机构真正掌控的核心是什么？
即便机构在本地基础设施上运行模型，且数据始终驻留在私有飞地之内，如果智能体循环依然拥有任意调用生产接口、自我赋予权限的能力，那么系统的关键状态依然处于失控风险之中。拥有物理资源并不等同于掌控状态变更的决策权。因此，我们必须明确区分“资源主权”与“主权执行”。
主权的四个核心维度
- 主权算力 (Sovereign Compute)： 机构自主掌控并调度工作负载运行的基础设施环境。
- 主权数据 (Sovereign Data)： 机构对数据存储、访问权限流转及驻留边界的绝对所有权。
- 主权模型 (Sovereign Models)： 机构根据国家与企业规范自主训练、微调或部署模型的能力。
- 主权执行 (Sovereign Execution)： 机构在自身所控的控制边界上制定策略，并牢牢保留最终操作执行权的机制。
前三个维度奠定了运营独立性的基础；而第四个维度直面核心命题：谁能够将模型的概率性输出转化为对现实世界资产与核心业务系统的确定性影响？
独立的行动决策边界
智能体的每一次输出都应被视为待审查的“候选提议”，而非直接执行的指令。智能体控制平面 (Agentic Control Plane — ACP) 独立检验意图、请求方身份、合规策略、前提证据以及实时系统状态。唯有全部条件满足，才会颁发窄范围执行授权。即使未来切换底层大模型或外包模型推理服务，整套执行控制层依然完备稳固。
运行主权或受监管基础设施的机构，需要高度可解释且可审计的策略裁决机制。因此，每一次授权都必须精确绑定到单一操作，记录真实执行结果，并为运维与合规团队留存完备的证据链。控制平面应能够完全部署在机构自选的安全环境中，深度契合本地网络拓扑、身份基础设施与安全合规准则。
落地评估路径
建议首先梳理所有具有状态变更风险、数据外溢风险或法律合规约束的关键操作；明确每类操作的策略所有者、前置证据准入条件与强校验节点。检验在证据缺失、资源竞争及越权尝试下的防御表现。真正的 AI 主权，应当体现在每一个原子级行动的控制力上。
探索 智能体控制平面架构，或参阅 从主权算力走向主权执行的深度研究论文 (英文)。