近日，工业和信息化部办公厅发布《关于开展人工智能应用服务商培育专项行动的通知》(工信厅科函〔2026〕414号)，明确提出要“探索通过首购首用、风险补偿等模式，加大大模型、智能体、Token等服务采购力度，提升行业用模用智质效”。这一表述意义非凡，是官方文件首次将“Token”与大模型、智能体并列，标志着AI算力消耗已从技术底层概念，正式跃升为可被采购、管理和审计的核心生产要素。
然而，在政策鼓励大规模应用的同时，一个不容忽视的现实是：AI应用在为企业带来效率革命的同时，也正将许多企业拖入成本失控与安全失守的双重困境。建立统一的AI流量治理与管控体系，已成为所有拥抱AI的企业无法回避的必修课。为此，奇安信推出了AI安全网关等系列AI防护方案，让帮助企业解决AI使用中的安全、成本和治理失控等难题，目前产品已在集团内部和部分典型客户获得成功部署和应用。
现实困境：成本黑洞叠加安全裸奔，AI失控成企业之痛
本次工信部的专项行动通知多次强调了安全与治理重要性，明确提出要“引导服务商将网络安全、数据安全、伦理治理、业务合规等管理要求内嵌到研发、部署、应用全流程，变被动应对为主动防控”，这对外传递出鲜明信号：未来的AI应用生态，将是技术创新与安全合规并重的生态。换句话说，AI的规模化应用，必须建立在安全、可控、合规的基础之上，并将治理内嵌于AI应用全流程。
这一政策导向，源于对现实问题的深刻洞察。当前，企业AI应用在缺乏有效管控的情况下，正暴露出两大致命问题：成本失控与安全失守。
首先是成本失控，从“生产力”到“吞金兽”。
AI很贵，而且越来越贵，已经成为很多企业的切身感受。当员工和智能体(Agent)可以轻易地通过个人账号、自购API Key等方式直连大模型时，企业的AI投入就变成了一笔笔难以追溯的“糊涂账”。具体表现在几个方面：
用量无人看，预算月月超：国外科技巨头已频频“踩雷”。Uber在短短4个月内就耗尽了全年的AI工具预算；Meta曾一度将Token消耗量与员工绩效挂钩，导致内部出现“刷量”竞赛，30天内消耗超1亿美元；亚马逊的一个项目因方案失误，直接造成180万美元的预算超支。国内企业同样面临压力，有报道称，某头部在线旅游企业在AI规模化应用后，月度Token消耗暴增30倍，而业务流量增幅远不及此。
无效消耗惊人：在缺乏优化的场景下，重复请求、空转请求、智能体循环调用等问题导致无效Token消耗占比高达30%-50%。例如，米哈游曾自曝，一名工程师在测试时未设置熔断机制，导致数十个智能体陷入循环调用，13小时内烧掉200万元。
模型错配浪费：简单的文本摘要任务调用昂贵的旗舰模型，高频的重复性问题每次都进行全量调用，这些不合理的资源分配方式，让企业为不必要的算力支付了高昂费用。
其次是安全失守，从“智能助手”到“数据泄露通道”。
比成本失控更危险的，是安全防线的洞开。当AI应用绕过企业安全边界，直接与外部模型交互时，数据泄露风险呈指数级上升。
敏感数据外发：员工在不知情的情况下，将内部代码、客户信息、财务报表等敏感数据作为上下文输入给公有大模型，造成事实上的数据泄露。
权限管控缺失：涉密部门与普通部门使用同样的模型与渠道，谁能用什么模型、能用多少，缺乏统一的策略依据，存在巨大安全隐患。
智能体成为攻击跳板：智能体(Agent)在获得执行权限后，一旦被“Prompt注入”攻击，就可能被外部恶意指令劫持，继承用户权限读取知识库、代码库，甚至操作内部系统，将敏感数据带出企业。Gartner预测，到2028年，超过80%的中国企业将出现员工对生成式AI进行无管理使用的情况，这将使AI相关的数据泄露控制成为企业安全负责人的首要任务之一。
破局之道：奇安信AI安全网关，构建企业AI统一控制平面
面对成本与安全的双重挑战，企业急需一个能够“看得见、管得住、审得清”的统一治理平台。奇安信发布的AI安全网关(AI Security Gateway,简称：AISG)，正是为解决这一痛点而生。它定位于“企业AI应用的统一安全管控入口”，作为位于企业应用与AI服务之间的中间层基础设施，为企业AI流量提供一个统一的控制平面，让每一次AI调用都变得成本可控、安全可管、行为可审计。
Gartner在《中国网络安全技术成熟度曲线2026》报告中，已将AI网关定义为用于“管理和保护与AI提供商连接”的安全治理平台。奇安信AI安全网关的核心能力，与《通知》中“内嵌安全到全流程”“变被动应对为主动防控”的要求高度契合：
第一，统一接入，告别“钥匙满天飞”。企业可统一采购和管理所有AI算力资源，员工无需自购Token或管理复杂的API Key。通过AISG签发的虚拟密钥(vKey)，员工即可无缝切换使用多家模型提供商的服务。这直接解决了《通知》所鼓励的“加大Token等服务采购”中密钥分散、难以管控的痛点。
第二，成本治理，让Token花得明明白白、心中有数。AISG支持按部门、员工、应用设置每日/每周Token、请求次数或费用额度，并实现预警、限流和停用。通过智能路由，系统可识别任务复杂度，在质量要求与模型成本之间动态选择更合适的模型。此外，语义缓存功能通过复用已有结果，减少重复调用上游模型。据测算，同等需求下可节省30%以上的模型调用成本——这对于动辄烧掉数亿美元的企业AI预算而言，意义不言而喻。
第三，安全治理，守住数据边界。AISG内置双层检测架构(规则引擎+自研安全小模型)，在数据流出企业边界前进行实时安全检查，精准识别并拦截敏感数据泄露、Prompt注入、越狱攻击等高级威胁--。当外部内容被当作指令输入时，Agent可能借企业权限完成攻击——网关的存在，正是在攻击路径上构筑了一道防线。
第四，可观测性，每个部门、每个人、每个Agent都看得清。AISG提供全链路的请求日志与追踪能力，可按供应商、模型、用户、部门与vKey进行多维度统计和排名。这意味着企业可以清晰回答：谁在调用AI？调用了什么模型？花了多少钱？数据去了哪里？——这正是《通知》所要求的“变被动应对为主动防控”的数据基础。
第五，零业务代码改动，分钟级接入。AISG兼容OpenAI、Anthropic等主流SDK协议与MCP，现有IDE、Agent框架、业务应用均可直接接入，迁移成本极低。
截止目前，奇安信集团内部所有大模型的流量，已经完全接入了AI安全网关，做模型资源的统一管控。AI安全网关将包含外部和内部的数十个模型资源，分配给数千名员工统一使用，通过统一管控，实现资源配比最优，在成本可控、安全可管的前提下，最大程度释放tokens的生产力,每天平均处理LLM调用达百万次，Tokens转发达千亿级。
结束语：
从工信部的政策导向到企业的现实痛点，再到奇安信AI安全网关的解决方案，一条清晰的路径已经显现：AI的规模化应用时代，统一治理与管控不再是“可选项”，而是关乎企业成本效益与核心安全的“必修课”。只有建立起“可管、可控、可审计”的AI使用秩序，企业才能真正将Token从“成本黑洞”转变为驱动业务增长的“生产力引擎”，在AI浪潮中行稳致远。
融胜配资提示：文章来自网络，不代表本站观点。
