统一登记智能体：合规治理的第一步是"管什么”

作者：张烽

统一登记智能体：为什么资产清单是合规治理的基础设施。

一、建立覆盖全类型智能体的资产清单——智能体合规治理的基础设施

企业在智能体治理中面临的首要问题，不是"怎么管"，而是"管什么"。这一判断的依据来自当前治理实践的普遍困境：当智能体以自研、三方采购、嵌入业务系统、员工低代码配置等多种形态进入组织时，绝大多数企业无法回答一个基础问题——我们内部到底运行着多少个智能体，它们分别连接了哪些数据和系统，由谁负责，处于什么风险等级。业界实践已经提出，企业应建立统一的智能体资产清单，以管理、规范内部智能体应用，该清单应覆盖企业自研智能体、采购的三方智能体、嵌入业务系统的智能体、员工自行配置的低代码或无代码智能体等类型。

这一判断包含两层含义。第一层是逻辑层面的：任何治理体系都建立在对治理对象的完整认知之上，资产清单是治理链条的起点而非终点。第二层是工程层面的：智能体的数量增长速度远超传统IT资产的管理节奏。

Gartner预测，到2028年，全球《财富》500强企业平均将使用超过15万个智能体，而2025年这一数字不到15个。Gartner同时指出，仅有13%的组织认为其已具备适当的AI智能体治理能力。从"个位数"到"十万级"的跨越意味着，依赖人工台账和部门申报的传统资产管理模式将迅速失效。

二、智能体风险性质的转变对治理机制提出新要求

理解资产清单的重要性，需要先把握智能体治理的政策起点和治理逻辑的转变。

2026年5月，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》。该文件对智能体给出了明确定义：具备自主感知、记忆、决策、交互与执行能力的智能系统，是人工智能产品及服务的重要形态。

在应用牵引方面，文件重点围绕科学研究、产业发展、提振消费、民生福祉、社会治理等实际需求，提出典型应用场景示范效应，先易后难、循序渐进。在安全底线方面，文件强调要厘清"仅限用户本人决策""需由用户授权决策"和"智能体自主决策"等各种决策方式的合理边界及所需权限，确保用户对智能体自主决策享有知情权和最终决策权。值得注意的是，该文件还提出"探索建立智能体注册平台，提供智能体数字身份管理、检索发现、能力声明等服务，支持开发者、部署方式、接口协议、合规认证等信息查询和管理"。这一表述在政策层面直接指向了统一登记的制度方向。

2026年6月27日，国家标准化管理委员会下达《智能体应用安全基本要求》强制性国家标准计划（计划号：20263116-Q-252，国标委发〔2026〕41号），项目周期18个月，归口中央网信办，由中国移动通信集团有限公司、中国电子技术标准化研究院、国家计算机网络应急技术处理协调中心牵头起草。根据多家厂商的技术解读文章，该标准计划列出六项安全能力要求，包括资产盘点与管理、身份认证与权限、知识库与数据管控、多模态内容防护、全链路审计追溯、应急处置与熔断。其中，资产盘点与管理被列为首项要求。

这两份文件共同揭示了一个治理逻辑的转变。传统AI治理主要关注模型本身——算法备案、模型评估、内容审核。但智能体的核心特征是自主性：它能够协调工作流、检索信息、在多系统间触发自动化操作。正如有研究指出，随着智能体获得这种跨系统操作能力，治理机制必须具备同等水平的系统性与自主性。

智能体风险性质的转变对治理机制提出了新要求。当风险从模型输出的内容层面延伸至跨系统操作的行为层面，治理的对象便不再是一个静态的算法，而是一个持续与环境交互、自主决策的行动主体。这意味着治理机制必须从"事前审批"的单点控制，转向覆盖注册、运行、审计、处置全生命周期的动态管理。而支撑这一转变的前提，是首先回答一个基础性问题：我们究竟管理着哪些智能体？

