No.0379

Science Partner

Bring you to the side of

导 读

9月14日，美国科技媒体The Information报道称，英伟达、Palantir和Booz Allen Hamilton等企业正在限制或重新审视内部使用Anthropic人工智能模型。据路透社转引，Palantir要求Anthropic在其模型进入Palantir软件平台前，提供“不可撤销的零数据留存保证”；英伟达将Anthropic模型限制在敏感度较低的任务中，一些内部工作更多使用自家的Nemotron模型；Booz Allen则禁止员工使用Anthropic商业模型处理专有网络安全工作。截至报道发布时，相关企业均未立即回应路透社置评请求。

即便从表面看，这也不像是一场单纯围绕商业秘密和数据留存的争议。就在4天前，英伟达和Palantir刚刚宣布，将Palantir的“主权AI”架构与英伟达Nemotron开放模型用于英伟达自身的供应链管理，并明确提出，要让企业在使用AI的同时“保留对专有数据的控制和所有权”。再往前两天，Palantir与云服务商Nebius宣布合作，将算力和推理端点置于Palantir设置的边界之内，让客户控制自己的“算力、数据和模型”。

也就是说企业AI的重心，正在从单纯比较“谁的模型更强”，转向数据、权限、Agent、模型和业务流程如何组成一套可以持续运行、切换和治理的系统。

走，跟伙伴君来！

今日主笔｜晶恒

当“英伟达们”开始限制Claude

/ 01 / 三家公司为什么值得注意

英伟达、Palantir和Booz Allen并不是三个随机出现的企业客户。

英伟达既是全球AI算力基础设施的主要供应商，也在持续推出Nemotron开放模型以及用于Agent运行和安全控制的软件。Palantir从美国情报和国防业务起家，其人工智能平台AIP本身就是为高敏感数据环境设计。公司向美国证券交易委员会提交的年报显示，AIP能够统一接入开源、自托管以及商业大模型，同时对模型使用实施细粒度权限、安全审计和人工检查。Booz Allen相对大家陌生，但敏感程度更高。其2026财年年报显示，公司约98%的收入来自美国政府机构，其中54%来自国防客户，17%来自情报客户。AI和网络安全又是其重点技术业务。

当这类企业开始对外部前沿模型的数据处理方式提出更严格要求，反映的不是普通员工使用聊天机器人时的隐私焦虑，而是一个生产环境中的现实选择：企业愿意让外部模型进入多深？

这一矛盾在今年6月已经开始变得突出。

6月9日，Anthropic发布Claude Fable 5和Mythos 5，并针对这一级别的高能力模型引入30天数据留存政策。Anthropic解释，一些越狱、网络攻击以及其他滥用可能跨越大量请求、账号和时间，仅逐次检查随后立即删除数据，很难发现这类行为，因此需要保留一定时期的数据进行安全分析。Anthropic还明确表示，商业客户数据默认不会用于训练Claude，30天留存也不是为了训练新模型。

对于高度敏感企业而言，“不用于训练”与“数据不离开企业控制范围”是两回事。Palantir就明确要求“不可撤销零数据留存保证”。其关注点并不只是模型是否会利用这些数据继续训练，而是敏感信息一旦进入外部系统，便涉及数据留存、访问权限、安全审计和责任边界等一系列问题。对这类企业来说，能否始终掌握数据流向和处置权限，往往比模型供应商作出的“不用于训练”承诺更重要。

/ 02 / Agent改变了数据风险的边界

如果生成式AI仍然停留在聊天机器人阶段，这种矛盾还比较容易管理。员工输入一段文字，让模型润色；复制几十行代码，请模型寻找Bug。企业可以通过禁止输入敏感信息、设置账号权限等方式划定边界。

Agent开始改变这种使用方式。

一个编程Agent为了完成任务，可能需要读取整个代码仓库、查询配置文件、调用Git、执行测试和访问开发环境。企业Agent还可能进一步连接数据库、CRM、内部知识库、邮箱以及各种API。那么，AI看到的就不再是一个孤立的prompt，而可能是一段连续的企业业务过程。美国国家标准与技术研究院（NIST）今年5月汇总AI Agent安全意见时指出，受访机构普遍认为Agent带来了新的安全威胁，并且这些安全问题已经成为企业采用Agent的障碍。

