التحدي الحقيقي للذكاء الاصطناعي في المؤسسات لم يعد النموذج بل تشغيله

2026年6月企业AI领域的重大转变，并非又一款LLM的登场，而是MLOps作为智能体运营学科的出现，其面临四大关键挑战：业务上下文、治理、可观测性和单次推理成本。谷歌云推出了Gemini Enterprise Agent Platform，用于构建、扩展、治理和优化智能体；而微软在2026年Build大会上强调，瓶颈不在于模型能力，而在于为智能体提供连贯的数据上下文。AWS的Bedrock AgentCore专注于运营层面的利用，利用生产轨迹来改进系统，并突出静默失败的风险。Databricks认为，智能体循环只是可见的1%，其余99%涉及部署、安全、评估和上下文。MLOps技术栈正在演进，涵盖智能体运行时、内存、身份、网关和追踪。谷歌的Agent Identity采用SPIFFE标准进行密码学证明，而AWS的AgentCore Gateway则通过Model Context Protocol集成现有API。可观测性现在包括定性评估，如MLflow 3和AWS的AgentCore Observability所示。基础设施正变得更加平台化，CNCF的Inference Gateway已达到一般可用性。FinOps正在发生变化：Flexera的《2026云现状报告》显示，58%的组织使用公有云GenAI服务，73%采用混合模式，49%使用单位经济学。智能体系统产生的成本远超模型API，包括网关调用、内存和可观测性。在欧洲，6月3日提出了《云与AI发展法案》，而《AI法案》将从2026年8月2日起全面适用。欧洲公司正在分散供应商以降低依赖并解决主权问题。