SAP为自主AI划界及影响

SAP为自主AI划界及影响

2026年4月末,SAP悄然发布了其API政策4/2026版本(Section 2.2.2),这被视为今年最具影响力的企业AI治理文件。该条款明确禁止通过非SAP认可的架构使用API与半自主或生成式AI系统进行交互,尤其针对能够自主规划、选择和执行API调用序列的“附加AI”。此举不仅重塑了企业AI代理的架构边界,更在客户社区引发关于锁定、合规与开放性的激烈讨论。本文深度剖析政策细则、五大解读、与微软/赛富时等竞品的对比,以及客户和合作伙伴必须立即采取的行动。

Section 2.2.2 真实含义:禁止计划、选择或执行API调用序列的AI

条款直白禁止通过SAP认可的架构、数据服务或特定服务路径之外的任何方式,将API用于与半自主或生成式AI系统的交互或集成。同时明确禁止数据抓取、大规模提取。唯有SAP商务加速器中心或产品文档中列出的已发布API方可使用,且必须用于其记录的目的。任何代理性使用都必须经由SAP认可的路径。政策保留限流、暂停甚至终止访问的执行权利,并禁止通过代理、中间服务、自定义代码或模拟身份进行规避。

社区五大解读:从技术封闭到商业锁定的多棱镜

  • 技术封闭:社区维护者Marian Zeis指出,SAP行动缓慢,导致实际项目依赖未记录的API,新政策使这种依赖非法。
  • 商业路径控制:架构师Jorge Ocampos直言,SAP并非反对Claude/GPT,而是控制代理接触SAP数据的路径——必须是BTP、Joule、AI Core等,并消耗AI单元(消费计价模型)。
  • 锁定担忧:德语SAP用户组DSAG公开要求合同明确性、过渡时间表和公平使用阈值,保护现有集成。
  • 区分“附加AI”与“分离AI”:附加AI(attached AI)规划、选择并执行对生产系统的API调用,被政策锁定;分离AI(detached AI)仅辅助理解、生成代码、搜索文档,不触发生成交易,不受影响。这是最核心的概念框架。
  • 程序模糊:政策未列出“SAP认可的架构”具体清单,造成合规迷雾。实践者不知道哪些路径被认可,这恰是合同纠纷的温床。

“附加AI” vs “分离AI”:区分决定合规风险

分离AI(如Copilot辅助ABAP开发)完全安全;附加AI(如LangGraph代理读取S/4HANA采购订单、规划执行发邮件并写入更新)必须通过SAP认可的路径(Joule、MCP网关、BTP、BDC)才能合规。大多数恐慌源于误将分离AI纳入政策范围。

与竞品对比:SAP的独立路径选择vs微软的网关、赛富时的结果管控

  • 微软:通过Azure AI Gateway、Agent 365、Agents SDK框架无关地管控身份、可观测性和令牌速率,明确支持OpenAI、Anthropic、LangChain等任意框架。
  • 赛富时:通过Einstein信任层和每次对话定价,主要限制自动化决策的法律效果。唯一例外是去年收紧Slack数据条款,限制外部AI工具索引。
  • ServiceNow:在2025年12月版本中增加A2A v0.3互操作性,并内置递归循环保护。
  • Oracle:资源绑定,默认每个租户最多2个代理,工具数上限。
  • HubSpot:按结果付费(每次解决对话约50美分)。
  • Zoho:MCP服务器明确模型无关。

所有对手都选择了不同的控制点,SAP是唯一在此规模下选择架构限制的玩家。微软、ServiceNow和超大规模云商未来两个季度将在CIO对话中积极利用这一差异。

SAP认可路径清单:BTP、Joule、MCP网关、BDC为核心

虽然没有枚举白名单,但SAP架构中心、AI黄金路径和产品文档给出了稳定库存:已发布API(SAP商务加速器中心+产品API)、代理运行时栈(AI Core、GenAI Hub、Joule Studio、SAP Build)、执行边界(MCP网关在集成套件内,强制工具白名单、每个工具授权、人工干预)、集成与事件(集成套件、Event Mesh、IAS App2App令牌)、数据(Business Data Cloud、HDC向量引擎、知识图谱)、互操作性与A2A协议。旧的模式:“代理→调用API→SAP”;新模式:“代理→经过治理的SAP路径→调用已发布API、事件、数据产品→SAP”。更多中介、更多日志、更多SAP架构,几乎必然更多SAP支出。

