NVIDIA 于2026年9月28日发布 Open Agent Safety Platform，智能体安全转向独立于模型的带外控制，百余家机构加入。当 AI 智能体从“回答问题”走向“调用工具、访问数据、执行任务”，安全关注点也随之改变：除了模型输出是否合适，还要回答智能体能做什么、谁来约束它、越界时能否及时发现和处置。可信计算 3.0 与 NVIDIA 最新发布的 Open Agent Safety Platform，来自不同技术背景，却都把安全能力带向一个共同方向——让安全控制成为系统运行的一部分，而不是依赖被保护对象自觉遵守。
NVIDIA：把智能体的运行边界做成可执行控制
NVIDIA 于2026年9月28日发布 Open Agent Safety Platform。官方公布的设计由两部分组成：OpenShell 开源软件提供智能体的安全运行时边界，追踪运行中的动作并执行策略；Sentry 则是参考系统设计中的带外看门狗，运行在 NVIDIA BlueField-4 DPU 上，持续监测智能体行为，并可在智能体试图越界时将其隔离。NVIDIA 将这套方案定位为覆盖软件、计算硬件以及机器人执行系统的全栈治理与控制能力。
这套设计传递出一个清晰理念：不能只在模型或智能体框架内部设置规则，还需要在其外部建立能够实际执行的边界。规则要能落到运行过程，行为要能够被观察，越界要能够触发处置。平台也强调开放和可定制：OpenShell 可扩展支持 Arm、Intel 等第三方计算平台；组织可以根据自身需要部署平台的不同部分。需要区分的是，OpenShell 的软件边界和 Sentry 的带外硬件设计并非同一层能力，后者的公开参考设计依赖 BlueField-4 DPU。
可信计算 3.0：以可信根和主动免疫守护计算过程
可信计算 3.0 的主动免疫思路，则从建立系统信任出发。它强调以可信根为起点，通过可信度量与可信链把信任扩展到平台和软件运行环境，并让计算与防护并行工作。相关体系论述还提出双体系结构：计算部件承担业务运行，防护部件提供独立的可信支撑，使安全能力能够持续验证和约束被保护系统。面向云环境的架构进一步将可信能力延展到安全管理中心、宿主机、虚拟机与边界节点。
因此，可信计算 3.0 关注的不只是某一次访问是否获准，也包括系统从何处建立信任、关键组件状态是否可信、信任如何在多个节点间延伸。这是一种偏系统基础设施层的安全观：把可验证的信任基础嵌入计算环境，使防护能够伴随计算过程持续发挥作用。
两种体系的交汇：把安全从“规则”推进到“执行”
把两者放在一起看，最值得关注的相似性是它们对 AI 安全建设方向的共同回答。第一，安全不能只依赖模型或应用自我约束，需要有独立于智能体自身逻辑的控制机制。第二，安全策略需要进入运行过程，通过度量、授权、监控和处置形成闭环。第三，安全范围正在从单个软件组件扩展到运行智能体的计算环境、基础设施和执行端。
从这个角度看，可信计算 3.0 的可信根、可信链和主动免疫，与 NVIDIA 平台的运行时边界、带外监测和隔离处置，分别从“系统状态可信”与“智能体行为受控”两个侧面回应了同一类挑战。前者为计算环境建立信任基础，后者着重约束智能体如何使用工具、数据和计算资源。两者共同反映出 AI 安全正在从原则倡议走向工程控制：安全要求要有承载位置，要能够观察运行状态，也要在必要时可以采取行动。
从共同理念走向可信落地
二者在“安全控制必须进入系统运行过程”这一方向上具有明显一致性，在工程上则可能形成互补。可信计算能力可以为平台状态和信任链提供支撑；智能体运行时治理可以细化到操作权限、访问边界和行为审计；具备相应硬件条件时，还可评估带外监测与隔离机制。实际组合仍需针对威胁模型、接口、策略语义、审计完整性和故障处置开展验证，并单独完成适用的合规测评。
AI 智能体越能自主行动，安全体系就越需要从“相信它会遵守规则”转向“让规则在运行中真正生效”。可信计算 3.0 与 NVIDIA Open Agent Safety Platform 虽然路径不同，却共同指向这一趋势：以可信基础支撑计算，以外部机制约束行为，以持续监测和可执行处置增强 AI 系统的安全性。
A5创业网 版权所有
