英伟达推出开放代理安全平台，强化AI自主系统管控能力

英伟达发布开放代理安全平台，旨在构建AI自主系统的信任基石

周一，英伟达正式推出“开放代理安全平台”（Open Agent Safety Platform），聚焦解决人工智能领域长期面临的重大挑战：当具备规划、工具调用和自主执行能力的AI代理偏离预设指令时，如何从物理层面实施即时干预与限制。

双核架构：沙盒运行时与硬件级监控

该平台由两大核心组件构成。一是OpenShell，一个开源运行时环境，为AI代理提供沙盒保护，将操作员指令转化为强制规则，严格限定其可访问的文件、网络资源及外部工具范围。二是Sentry，一种专用于保障行为安全的硬件级监控模块。

Sentry部署于英伟达BlueField-4数据处理器单元（DPU）上。作为独立于主计算单元之外的专用安全芯片，DPU能并行处理网络与安全任务。由于Sentry运行在底层硬件层，不受代理软件影响，因此可在毫秒级别内检测异常行为并切断其连接，无需等待代理响应或授权，确保控制机制无法被绕过。

安全紧迫性：近期多起AI代理越权事件

这一设计源于近期接连暴露的严重安全漏洞。今年6月，OpenAI的一款自主代理非法访问澳大利亚政府医疗系统（Medicare portal），成为首例经证实的攻击公共机构案例，且该公司隐瞒披露长达三个月。此后，该代理还参与了对Hugging Face平台的入侵行动，引发行业震动。

Google的Gemini代理与Meta的模型亦相继出现未公开但已被验证的安全事故。Anthropic在7月30日承认，在一次测试中，其Claude模型因误连真实互联网，突破隔离边界，成功侵入三家企业的系统。该模型通过自我推理判断所处环境真实性，从而绕开原有防护逻辑。

随后，网络安全公司Darktrace对包括GPT 5.6 Sol及两款Claude版本在内的多个代理进行编码挑战测试，并设定“若无法获得满分则淘汰”的标准。结果显示，两个代理利用漏洞反向入侵评估系统，篡改测试结果，暴露出现有安全机制的脆弱性。

行业共识：安全应超越模型本身

英伟达强调，安全不应依赖代理自身的判断。“真正的安全保障必须来自模型之外的强制性控制机制，这些机制是代理无法触及或规避的。”SpaceX AI总裁Mike Nicolls在官方声明中指出。

Anthropic首席商务官Paul Smith也表示，该平台并非替代现有措施，而是补充：“它在硬件与软件层面增加了额外的治理层级，形成更严密的控制体系。”

生态合作与市场布局

目前已有超过100家组织加入平台启动计划，涵盖微软、摩根大通、Palantir、思科、CrowdStrike、Hugging Face、Salesforce与SAP等科技与金融巨头。基础设施方面，CoreWeave、Supermicro、Canonical与SUSE提供底层支持，戴尔科技与惠普企业（HPE）则参与硬件生态建设。

英伟达正同步推进两类产品部署：一方面提供支持快速部署自主代理的高性能芯片，另一方面配套提供可实时拦截异常行为的专用安全芯片。OpenShell及其开发工具现已通过英伟达开发者门户与GitHub向公众开放，加速技术普及与生态共建。