NIST今年另一项专门研究则将“Agent身份与授权”列为重点：Agent只有获得数据集、工具和应用访问权限才能发挥作用，而这种访问本身需要新的身份确认和授权机制。Palantir自己的技术文档把这种差别写得十分具体。在Palantir平台内部使用其模型上下文协议（MCP）时，数据可以留在Foundry环境中。如果在本地使用Claude Code连接Palantir MCP，相关工具输出则会发送给Anthropic，数据治理规则取决于客户与Anthropic之间的合同。因此，Agent时代企业需要回答的问题已经有所变化。

过去首先担心的是：模型会不会拿我的数据训练？现在还需要回答：Agent为了完成工作，需要访问哪些内部资源？这些数据经过哪里？谁能够留存？谁能调用？Agent下一步又有权做什么？AI现在既然已经从“回答问题”进入“执行工作”，那数据边界和权力边界随之也就成为了同一个问题。

/ 03 / 企业开始把模型装进自己的架构

企业的应对已经不只是制定员工使用规范。9月10日，英伟达和Palantir宣布的供应链AI合作提供了一个有代表性的样本。两家公司把英伟达Nemotron开放模型接入Palantir Foundry和AIP，并用Palantir Ontology连接企业自己的供应链数据。英伟达称，这套体系首先用于自己的供应链，之后将向制造、能源、汽车、航空航天等行业推广。可以公开看到的公告反复强调，企业在训练和部署模型时仍然保留对模型、数据以及部署环境的控制。

Palantir此前与Nebius也有合作，双方提出将云端算力和推理端点纳入Palantir企业边界，使企业能够控制计算资源、数据和模型，同时企业还可以利用自身业务数据对开放模型进行后训练和持续优化。

英伟达将其OpenShell定义为面向自主Agent的安全、私有运行环境，通过沙箱和策略机制限制Agent能够访问哪些文件、网络和凭证，并统一管理推理流量。模型请求可以由OpenShell网关转向云端模型，也可以指向本地或自托管的推理服务。NemoClaw则进一步把模型、Agent harness和OpenShell运行时组合成一套开放蓝图。英伟达称，其目标是让企业能够自行“拥有、控制和治理”自主Agent系统。

这些产品看似分散，方向却比较一致：企业不再围绕某一个大模型建设全部AI能力，而是把模型放进自己的数据、权限和工作流架构中。Claude可以进来，Nemotron也可以进来，在需要时，还可以接入其他商业模型或本地模型。丰富度没变，但模型的基础地位已经开始发生变化。

/ 04 / 模型开始可以“换”

这种变化并不限于英伟达和Palantir。亚马逊云科技在Amazon Bedrock中把“模型选择”直接作为企业能力推广。目前企业可以接入来自不同供应商的大量基础模型。AWS明确提出，开发者可以将模型“换进换出，而无需重写代码”。其Prompt Routing又进一步根据任务预测模型表现，在不同模型之间动态选择，在质量和成本之间进行平衡。

行业侧也出现类似信号。

美国AI垂直媒体VentureBeat今年8月对107家企业进行的调查显示，一家企业平均同时使用三个Agent编排平台，53%的受访企业预计最终采用“混合控制层”，即同时使用模型厂商原生能力和外部编排系统。若把混合、自建以及独立第三方编排计算在内，78%的受访企业希望至少有一部分控制权留在模型提供商之外。

这组调查规模有限，不能代表整个市场，却说明一种企业架构思路已经出现，企业开始按照任务选择模型：复杂推理使用能力更强的模型；常规任务调用成本较低的小模型；普通业务可以调用商业API，敏感业务则使用本地或自托管模型。模型性能、价格或者合规条件发生变化时，可以随时更换供应商。

这当然不意味着模型正在变得不重要。恰恰因为不同模型都有价值：把模型连接、调度和替换起来的能力开始拥有独立价值。

/ 05 / 模型公司开始反过来适应企业

模型企业也在调整。

8月19日，OpenAI宣布进一步向符合条件的API客户提供零数据留存（Zero Data Retention）：请求处理完毕后，不保留客户提示词和模型响应，OpenAI人员无法访问这些客户内容，企业数据默认也不用于训练。与此同时，OpenAI正在开发“Private Safety Processing”，希望在不接触客户原始内容的前提下，识别跨多次交互出现的高风险行为。其方案明确提出，采用ZDR时，客户内容仍然保留在客户控制的基础设施中。

