当AI智能体开始"自取数据"：北电数智用可信数据空间给Agent划定行为边界

想象一下这样的场景：医院里的 AI 智能体 (Agent) 为了完成一次诊断辅助，自己发起了一连串跨库查询——调病历、查检验、比对影像，其中不少访问是开发者事先根本没有预设过的。问题来了：传统那套"提前定规则、守闸口查权限"的数据安全体系，还管得住一个会自主探索的 Agent 吗？

这正是北电数智在 2026 中国国际大数据产业博览会"AI+可信数据空间建设"专题活动上，试图回答的问题。该公司首次正式发布国内首个面向 Agent 全场景适配的可信数据空间技术体系，依托"红湖可信数据空间"，要给狂奔的 Agent 划定清晰的行为边界。

静态管控正在失守：Agent取数的行业共性痛点

过去，企业数据安全管理大多是一套静态逻辑：以人或组织为核心，提前定好规则，守住闸口查权限。这套体系在"人操作数据"的时代行之有效，但在 AI Agent 快速普及后，开始力不从心。

症结在于访问模式的根本变化。制造、医疗、金融等重点行业的 Agent，每天会自主发起大量非预设的跨库探索访问，请求高频、路径灵活。传统静态防护体系完全跟不上这种节奏——不少企业为了保障业务连续运行，被迫临时放宽数据访问权限，结果是"管控规则悬空、安全底线松动"，成为全行业亟待破解的共性痛点。

体系拆解：红湖的两大核心与三大能力

北电数智 AI 可信负责人邵兵提出的解法，是把"静态文本合约"升级为可执行、可强制、可治理的"智能数字合约"，将安全管控前置到数据访问的全流程，而不是只做事后日志审计。这套体系的骨架，可以拆成两大核心能力与三大治理闭环。

两大核心能力：

• 使用意图控制：对 Agent 每一次 MCP（模型上下文协议）取数行为实时研判，把数据访问权限与实时使用意图精准比对
• 智能数字合约：快速识别越权访问、违规取数等风险行为，从源头规避数据泄露与滥用

三大治理闭环：

• 上下文意图感知：结合访问主体身份、核心任务、使用意图与数据敏感等级，做全方位实时研判
• 秒级实时拦截：对标自动驾驶 L3—L4 级智能管控，实现亚秒级数据访问管控，主动拦截越权行为
• 人工应急停止：一旦判定访问意图非法、行为违规，可一键切断数据访问链路

另一个务实的细节是"分层适配"——不搞一刀切的高成本防护，而是按数据敏感度分级，优先守住医院核心患者隐私、制造核心工艺参数等高敏感数据，再向普通流通数据延伸，从而大幅降低企业的部署与运营成本。

落地验证：从中日友好医院到国家数据局示范场景

体系是否只是纸面规则，要看落地。目前这套技术体系已在多家三甲医院、头部制造企业完成落地验证——即便 Agent 自主发起跨表交叉验证类的探索访问，系统也能毫秒级完成合规校验，在不中断业务的前提下严守数字合约边界。

在医疗领域，北电数智与中日友好医院合作的相关项目，已成功入选国家数据局第五批数据要素试点示范场景。对一个主打"数据可用不可见、可用可计量"的体系而言，三甲医院这种数据高度敏感的场景，恰恰是最有说服力的试金石。

格局判断：可信数据空间是基建，更是AI产业化的全栈底座

把这件事放到更大的坐标系里看，它的意义超出了"数据安全工具"本身。

当 AI 从"人调模型"演进为"模型自主调数据"，数据要素流通的安全逻辑就必须从"守闸口"重写为"伴生式治理"——管控不再是拦在 Agent 前面的一堵墙，而是嵌进每一次取数行为里的一条轨道。北电数智把可信数据空间定位在 AI Infra 全栈架构的关键层级，向下适配国产异构算力，向上承接推理模型与智能体平台，这个判断是清醒的：在 Agent 时代，谁能为数据划定"可信生长"的边界，谁就为 AI 的大规模产业化筑牢了底座。数据安全，正在从成本中心变成 AI 落地的前提条件。

原文链接：数字经济观察网（科技日报报道）

---

千方医数集编辑部 出品