安全与治理
围绕安全与治理的文章，关注 AI-native 企业软件、受控数据、应用搭建和 Agent 工作流的实践。
-
已发布Power Platform 锁定：Dataverse、Azure 与自托管取舍
Power Platform 的优势是真实的：身份、Teams、Dynamics 和账单都在同一个租户里。但若你关心主权、规模化成本或 AI 改动审查，Dataverse 和 Azure 运行时就是必须提前算清的边界。
安全与治理 IT / CIO Power PlatformPower AppsDataverse自托管数据主权 -
已发布Lovable 上生产安全吗：访问控制审查问题
Lovable 很适合快速原型，但生产系统的问题不是能不能跑，而是谁能审查访问控制。RLS、前端过滤和安全扫描都重要；真正的边界必须在服务端可见、可强制、可签字。
安全与治理 开发者 LovableVibe Coding安全访问控制AI-Native -
已发布开放与封闭企业本体：谁拥有业务语义层
企业 AI 需要机器可读的业务定义层。但如果“客户、订单、设备”的定义分别锁在不同平台里，agent 看到的就不是同一家公司。语义层应当归企业自己，而不是归某个套件。
安全与治理 业务决策者 企业本体语义层Palantir微软 Fabric开放协议趋势观点 -
已发布EU AI Act 审计准备：你的 AI 运行时能交出证据吗
AI Act 的多数规则按官方时间线将在 2026 年 8 月 2 日适用。审计真正要看的不是模型多强，而是运行时能否交出谁授权、动了什么、证据在哪。
安全与治理 IT / CIO EU AI ActCADA合规数据主权自托管AI 治理 -
已发布AI Agent 定价：按动作计费与自托管运行时成本
按动作或按 token 计费看起来灵活，但 agent 越自主，中间工具调用越多。真正的成本账要同时看用量曲线、数据出域、平台锁定，以及什么时候自托管才划算。
安全与治理 业务决策者 成本ROI按动作计费自托管Agentforce趋势观点 -
已发布企业 AI Ontology：为什么业务语义层应该是开放协议
AI 进入企业需要受治理的业务语义层，这个判断已经越来越清楚。真正要重新思考的是形态：业务定义应当开放、可审查、可迁移；运行时可以收费并承担执行责任。
安全与治理 业务决策者 OntologyPalantirAI 治理开放协议趋势观点 -
已发布AI Agent 权限边界：数据和动作如何受运行时约束
企业 AI agent 可以查数据、发起动作，但必须继承用户权限，遵守记录范围、字段级安全、动作确认和审计要求，不能成为系统后门。
安全与治理 业务决策者 ObjectOSAI Agent权限治理企业安全 -
已发布自托管 AI 应用平台：为什么运行时属于你
当 AI 开始读取业务数据、触发流程、生成应用和调用工具，企业真正要控制的不只是模型，而是承载对象、权限、工具、审批和审计的运行时。
安全与治理 IT / CIO 自托管私有化部署数据安全AI治理 -
已发布AI Agent 数据安全边界：如何在企业权限内工作
企业不是不想让 AI agent 使用业务数据，而是不允许它绕过身份、权限、审批和审计。真正可上线的 agent，必须像一个受控用户，而不是影子管理员。
安全与治理 IT / CIO AI Agent权限治理数据安全审计