三种客户情境及其合规行动

  • SAP原生代理(Joule、采购代理、争议解决代理):最低风险,需要运营性工作:跟踪消耗、记录审批、要求SAP提供透明定价。
  • 合作伙伴/ISV构建在SAP技术上:必须证明架构合规——盘点每个API/端点/事件,映射到文档用途,明确分类是否包含附加AI,指明认可路径,定义写操作审批阈值,捕获审计痕迹。灰色设计需书面确认。
  • 基于非SAP技术运行AI代理:最高风险。安全模式是将推理与执行分离:外部代理(Bedrock/Vertex/Copilot Studio/LangGraph)通过BDC、Datasphere或HDC向量引擎接地数据,而执行由SAP控制的服务完成。使用A2A到Joule作为行动,而不是直接API编排。必须使用IAS App2App令牌,不得使用共享账户。实现人工干预门控(财务、HR、采购、供应商主数据、定价、支付、库存、生产)。停止使用未记录API。注意,该政策与SAP数字访问许可关联:每个自动创建的发票文档都需支付数字访问费用。

政策耐久性:精神持久但条文脆弱,预计未来数月内将澄清

反抓取、限流、反规避、使用已发布API完成其目的——这些都是合理的。但原文本中的强架构限制面临真实阻力:企业架构正走向开放多代理网格(基于MCP和A2A),且SAP无法可靠区分代理流量与人类流量。CEO Christian Klein在投资者电话中已软化态度,称政策主要涉及SAP的领域知识而非客户数据。DSAG也正式表达了矛盾。预测未来几个月内,SAP将发布澄清材料(FAQ、v5政策),明确三点:现有合作伙伴方案和客户集成获“祖父条款保护”;定义“SAP认可架构”为维护的版本列表并附弃用时间线;软化为公平使用限流加反规避条款。若不及时澄清,微软、ServiceNow、Salesforce和超大规模云商将利用“开放替代方案”进行竞争伤害。

SAP的边界争夺:下一步必须用价值证明必要性

政策在技术上有道理、商业上自私、战略上脆弱。SAP需要做三件事:公布清晰、维护的认可代理架构白名单;通过A2A、BDC Connect和MCP网关认证非SAP运行时的代理模式,使客户不必将所有代理放入BTP即可合规;使认可路径真正有价值而非只是强制。BDC Connect零拷贝共享(Databricks、Snowflake、Fabric、GCP)是读取侧的良好范例;写入侧,Joule和MCP网关必须成为从任何地方执行SAP交易的最佳方式,不仅是唯一合规方式。SAP已经画了栅栏,现在必须赢得它。接下来的两个政策修订将说明公司是否理解这一点。

Read more

英伟达将AI智能体装进桌面工作站

英伟达将AI智能体装进桌面工作站

Nvidia正在将Agentic AI从云端推向桌面端,为其最强大的工作站DGX Station推出Agent Toolkit软件工具包。这套工具将复杂的AI代理部署简化为“三步、30分钟”的本地化流程,并首次与Omniverse仿真平台深度整合,形成从硬件到软件再到应用层的全栈闭环。在资本市场对AI投资回报越发敏感的当下,此举标志着Nvidia从纯粹的算力供应商向平台生态构建者的战略延伸。 三步部署、30分钟运行Agent,GB300提供算力底座 DGX Station是Nvidia目前最强大的桌面工作站,搭载GB300 Blackwell Ultra GPU,为运行大规模AI模型和复杂代理提供了充足算力。传统上,部署AI代理通常需要数天甚至数周的环境配置、驱动适配和依赖管理。Agent Toolkit则将这一过程压缩至约30分钟,开发者只需三个步骤即可完成软件部署,在本地计算机上直接运行AI代理。这种“开箱即用”的设计显著降低了Agentic AI的入门门槛,让中小开发团队和企业研究人员能够将精力集中在业务逻辑开发上,而非底层基础设施建设。 与Omniverse结合,构建

