为什么创立 OpenKedge？
Jun (Joel) He 的研究与实践始于一个极其严峻的现实问题：当 AI 系统从“生成回答”跨越到“直接变更真实生产基础设施状态”时，会发生什么？模型可以生成详尽的计划或解析复杂的环境上下文，但提议本身的合理性绝不能自动等同于执行权限。机构必须拥有独立的策略边界、与行动潜在影响相匹配的证据验证机制、受控的限时执行凭据，以及一条能追溯因果全貌的证据链。
“可借助外部智能；执行权归属企业本身。” 这是 OpenKedge 的立足之本。通过解耦生成推理与权威执行，机构既能从容接入前沿通用模型与领域专家模型，又能确保一切系统状态的变更始终受控于自身的基础设施。
深厚的超大规模分布式系统工程底座
He 拥有普林斯顿大学 (Princeton University) 分布式网络与优化理论博士学位，曾任职于亚马逊云科技 (Amazon Web Services, AWS)，负责全球核心云基础设施控制平面架构设计，带领逾 200 名资深工程师攻坚全球级控制平面系统的研发与运维。这一严谨的数学理论素养与全球顶级高并发、高可用工程实践的融合，深刻塑造了 OpenKedge 的架构底层逻辑。
在分布式系统中，仅关注某个瞬间“决策看起来是否正确”是远远不够的。必须时刻明确：操作请求者究竟是谁？执行瞬间资源的真实状态如何？在检查条件到实际执行之间是否发生了并发偏离？执行结果是否具备可复现的验证依据？当自主智能体介入并频繁触发系统变更时，这些问题变得尤为致命。
衔接工程实践的系统级前沿研究
He 发表了逾 20 篇高水平同行评议学术论文。其在分布式系统与控制平面领域的深厚积淀，构成了 OpenKedge 关于候选行动、认知身份、证据核验与策略控制的研究根基。这些研究绝非为了取代既有的访问控制基础设施，而是系统性地确立了：一个由概率性模型生成的提议，在何种严苛条件下才被允许转化为确定性的受控操作。
这一技术路线从分布式系统共识与协调难题出发，深入至智能体认知身份的连续性保障，进而演化出认知准入控制 (Cognitive Admission Control — CAC) 与智能体控制平面 (Agentic Control Plane — ACP / KedgeFlow)。相关成果均可在 OpenKedge 英文研究索引 中公开查验。
从传统分布式系统走向自治智能体基础设施
传统分布式系统围绕具有确定性行为与明确契约的组件进行设计。而现代自主智能体往往依赖概率性大模型、易变上下文、不透明记忆以及动态工具链路，并主动申请对系统造成实质影响的写操作。核心研究命题随之转变为：在操作提议源自具备高度自主性且依赖语义上下文的组件时，我们该如何守住分布式系统的安全防线与状态一致性？
- 后确定性分布式系统 (Post-Deterministic Distributed Systems — PDDS)： 探索当概率性或语义不确定的组件介入决策路径时，如何建立可严格验证的策略协调机制与系统边界。
- 持久认知身份 (Persistent Cognitive Identity — PCI)： 攻克在底层模型更迭、环境迁移与长期演化过程中，智能体身份、因果记忆归属与授权边界的连续性难题。
- 智能体控制平面 (Agentic Control Plane — ACP / KedgeFlow)： 在物理与逻辑架构上切分提议生成、证据裁决、细粒度授权发放与底层数据平面执行。
这些研究方向共同指向一个核心理念：系统的语义理解或任务规划能力，绝不应成为未经检验便变更受保护状态的直通路径。因此，OpenKedge 始终专注于控制边界与独立验证体系的构建，而非绑定于特定大模型。
主权执行的架构本质
拥有算力、数据和模型所有权，如果执行决策仍与不受控的第三方模型或外部 Agent Runtime 强耦合，真正的控制权便无从谈起。从系统工程角度看，主权执行意味着机构在本地定义策略、独立复核证据、精准控制状态突变点，并留存完备的审计凭据。
探索 主权执行 深入理解资源主权与执行控制权的核心差异。