三、资产清单是智能体治理中的连接器

资产清单之所以被称为"基础设施"，是因为它具备基础设施的两个核心特征：一是被上层应用广泛依赖，二是自身不直接产生业务价值但缺失将导致系统性风险。

第一，资产清单是分类分级治理的输入条件。 全国网安标委2026年7月发布的《网络安全技术人工智能应用安全分类分级方法（征求意见稿）》提出，根据综合风险发生概率与影响严重程度，按照"就高从严"原则，将应用划分为低、一般、较大、重大和特别重大五个安全风险等级，并要求结合技术、场景及风险变化动态复核。这一分类分级框架的运作前提是已经掌握了每个智能体的数据访问范围、系统调用权限、面向对象和风险等级等信息。换言之，没有清单，分类分级就无从谈起；没有分类分级，后续的审批门槛设定、持续监控策略和事件响应机制就失去了差异化的依据。

第二，资产清单是合规工具发挥作用的载体。 相关政策文件提出制定人工智能社会影响分析、伦理审查和风险管理方法，丰富合法性治理内涵和技术应用标准、企业合规标准。这些治理工具的共同特征是需要一个可查询、可更新、可审计的对象集合。以伦理审查为例，审查的第一步必然是明确被审查的智能体有哪些、处于什么阶段、涉及哪些数据。资产清单提供的就是这个"对象集合"。

第三，资产清单是应对影子AI的探测基线。影子AI的典型形态是业务部门绕过安全审查自行接入的智能体，它们不在任何审批记录中，却真实地调用着企业数据与系统接口。唯有先建立覆盖全组织的资产清单，才能通过比对登记信息与实际流量、权限调用之间的偏差，识别出那些"存在但未被登记"的智能体。清单因此不仅是登记册，更是一把丈量可见性缺口的标尺。

第四，资产清单是审计追溯的前提。 根据厂商对强制性国标计划的技术解读，该标准计划要求"全链路审计追溯"。审计追溯的工程含义是：每一个智能体的每一次操作都能被记录、被关联到具体的责任主体。这一能力的前提是每个智能体在清单中拥有唯一标识、明确的所有者和完整的权限描述。没有统一登记，审计日志中的操作记录就无法归属到具体的智能体实例，责任追溯链条将在第一步断裂。

综合来看，资产清单在治理体系中扮演的是"连接器"角色：向上承接政策要求和合规标准，向下为分类分级、准入评估、权限控制、日志审计和事件响应提供对象化的输入。这种连接功能使其成为不可绕过的治理基础设施。

四、智能体资产清单管理与传统IT资产管理及模型登记的差异

将智能体资产清单与传统IT资产管理或模型登记进行对比，可以更清晰地理解其独特性，同时也有助于辨析当前实践中的认知误区。

传统IT资产管理（如CMDB）管理的对象是服务器、应用、网络设备等确定性资产，其属性相对静态，变更频率可控。智能体资产清单的管理对象则具有三个显著差异。其一，智能体的边界是模糊的，一个智能体可能由多个模型、多个工具链和多个数据源组合而成，嵌入业务系统后难以从外部独立识别。其二，智能体的行为是动态的，它能够自主规划任务路径、动态调用工具，其权限使用模式随场景变化。其三，智能体的创建门槛极低，员工通过低代码平台在数小时内即可搭建并部署一个功能性智能体。这意味着清单的更新频率和覆盖难度远高于传统IT资产。

模型登记（如大模型备案和算法备案）关注的是模型本身的合规性——训练数据的合法性、算法的公平性、内容的安全过滤。智能体资产清单关注的则是模型之上的行为层：谁在用这个模型做什么、通过什么工具、访问什么数据、产生什么后果。两者不是替代关系而是互补关系：模型登记回答"模型是否合规"，资产清单回答"模型的使用是否合规"。

当前实践中存在一个值得关注的争议：清单应由人工维护还是自动发现？人工维护路径依赖各部门申报，优点是信息结构化程度高，缺点是更新滞后且难以覆盖影子AI。自动发现路径通过流量侧收口或终端扫描实现，优点是覆盖面广且持续更新，缺点是需要企业网络架构中设置统一入口。Gartner在其六步治理框架中建议组织使用AI TRiSM（AI信任、风险与安全管理）工具来发现和分类智能体，既包括经过审批的工具也包括影子AI方案。阿里云安全团队在其开发者社区文章中提出的工程建议（属厂商实践建议，非监管要求）也指出，最有效的做法是将所有AI调用收口到一个统一入口，从流量侧自动发现所有调用关系，之后每一次新增调用都会被自动注册。