9月1日，Anthropic推出Enterprise Frontier Safeguards（EFS），其称，此前与100多家金融、医疗、制造、电信、法律、零售和公共部门企业沟通后发现，很多客户认可安全监控的必要性，但尤其是受监管行业，很难接受前沿模型的数据留存要求。EFS因此把需要分析的数据保存在客户自己控制的云基础设施中，而不是Anthropic基础设施里，需要人工审查时，原则上也由客户一方处理。

看仔细：

6月9日，Anthropic针对高能力模型引入30天留存；

8月19日，OpenAI进一步扩大零数据留存；

9月1日，Anthropic推出客户控制数据的EFS；

9月8日，Palantir与Nebius宣布建设企业自主控制的“主权AI”基础设施；

9月10日，英伟达与Palantir把这一体系部署到英伟达自己的供应链；

9月14日，媒体曝出英伟达、Palantir、Booz Allen限制或重新审视Claude的使用。

这条时间线显示，企业与模型公司的关系正在调整：过去企业首先考虑怎样适应大模型厂商提供的产品和接口；现在，越来越多前沿模型必须进入企业已有的数据、安全和权限边界。

/ 06 / 企业AI的竞争单位变了

过去几年，判断AI竞争格局最常见的问题是：谁拥有最强的大模型？这个问题当然不会消失，模型的基础能力仍然决定AI系统能力的上限。

但模型真正进入企业生产环境以后，单独比较一个模型已经越来越难解释企业最终获得的AI能力。企业需要知道哪些数据可以进入模型？哪个员工和Agent拥有怎样的权限？需要决定不同任务使用哪一种模型？需要记录Agent执行过什么操作，出现错误后如何回溯。还特别需要保证更换模型或者云服务商以后，原有业务流程不会一起推倒重来。

可以说企业AI的基本竞争单位由此开始变化：从一个模型，走向由模型、数据、Agent、权限和运行环境共同组成的系统。

美国政策界围绕“AI主权”的研究也出现了类似思路。布鲁金斯学会今年2月提出，完全自给自足的AI体系对绝大多数国家都不现实，更可行的方式是通过供应商多样化以及互操作性、可迁移性降低单一依赖。其讨论对象主要是国家AI战略，但其中有关“保持选择权”的逻辑，同样适用于企业AI。

这对我国发展企业AI也有一定启示。

当前国内AI竞争的注意力较多集中于基础模型性能、训练算力、芯片和参数规模。这些仍是底层能力。但随着Agent进入企业生产环境，另一套基础设施愈发重要：建立统一的企业级模型接入和路由能力，使不同模型能够按业务要求调用；完善Agent身份认证和最小权限体系，明确机器主体能够接触哪些数据和工具；发展数据隔离、本地推理以及零数据留存等能力；提高不同模型、Agent框架和企业软件之间的互操作性和可迁移性，避免关键业务与单一模型深度绑定。

NIST今年启动“AI Agent标准倡议”，重点内容之一就是推动Agent系统在安全性之外实现互操作，其身份与授权研究也把Agent权限控制单列出来。这说明，当AI进入企业核心业务后，标准竞争已经开始从模型本身向Agent运行、身份、权限和系统接口延伸。

英伟达们限制Claude，因此并不能简单理解为Claude失去了几个大客户内部场景。从另一个角度看，恰恰是因为Claude这样的前沿模型已经足够强，开始真正进入代码、数据和业务流程，企业才不得不重新讨论它应该被放在哪里。

模型仍会越来越强，但企业真正需要掌握的，已经不只是某一个模型账号，而是一套能够持续吸收不同模型能力、同时把数据、权限和业务规则留在自己手里的AI系统。当英伟达这样的AI基础设施巨头也开始限制Claude时，真正发生变化的，或许不是哪一个模型失去了几个使用场景，而是大模型在企业AI中的位置，正在被重新定义。

我是晶恒，咱们下期见～

本文仅作科普分享使用，欢迎小伙伴们点、收藏、关注，以备不时之需，当然更欢迎您把 介绍给周边可能需要的更多伙伴们呀。