性设上限，留防篡改记录；Brava Security 带着 1500 万美元种子轮出 stealth，专门验证 AI 防御系统到底能检测到什么；Google 发了一份健康 AI 评估框架白皮书，把封闭问题基准、AI 自动评分和专家评审拼在一起用。

把这些摆在一块看，信号比单条清楚得多：AI 代理正在从“能不能干活”进入“谁来管、怎么管”的阶段。过去一年大家在比谁的代理更自主、能调更多工具、能跑更长的任务链。现在企业真把代理往生产环境推了，第一反应不是加功能，是装门禁、建账本、约体检。Kong 那套成本加凭证加可观测性的组合尤其典型——这三样恰好是任何新员工入职时 HR 和财务最先处理的事。代理也一样，只不过它的工牌是 token，它的账本是 API 调用记录。

Leidos 的做法更重一些。跨厂商代理治理的意思是不管你用的是谁家的代理，都得上同一个管控台，自主性有上限，操作记录不可篡改。这个方向其实在回答一个很现实的问题：企业不会只买一家的代理，多代理混跑之后，出问题谁负责、怎么追溯？Brava 那笔融资也在同一个逻辑上——市面上很多 AI 安全产品都在讲“我能检测”，但没人验证它到底检测得准不准。给防御系统做体检，本身就是一门生意。

Google 的健康 AI 评估框架则是另一种体检。封闭问题基准管标准化，AI 自动评分管规模，专家人工评审管质量，三样拼起来用。医疗这种场景容错率低，单一评估方法确实不够。这个框架能不能成为行业标准还不好说，但至少说明一件事：评估本身正在从“跑个 benchmark”变成一套需要设计的方法论。

治理和评估是一面。另一面是 AI 到底能不能真的提效，这个问题最近被拆得越来越细。

一项关于 AI 生成代码的研究给的结论不太客气：AI 写代码快了，但 review、测试、部署这些下游环节没跟着快，整体生产力被卡在瓶颈上。换句话说，瓶颈只是从“写”挪到了“审”和“发”。这个判断可以和另一篇讲 Harness 的文章对照着读——同一个模型，换一套运行框架，分数能从 30 拉到 95。拉开差距的不是模型本身，是它外面那层脚手架。

Codex 11 天写出 13.9 万行新内核、Rocky Linux 10 能跑起来，这个案例很抓眼球。但结合上面两条看就有意思了：能写出来是一回事，写出来的东西能不能维护、能不能合入上游、下游环节接不接得住，是另一回事。OpenAI 收购 Pierre Computer Company 大概也是看到了这一点——扩展 Codex 构建、理解、审查代码的工具链，光会生成不够，还得会看、会改、会审。

评估环境本身也在专业化。Harbor 新增 Docker Sandboxes 支持，在隔离的 MicroVM 里跑可重现的代理评估——评估得可复现，不然分数没有意义。Vercel Labs 开源了 fx，一个专为嵌入式应用设计的 Zig 编程代理，垂直领域的编程代理开始出现。Anthropic 给重要开源项目加了可选的安全扫描，安全左移到了代码生成环节。写代码这件事，AI 已经越过了“能不能写”的门槛，现在卡住的是“写完怎么办”。

钱和人的流向也在说明同样的事：配套产业在长，基础设施在扩。Lambda 要在阿拉巴马 Lowndes County 建 Red Clay 技术中心园区，331 亿美元的投资，这个数字放在任何行业都算天量，算力基建的油门还没松。Together AI 则在做推理层的持续优化，Polymorphic Inference 加 Together Compiler，根据模型变化不断重新编译调优，推理不再是静态部署一次就完事。

并购和融资的节奏也没慢下来。Amdocs 3.4 亿美元现金收购 EIS，电信软件商一脚踏进保险，想把代理 AI 塞进保险公司的核心运营系统；Copado 收了 Valo.ai，给 Salesforce 环境加安全和运营可观测性；Shackleton AI 拿 500 万美元种子轮，做建筑行业的代理工作流；Oumi 把 Frontier AI Engineer 扩展成能建代理、还能重新训练代理背后模型的产品。方向各不相同，但都在往“代理落地”的最后一公里上铺路。人才方面，Uber 总裁跳槽 OpenAI，Brockman 亲自发文欢迎。这位在谷歌和 Snap 都管过公关，去 OpenAI 大概率不是做模型，是做模型公司越来越需要的事——对外沟通、政策、商业化。模型公司长成大公司之后，组织能力也得跟上。

还有一些散落的信号。李飞飞团队的具身底座在乌镇峰会上“上岗抓药”，具身智能开始出现在具体场景里，不再是实验室视频。另一篇实验文章说，AI 辅助网页抓取拿到的“OK”响应里，有 20% 其实不 OK——网页在锁紧，AI 能自由读取的开放网络正在缩小。以及那篇“员工都会用一点 AI，团队下一步怎么走”，问的其实是组织问题：当每个人都在用 AI，团队的协作方式、验收标准、责任边界都得重新画。

这些事单看都不算大新闻，但放在一起，拼出来的是同一张图：AI 正在从“能力展示”进入“组织适配”的阶段。代理要有工牌、有账本、有体检报告、有门禁，代码生成要有下游承接，评估要有方法论，基础设施要有持续投入。这些事情不性感，但它们是技术真正留在生产环境里的前提。模型刷榜的新闻还会继续有，只是越来越难单独构成一条新闻了。