身份是智能体AI的守门人

F5研究 | 2026年5月27日

《2026年应用策略现状报告》洞察

智能体AI已从理论概念转变为现实期待。

根据我们最新发布的《2026 年应用策略现状报告》,98%的组织正在积极为此做准备。不是试验,而是准备。这释放出一个重要信号:企业讨论的已不再是AI是否会采取行动,而是认定AI将采取行动,并努力寻找应对其影响的方法。

而这些影响将体现在架构层面。

企业正将推理部署在本地

一个更能说明问题的信号是推理实际在何处运行。

约78%的组织已在自行运行AI推理。仅36%的组织主要依赖公共AI即服务,只有8%的组织完全使用公共服务,不运行任何自行管理的推理。

这种分布情况至关重要。

这表明,企业并未将控制权外包,而是有意将推理保留在自身的运营边界内,使其能够与内部系统、数据和工作流交互。这意味着,当智能体AI开始执行操作时,它并非在外部某处运行,而是在企业内部跨多个环境对记录系统执行操作。

这大幅增加了风险。

威胁行为者已发生变化

引发担忧的不只是规模或复杂性,更在于行为主体的性质。

AI系统不再只是响应人类输入的被动工具,而正逐渐成为工作流的参与者。它们将主动发起请求、调用API、串联执行多个操作,并持续运行。

这打破了许多现有假设。

传统身份模型以人为核心构建。用户登录并通过身份验证后,会获得一组权限,并在相应权限范围内操作。当各项操作彼此独立且可归因于具体人员时,这种模型能够有效运行。

当操作主体变为机器时,这种模型便开始难以应对。机器可以跨多个系统快速连续发出数千个请求,并且可能代表多个用户或进程执行操作。

身份已成为首要关注点

我们的数据清楚地反映了这一转变。

身份和访问控制被视为智能体AI面临的首要预期挑战,其受关注程度超过模型质量、基础设施规模或成本。身份验证是保护AI推理服务时最常采用的方法,而授权和访问控制与可观测性也始终被列为重要的保护机制。

与此同时,88%的组织表示至少面临一项与AI相关的运营或安全挑战。这反映出两点:首先,组织已经遇到阻碍;其次,他们认识到身份是问题的核心。

因为一旦AI能够采取行动,问题就不再只是它能做什么,而是允许它以何种身份行事。

交付与安全正在同一层面融合

从交付和安全服务对组织影响最显著的环节来看,还可以发现另一种趋势。

在交付方面,提示层占比最高,为29%;其次是令牌和控制层,占23%。在安全方面,提示层同样占比最高,为25%;令牌和控制层也占23%。

这种一致并非巧合。

意图在提示层中表达。范围、成本和执行则在令牌层进行管控。这些层面既是做出决策之处,也是引入风险之处。

如果交付和安全都集中在这些层面,就意味着组织认为,在推理过程中,性能、可靠性和风险是密不可分的考量因素。

身份是将这些要素串联起来的主线。它决定了提示词由谁发出、令牌代表的权限范围,以及由此允许执行哪些操作。

静态身份模型无法适应动态系统

在多模型环境中,情况会变得更加复杂。

据组织报告,其生产环境平均运行7个模型,并采用约2.5种技术对这些模型进行适配或扩展。这会在运行时带来路由、回退和版本控制方面的决策。

在请求会跨模型和上下文动态路由的系统中,仅在登录时进行一次身份验证并不足够。身份信息必须随请求传递,并根据路由决策、令牌限制和策略执行情况持续进行评估。

换言之,身份验证从入口处的一次性检查转变为内联控制。

控制应实现程序化

如何实施这种控制同样重要。

在各类运维任务中,组织始终更倾向于通过API进行控制,而非使用GUI、CLI或自然语言界面。即使是尚未广泛使用AI的组织,也更青睐API。

这种偏好并非出于便利,而是源于实际需要。

智能体不会点击按钮,而是调用API。它们通过编程接口进行身份验证、授权和执行操作。任何依赖人工介入工作流的身份模型,在智能体自主运行时都将失效。

因此,身份执行机制必须可供机器使用、由策略驱动,并且能够完全自动化。

身份是唯一可扩展的控制手段

综合以上各点,不难得出这一结论。

智能体AI带来了更多参与者、更多操作和更持续的变化。在这种环境下,传统控制措施难以跟上变化。网络边界日益模糊,静态权限变得脆弱,人工监督也难以规模化。

身份可以。

身份是唯一能够实时回答以下问题的控制机制:谁或什么在执行操作、代表谁、受到哪些约束,以及由谁承担责任。身份信息可随请求传递、根据上下文调整,并在交付和推理过程中以内联方式强制执行。

如果缺少这种控制,智能体系统要么会因权限过于宽松而带来风险,要么会在运营层面难以管理。

这就是架构层面的转变

数据清楚地说明了这一点。

  • 98%的组织正在为智能体AI做准备。
  • 78%的组织已在自行运行推理。
  • 88%正面临运营或安全挑战。
  • 身份是首要关注点,而API是首选的控制界面。

这些因素共同指向一个结论:智能体AI首先不是AI问题,而是身份和控制平面问题。

此外,任何未将身份置于交付和推理路径核心的架构,都难以满足企业对可信度、控制力和安全性的期望。

因为在机器能够采取行动的世界中,身份已不再只关乎访问权限。

<p>而是关乎权限。</p>

如需了解详情,请阅读完整的《2026 年应用战略现状报告》。

分享

关于作者

Lori Mac Vittie
Lori Mac Vittie杰出工程师兼首席技术布道师 | F5

Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师,在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构,还是探索可扩展系统的极限,她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前,她曾担任技术编辑,并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位,著述颇丰,出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏,并且对奶酪有着毫不掩饰的鲜明见解。

Lori Mac Vittie 的更多博客文章

相关博客文章

您的下一位SRE可能是机器
F5研究 | 2026/06/26

您的下一位SRE可能是机器

控制正集中到意图入口,即提示词、令牌和路由。架构面临的挑战是明确AI可在何处执行操作、何时必须交由其他机制处理,以及如何撤销操作。

规模化发展AI的秘诀在于突破康威定律的制约
F5研究 | 2026/06/12

规模化发展AI的秘诀在于突破康威定律的制约

AI无法自行实现规模化。如果没有统一的控制平面来整合工具并打破权责边界,推理层将成为最脆弱、最依赖协调的层级。

身份是智能体AI的守门人
F5研究 | 2026/05/27

身份是智能体AI的守门人

随着智能体AI推动机器从工具转变为行动主体,身份成为核心控制机制:谁可以代表谁,在什么范围内执行操作,并在推理时以内联方式实施控制。

推理现已成为运营重心
F5研究 | 2026/05/13

推理现已成为运营重心

多模型运维和API驱动的自动化将控制能力下沉至推理时层,包括提示词、令牌与控制、路由和内容审核;成本、风险和性能都必须在这些层面进行管理。

AI、推理和令牌,真让人眼花缭乱!
F5研究 | 2025/10/16

AI、推理和令牌,真让人眼花缭乱!

AI应用在推理服务器上运行,其负载由令牌而非流量驱动。了解为什么理解令牌和JSON数据对于设计更智能的基础设施至关重要。