五、具体案例实践的复杂度

为检验上述框架的适用性，不妨以一个具体场景为例：某中型科技企业计划在客服、研发和人力资源三个部门部署智能体应用。

在客服部门，企业可能采购了三方智能体用于处理用户咨询，该智能体需要访问订单数据库和用户个人信息。在研发部门，团队可能自研了代码审查智能体，该智能体调用开源模型并通过MCP工具链访问内部代码仓库。在人力资源部门，员工可能自行使用低代码平台搭建了简历筛选智能体，其运行在企业内网但使用了外部模型的API。

在传统管理模式下，这三个智能体分属不同部门，各自独立运行，企业层面可能只知道采购的客服智能体存在。但统一资产清单的登记要求会暴露几个关键问题：客服智能体处理个人信息，属于较高风险级别，需要更高的审批门槛和持续监控；代码审查智能体通过MCP工具链访问了代码仓库，但调用路径可能未经安全评估；简历筛选智能体由员工自行创建，未经过任何合规审查，且简历数据可能包含敏感个人信息。

资产清单在此场景中的价值体现在三个层面。在登记阶段，它确保三个智能体都被纳入视野，包括那个"员工自行创建"的简历筛选智能体。在分级阶段，它根据数据访问范围和业务影响将三者分别归入不同的风险等级，触发差异化的管控策略。在审计阶段，当简历筛选智能体出现数据泄露事件时，清单中记录的所有者、数据访问范围和部署环境信息使事件响应团队能够快速定位影响面并启动止损流程。

这一场景也揭示了资产清单的工程复杂度。清单中的字段——智能体名称、业务目的、使用部门、负责人、模型来源、供应商、工具列表、数据访问范围、系统访问范围、部署环境、面向对象、风险等级、上线状态——需要与企业的数据目录、身份管理系统和日志平台建立映射关系，才能在实际运营中发挥作用。SAP AI Agent Hub等产品的实践表明，企业正在从"资产发现"起步，逐步构建覆盖"发现—验证—治理—运营"全周期的智能体治理平台。这意味着资产清单不是一个孤立的数据库表，而是需要与多个企业系统集成的治理中枢。

六、资产清单作为基础设施的动态管理价值

统一登记智能体、建立统一资产清单，其核心价值在于解决智能体合规治理中"管什么"的前提问题。政策层面，《智能体规范应用与创新发展实施意见》已确立智能体的法律地位和应用场景框架，并提出探索建立智能体注册平台的方向；强制性国标计划将资产盘点与管理列为首项安全能力要求（标准尚在起草阶段）。实践层面，Gartner等机构提出的治理框架均将集中化清单作为基础步骤。工具层面，AI TRiSM和AI资产发现产品正在将自动化的资产登记变为可落地的工程方案。

从机遇角度看，资产清单的建立为企业打开了从"被动合规"向"主动治理"转型的通道。一旦清单成为企业AI治理的数据底座，分类分级、用例准入、行为监控和事件响应就可以在同一数据源上运行，治理效率和一致性将显著提升。

从风险角度看，需要关注三个问题。第一，清单的完整性风险：如果自动发现机制存在盲区（例如通过个人设备访问的AI工具），清单可能遗漏关键资产。第二，清单的时效性风险：智能体的创建和变更速度可能超出清单更新周期，导致登记与实际运行状态脱节。第三，清单与治理体系的衔接风险：清单本身只是数据，如果企业没有将清单与分类分级标准、审批流程和监控策略关联起来，它就会退化为一份静态的表格。

智能体的自主性特征决定了治理机制必须具备同等的系统性和动态性。资产清单作为基础设施的价值，不在于它的静态存在，而在于它能否成为连接合规要求与工程实践的活体数据层。