AI 软件资产管理
AIAM
让 AI 资产 看得见 · 理得清 · 管得住
面向企业 AI 时代的资产治理 — 纳管模型、Agent、Workflow、Token 与 GPU 消费，融合 FinOps for AI 与 Shadow AI 治理能力，与 ITAM/SAM 互补。
Token 消费
8.4M
Agent 运行
2,156
Shadow AI
7
模型 Token 分布
Workflow Trace
- Step 1 · Plan
- Tool · Retrieval
- Model · GPT-4o
- Step 2 · Synthesize
AI 时代的四大资产治理难题
Shadow AI 蔓延
员工自行使用各类 AI 工具，无登记、无审计、无管控，潜在数据泄露和合规风险。
Token 成本失控
API 调用、模型订阅、GPU 时长缺乏统一计量，月度账单虚高且无法归因到具体业务。
AI 资产盘点缺失
模型、Agent、Workflow、API Key、Prompt 库等多形态 AI 资产，传统 ITAM 无法覆盖。
合规治理空白
ISO/IEC 42001、GB/T 41867 等 AI 治理标准落地难，无技术抓手与可审计证据。
AIAM vs ITAM / SAM / FinOps
AIAM 不是替代，是补全 — 与现有 IT 资产管理体系互补，专治传统工具盘不清、管不住的 AI 资产。
| 维度 | ITAM | SAM | FinOps | AIAM |
|---|---|---|---|---|
| 管理对象 | 硬件、软件、座席 | 软件许可证、订阅 | 云算力 (Compute/Storage) | 模型、Agent、Workflow、Token、API Key、GPU |
| 计量单位 | 数量 / Seat | License / 订阅 | 美金 / 资源用量 | Token / Call / Session / Step |
| 归因维度 | 用户 / 部门 | 用户 / 软件 | 项目 / 标签 | Agent / Workflow / Tool / Run |
| 治理重点 | 盘点 / 报废 | 合规 / 优化 | 成本可视 | Shadow AI / Kill Switch / Allowlist |
| 对标标准 | ISO/IEC 19770 | ISO/IEC 19770-2 | FinOps Framework | ISO/IEC 22989 / 42001 |
四层 AI 治理架构
自底向上构建 AI-native 资产治理能力：从数据摄入到策略闭环。
L4
Layer
Governance & Control
治理与控制层
Kill Switch、Allowlist、Context 控制、AI 审计证据链；对标 CAICT、ISO/IEC 42001
L3
Layer
Cost Semantics Layer
成本语义层
Token / API / Workflow 归因；Run · Step · Tool · Model 多维成本切分；Phase 2 Telemetry Span/Trace 接入
L2
Layer
AI Asset Registry
AI 资产清单
AI-native ITAM — 模型、Agent、Workflow、API Key、Prompt 库、知识库的统一资产目录与生命周期
L1
Layer
Data Ingestion
数据摄入
OCR / CSV 导入、API 对接、Workflow Trace（LangSmith / LangFuse / 自研 SDK）、ITAM / CMDB 同步
五步治理闭环
从「发现」到「策略反馈」 — 端到端的 AI 资产治理流水线。
01
Discovery & Registration
发现与注册
通过 OCR、API Key 扫描、网络流量识别等多渠道发现企业内 AI 资产；自动注册到统一资产清单，识别 Shadow AI。
02
Normalisation & Attribution
归一与归因
将不同模型、Agent、Workflow 的指标归一化；按 Owner / 部门 / 项目维度进行成本与使用归因。
03
Analytics & Alerting
分析与告警
Token 消耗趋势、Workflow 性能、模型成本对比；异常使用、突增成本、风险事件触发告警。
04
Governance Actions
治理动作
Allowlist / Denylist 管控、Kill Switch 紧急停用、配额限制、Context 注入 — 让治理可执行。
05
Policy Feedback
策略反馈
治理结果回流到资产清单与策略库；闭环优化，沉淀企业级 AI 治理最佳实践。
分阶段落地路线
看得见 → 理得清 → 管得住，从盘点到治理逐步演进。
Phase 0–1
看得见Visibility
盘清 AI 资产家底，发现 Shadow AI
- OCR / CSV / API 多源数据摄入
- AI 资产清单建立
- Shadow AI 主动发现
- 基础指标看板
Phase 2
理得清Attribution
Token 成本归因到 Workflow / Agent 颗粒
- Workflow Trace 接入
- Telemetry Span / Trace / Step
- Token / Call 成本归因
- FinOps for AI 报表
Phase 3
管得住Governance
策略可执行，治理可审计
- Kill Switch / 紧急停用
- Allowlist / 配额管控
- AI 审计证据链
- 策略闭环反馈
对标主流
ISO / GB/T 标准
AIAM 系统的资产建模、生命周期管理、治理动作均参照国际与国家级 AI 与资产管理标准。
ISO/IEC 22989
AI 概念与术语
ISO/IEC 42001
AI 管理体系
ISO/IEC 5338
AI 系统生命周期
ISO/IEC 19770
IT 资产管理（AIAM 基线）
ISO 55000
资产管理总则
GB/T 41867
AI 术语国标
GB/T 33172
资产管理国标
GB/T 45288
AI 系统测评