《企业Agent基础设施参考设计白皮书》，浪潮信息发布！

Agent正在进入企业核心业务流程，Gartner预测，到2026年底，40%的企业应用将集成面向特定任务的AI智能体。当Agent从少数员工试用走向多部门日常使用，企业需要考虑的不只是单项任务的效果，还需要保障数据安全访问、多任务稳定运行，并统筹资源供给与使用成本。

围绕这些需求，浪潮信息发布《企业Agent基础设施参考设计白皮书》（以下简称《白皮书》），提出“数据自主、Token自控”两大主张，给出物理层、系统软件层和场景应用层三层参考架构，并结合自身实践，提出关键能力要求和分阶段建设方法，为企业规划、建设和运营Agent基础设施提供参考。

01 “数据自主、Token自控”，构建企业自己的Agent生产底座

随着Agent从个人试用走向多部门应用，数据流向、Token供给及成本管理不再是单个应用的问题，而成为企业需要统一规划的基础设施能力。为此，《白皮书》提出，企业自建Agent基础设施，核心是将业务数据的使用边界与Token生产能力掌握在自己手中，实现“数据自主、Token自控”。

数据自主，让企业掌握业务数据的使用边界。Agent深入业务后，需要接触合同、客户资料、研发代码和经营信息等核心数据。这些数据由谁读取、用于哪些任务、是否允许传出企业，都需要明确规则。《白皮书》提出，通过本地化部署、权限管理、隔离运行和操作审计，加强数据使用管控；按任务设置数据访问和工具使用权限，对高风险操作保留人工审批，并记录执行过程，便于异常排查与责任追溯。

Token自控，既要算清用量，也要管好供给与成本。Agent完成任务往往需要多轮调用模型，资料长度、任务复杂程度和执行轮次都会影响Token消耗。企业可根据应用规模与实际负载，规划本地算力和自有Token供给能力，通过统一的Token服务平台管理模型接入、额度分配、用量统计与费用核算。在掌握各部门、各类任务实际消耗的基础上，统筹设备投入、资源利用率与运行成本，使Token供给更好地匹配业务需求。

因此，自建Agent基础设施不只是本地部署模型或降低调用费用，而是把数据安全、Token生产与供给、Agent运行和治理纳入统一体系。企业不仅能够掌握核心数据的使用边界，还能够形成自主、可计量、可调度的Token产能，为智能体长期稳定运行建立基础。

02 三层参考架构，打通“算力生产—Token转化—Agent运行”

如何将“数据自主、Token自控”落实到具体建设中？《白皮书》从Agent工作流程和运营需求出发，提出基础设施物理层、基础设施系统软件层和Agent场景应用层的三层参考架构，将底层算力资源、Token服务和Agent开发运行纳入整体设计，打通“算力生产—Token转化—Agent运行”的完整能力链路。

这一架构的核心思路，是围绕“用Token完成业务任务”，反向牵引基础设施建设。Agent成为企业生产力，既需要稳定、高效的Token供给，也需要获取业务知识、调用工具、执行流程，并在明确的权限与规则下持续运行。前者由物理层与系统软件层保障，后者由场景应用层承接，使资源配置、服务调度与业务执行相互衔接。

● L1基础物理层：面向模型推理、任务运行、数据存储、高速互联四类负载，构建多元算力底座。Token引擎负责推理，Agent主机承载运行环境与工具链，数据平台统一管理知识与记忆，高速网络将分散资源聚合为算力池。由此，企业数据不出域、模型可选择、算力可复用。

● L2系统软件层：统一调度多元异构算力，整合模型服务、内外部模型库与工具链，构建企业级Token服务平台，向业务部门提供可用、可限、可计量的Token供给，支撑不同规模Agent并发调用。Token由此从「成本项」变为可计量、可定价、可评价的「生产要素」，企业AI投入的回报随之可衡量。

● L3场景应用层：将业务知识、流程规范与领域经验融入Agent开发与运行，由企业级智能体开发平台统一管理部署、权限与执行。区别于外挂知识库，L3把行业know-how转化为结构化工作流与决策逻辑，让Agent不只读懂资料，更能按规则执行流程。安全沙箱、审计日志与权限管控，确保Agent处理核心业务时可管、可控、可审计。

全链路安全管理与运维则贯穿三层架构，在保障数据与操作安全的同时，实现模型服务、任务运行及底层资源的统一管理与持续运维，兼顾Agent运行的安全性、可靠性与经济性。

03 自身实践验证，让参考设计有据可循

《白皮书》的参考架构与关键能力已在浪潮信息自身Agent基础设施建设和业务应用中得到实践验证，覆盖Token供给、企业知识调用、运行隔离与权限管理等环节。

浪潮信息基于“积算科技”Token服务平台，统一提供模型服务，管理访问权限、使用额度与Token用量。目前，平台已覆盖41个业务部门，注册用户超过2600人，单日Token调用量超过100亿，支撑研发、供应、生产、营销和服务等领域的智能体应用。

在售前场景中，浪潮信息基于企业级智能体开发平台EPAI打造“元小智”，将1500余份业务资料、产品信息与行业研报纳入企业自主管理的知识库，覆盖8大业务线在售产品，使Agent能够在授权范围内调用企业知识，辅助售前人员提取招标需求、检索产品与方案信息，将招标文件需求分析时间从天级缩短至分钟级，在掌握业务数据使用边界的同时，提高知识利用与业务处理效率。

在研发场景中，浪潮信息通过人机协同，在一周内完成企业级智能体管理平台ClawManager的开发、调试与发布。工程师负责目标设定、架构设计与关键节点把关，Agent承担任务拆解、编码和调试；基础设施提供模型调用、权限分配与隔离执行支持，使研发过程可追溯、可回退，体现了Humagent（Human＋Agent）理念下的协作方式。

ClawManager上线后，通过用户鉴权、隔离沙箱和模型调用审计，管控Agent的数据访问与执行过程；通过额度分配与Token用量展示，使模型资源使用可分配、消耗可追踪。同时，平台支持实例批量部署，将十人规模的环境配置时间由半天缩短至分钟级，兼顾部署效率与运行管控。

从跨部门模型服务到具体业务应用、再到Humagent协作方式，上述实践为《白皮书》的参考设计与建设要求提供了实际依据。

04 从业务需求出发，分阶段推进建设

Agent基础设施的建设规模应由业务需求决定，《白皮书》提出“评估规划—试点验证—规模化运营”三阶段路径：先梳理业务任务、并发规模、数据范围和安全要求，结合现有资源确定配置；再验证功能、性能、兼容性及安全能力，检查人工干预与任务回退机制；最后持续跟踪服务质量、资源利用率和运行成本，依据实际成效扩大应用。