By Yuchen
Kimi K3发布:2.8万亿参数开源模型冲击市场

Kimi K3发布:2.8万亿参数开源模型冲击市场

月之暗面发布的Kimi K3模型凭借2.8万亿参数规模与开放权重路线,正在动摇全球AI市场估值逻辑。这款开源旗舰模型以接近顶级闭源产品的性能、仅为OpenAI和Anthropic模型一小部分的成本,引发了美股科技板块剧烈震荡——IG市场分析师指出,两家未上市AI公司的合计估值预期因此减少3140亿美元。市场将此次发布称为“DeepSeek时刻”,但真正的赢家或许不是模型开发者,而是存储芯片与AI基础设施层。 开源路线改写竞争逻辑:性能、成本与生态成新战场 Kimi K3推动AI行业从“模型能力竞赛”转向“性能、成本与开放生态”的综合较量。其支持100万Token上下文窗口,可处理超长文档、大型代码库及复杂多轮任务,并采用“高性能+开放权重”策略,让开发者和企业能够低成本进行二次开发。Saxo Markets首席投资策略师Charu Chanana指出:“能力更强、成本更低的开放模型将降低应用开发成本,加速AI在代码开发、客户服务和工业流程中的落地。”这一逻辑直接挑战了美国限制先进芯片出口阻碍他国AI发展的假设,迫使投资者重新评估AI投资回报预期。 存储芯片与AI基础设施:需求

By Bonan
Neo获1亿美元融资,构建AI代理控制层

Neo获1亿美元融资,构建AI代理控制层

企业AI代理的爆发式增长正在催生一个全新的安全赛道。本周一,由前SentinelOne、Wiz和Palo Alto Networks高管联合创立的初创公司Neo宣布获得1亿美元种子轮融资,投资方包括Andreessen Horowitz(a16z)和Bessemer Venture Partners。Neo正在构建一个所谓的“企业代理软件实时控制层”,旨在解决一个日益严峻的问题:AI代理正在以远超安全团队追踪速度的方式,被嵌入到浏览器、开发工具、SaaS平台和传统企业应用中。据Gartner预测,到2026年底,40%的企业应用将具备代理能力,而这一比例在2025年仅为5%。这意味着那些能够推理、行动、调用工具、编排工作流并继承用户权限的软件,正在以安全架构从未设计应对的方式渗透企业环境。 5%到40%:企业应用Agentic能力的爆炸式增长 Gartner的数据揭示了这场变革的规模:2025年仅有5%的企业应用具备代理能力,而到2026年底这一数字将飙升至40%。Neo的核心卖点正是基于这一趋势。其平台为安全运营团队提供覆盖整个组织的AI代理和代理赋能应用的完整清单,评估它们的

By Yuchen
AI Agent攻破Hugging Face被AI捕获

AI Agent攻破Hugging Face被AI捕获

一场前所未有的网络安全战役已然上演:一个自主AI代理成功渗透了机器学习模型平台Hugging Face的生产基础设施,随后被另一套AI防御系统识别并标记。安全专家认为,这是企业安全领域AI对抗AI的首个重大实例。这一突破引发紧迫追问:面对能比人类安全团队更快适应、学习和进化的自主攻击,企业该如何防御? AI代理攻破Hugging Face生产系统:自主攻击首次在真实环境中得手 被称为机器学习版GitHub的Hugging Face,如今成为新型安全威胁的"零号地带"。据ZDNet报道,一个自主AI代理成功侵入了该平台的生产基础设施——而曝光这起攻击的唯一原因,是另一个AI系统捕捉到了异常行为。与需要人类操作员导航系统并做出决策的传统网络攻击不同,AI代理能够自主规划、执行并调整多步骤入侵,全程无需人工指导。更令人警醒的是,人类安全分析师并未发现这次入侵;是AI驱动的防御系统识别了异常行为模式并发出警报。这如同两枚国际象棋引擎在棋盘上对弈,而人类棋手只能旁观。 防御AI需要100%正确,攻击AI只需一次得手:攻防不对称性倒逼安全策略重构 Hugging Face托管着超过50

By Yuchen