大模型不是底座，是得管起来的变量

我做电力智能化那几年，变电站里每台设备都要说清来历，每张工作票都要过审批门。可回头看我们搭 AI 系统，默认假设却是：调用的模型永远在、永远对、永远便宜。这周两条新闻把这层默认敲碎了。

AI 供应商的可用性与可信度，正在从「技术选型」变成「治理问题」。你不能把它当一个永远可靠的底座，得当成会波动、会失联、会被冒名的风险面来管。

算力不再是成本项，是受公司治理摆布的战略变量。

NVIDIA 11-12 官宣 CEO 交接，Jensen Huang 辞任，Reuters 和 BBC 同步跟进。这件事和我有什么关系？我既做电力智能化、也在腾讯云轻量服务器上自运维 AI 服务，算力就是底层的底层。它的供给、价格、合规，从来不是纯技术决定，CEO 换帅只是把这点摆上桌面。把依赖写死在调用里，等于把公司的命运交给了别人的董事会。

我二十年架构生涯里最贵的一课，是四个月内交付完原本要十个月的系统，靠的不是加班，是先把边界画清楚再动手。供应商也是一层边界：业务代码只依赖一个统一的推理接口，底层 NVIDIA、国产卡、各家云厂商是可切换的实现，单点失联时路由自动降级到次优档，价格上限和合规边界写进配置而非代码。我给自建 AI 日报流水线定的规矩就是这样：单家模型调用量一旦超阈值，就自动切到次优档，账单不会因为一家涨价而失控。治理层先是张表，再是段逻辑。这套思路和老系统渐进改造是一个道理：不能停机、不能大爆炸重写，所以依赖边界必须提前画死。

模型来源第一次需要「征信」。

百度 11-12 在世界大会推出「词元所」，一个大模型交易所，用模型指纹比对、能力测试做验真，给供应商建信用评级，上线一个月入驻超百个、日均调用 token 超七千亿。我做工业现场系统时有个铁规矩：不明来历的设备不能进变电站。模型也一样，来源不明、质量参差的直接进生产，和不明来历的设备接进电网没区别，而且模型还可能自带后门。治理层的第一行代码，不是接口，是一张供应商清单。

我在变电站巡检系统里，每台摄像头的固件版本都要登记在册，模型要执行的动作比摄像头多得多，来历更该写进台账。具体落地，是在调用链加一道「来源校验」中间件：模型响应带 fingerprint 和版本，调用方先查它是否在白名单、是否过期、是否来自未授权源，再决定用不用，就像工业现场的审批门。把模型来源的「可信度」做成调用前的架构层，类比 API 网关的 SLA 加熔断加降级路由，比在提示词里写请用可靠模型管用得多。模型不是数据，模型会自己执行动作，来历不明的模型进生产，等于把一个没登记身份的人放进操作间。

多云抽象不是为省钱，是为在单点失联时还能站着。 不用等供应商出新政策，这三件事现在就能在你的系统里落地：

第一，给现有 agent 调用列一张「供应商清单」，每个模型或算力来源标上可用性 SLA、价格上限、合规边界、降级替代是谁。这张表就是你的治理层，先有表，再谈信任。

第二，把来源校验做成调用链上的常驻中间件，而不是偶发的人工审查：响应带 fingerprint 和版本，先查白名单、是否过期、是否来自未授权源，再决定是否采纳。

第三，把算力供应商做成「多云多档」抽象：业务只依赖一个统一推理接口，底层 NVIDIA、国产卡、云厂商可切换，一家治理变动时不穿透到你的系统，我自己的站点就是这么扛过几次上游波动的。

今日其他信号：

• 11-12 Google 推 Gemini Decisions API 与首个决策模型 Gemini Decision 1（AA Decision Index 66，领先知识与推理），决策即服务成品类。
• 11-12 United Airlines 正式禁止 AI agent 代客订票，外部服务开始显式 gatekeeper agent 流量。
• 11-12 百度文心 5.5 Flash 预览版发布（280B/14B MoE、1M 上下文，厂商自报 Terminal-Bench/AutomationBench 有竞争力得分，未独立复现）。
• 11-12 Anthropic IPO 正式在 Nasdaq 交易（代码 ANT），闭源 API 可用性变成上市公司财报变量。
• GitHub 推 gh actions-lock，把 action 锁到已验证 commit，防 tag-swapping 供应链攻击。