企业AI正从零散试点快速迈向大规模生产落地。然而在许多情况下，工程团队构建应用、部署自主智能体的速度，已远超安全、治理和运营流程的跟进能力。这造成了一种碎片化局面——管理层往往无法集中掌握哪些模型正在被使用、以何种方式运行。
要真正实现AI就绪，企业必须从临时性监管转向集中化治理，即建立一套统一的控制平面，对AI应用、模型、智能体及其交互行为进行大规模监控、治理与安全防护。Palo Alto Networks AI网关高级总监Rohit Agarwal表示："我们首次看到CISO、CIO和平台负责人坐到同一张桌子上，共同探讨如何向全企业开放AI能力。"
AI蔓延问题的根源
企业通常将AI蔓延理解为模型数量的激增，包括各团队在未经中央审批或监管的情况下自行引入的模型。但问题远不止于模型层面：各团队还会在模型之上自行构建应用和智能体工作流，随着规模扩大，这种碎片化环境将愈发难以治理。
Agarwal指出："随着越来越多的应用构建在这些模型之上，各团队都在摸索自己的工作流，企业正面临跨团队的大规模蔓延。与此同时，部分模型未经安全团队认证，可能成本高昂，甚至根本不适合实际业务场景。这种蔓延现在必须得到管控。"
缺乏集中可见性，管理层就难以有效治理和保障AI的使用安全。他们无从掌握每个应用的归属、各团队使用的模型，以及成本的累积来源。这加剧了安全、合规和成本控制方面的风险。监管缺失还使价值衡量与归因更加困难：尽管96%的企业表示尚未从AI中看到回报，但许多企业甚至无法将支出明确归因到具体团队、模型或使用场景。
智能体带来的新型风险
与被动式助手和聊天机器人不同，智能体系统能够自主执行任务，一旦缺乏必要的防护机制，风险将大幅上升。智能体承担的许多任务与人类相似，因此理应获得同等级别的安全保护。企业至少应将智能体视为特权操作者，而非普通软件请求。
真正的差异在于智能体系统的运行速度和潜在规模。根据Palo Alto Networks《2026年身份安全态势报告》，机器身份数量已是人类的109倍，较一年前的82倍进一步攀升。这一增长很大程度上源于智能体AI的普及，而且智能体还能几乎同时并行发起多项操作。更重要的是，由于AI的非确定性特征，这些操作并不总是可预测的。
Agarwal表示："面对人类操作者，你还能发现问题所在，因为人类的行动速度毕竟有限。而AI智能体则可以在你来不及干预之前，同时触发数十个不同的操作。"
未受管控的智能体身份可能导致权限过度授予、归属不清，并扩大攻击面。由于智能体行动迅速，必须在执行前和执行过程中同步部署身份验证、授权和策略执行机制。这不仅意味着要将熟悉的身份与访问管理原则延伸至AI智能体，还需要在大幅压缩的修复时间窗口内完成这一切。
统一控制平面的价值
通过构建覆盖所有智能体模型、工作流和应用的控制平面，企业可以同时应对速度与规模的双重挑战。例如，AI网关能够实时监控流量，检测并缓解潜在的恶意活动或漏洞；同时执行严格的最小权限控制，防止过度授权带来新的风险；并支持企业在数千个AI模型中统一执行策略、管理凭证，以及自动脱敏敏感数据。
AI网关同样是面向未来的战略投资，它让开发者能够直接采用已审批的能力，无需反复经历繁琐的人工审批流程。Agarwal表示："例如，当新模型发布或新智能体上线注册时，可以自动为其应用一套预设的控制策略。"
这一统一控制平面将安全执行、运营治理和成本控制整合于同一解决方案，无需企业通过独立系统分别管理。借助集中化日志、统一策略和成本归因，企业可以提升问责能力，并为管理层提供更清晰的规模化决策依据。
随着AI智能体从实验阶段走向生产部署，企业需要一种更一致的方式来了解智能体的行为、管控其访问权限，并实现实时策略执行。Prisma AIRS AI网关有助于集中管理企业AI的治理与安全，使企业更安全、更从容地应对未来挑战。
Q&A
Q1：企业AI蔓延具体指什么问题？
A：AI蔓延不仅指模型数量激增，还包括各团队在未经中央审批的情况下自行构建应用和智能体工作流。这导致企业缺乏统一可见性，管理层无法掌握模型使用情况、应用归属和成本来源，进而加剧安全、合规和成本控制风险，并使AI投入的价值难以量化归因。
Q2：AI智能体为什么比普通软件风险更高？
A：智能体能够自主执行任务，且可以几乎同时并行触发数十个操作，速度远超人类。加之AI的非确定性特征，其行为难以预测。未受管控的智能体身份还可能导致权限过度授予和攻击面扩大，因此必须在执行前后同步部署身份验证、授权和策略执行机制。
Q3：AI网关能解决哪些具体问题？
A：AI网关可实时监控流量、检测恶意活动，执行最小权限控制防止过度授权，并在数千个AI模型中统一管理凭证和自动脱敏敏感数据。同时，它将安全执行、运营治理和成本控制整合于一体，支持新模型或智能体上线时自动应用预设策略，减少人工审批负担。