AI办公成了新战场！WorkBuddy们上岗前，数据和Token得先收回企业手里

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。