AI 系统已不再只是生成答案 — — 它们正在执行行动。

如今的智能体（Agent）能够预订行程、撰写研究摘要、编写代码，甚至协调其他智能体或机器人完成多步任务。随着 AI 越来越自主，我们必须从：

“AI 能做什么？”转向“我们如何信任它所做的事情？”

在本系列的第一部分 《Sui Stack 助力 AI 从“强大”走向“可信”》 中，我们探讨了可验证数据如何构建可信 AI 的基础。

本篇作为续篇，将深入阐述如何将同样的原则延伸到控制层，确保每一个模型、智能体与执行行为都能证明它做了什么、为什么这么做。

对于每一个代表用户或组织执行任务的模型、智能体或机器人，都应当具备以下可验证证明：

• 使用了正确且获授权的数据；
• 遵循了已批准的策略与使用者授权；
• 按声明方式运行，未被篡改或插入隐藏步骤。

而这正是 「可验证 AI 控制层（Verifiable AI Control Plane）」 的使命所在。

从合规模型到可验证智能体

由 Walrus、Seal、Nautilus 和 Sui 组成的 Sui AI 技术栈，正是可验证 AI 控制层的基础。它让开发者能够在不重建现有基础设施的前提下，为任何 AI 或智能体工作流加入数据来源、访问策略与可证明执行。

工作方式如下：

• Walrus：锚定数据层
  存储数据集、模型与智能体记忆，并提供可验证的 ID，使每个行为都具备可追踪的数据来源链。
• Seal：定义并强制执行访问策略
  只有在满足「谁请求、用途是什么、可访问多久」等策略条件时，智能体或模型才能解密数据。
• Nautilus：可信机密执行
  从模型推理到机器人任务规划，智能体工作流可在可信执行环境（TEE）中运行，并生成可验证的执行证明。
• Sui：链上协调一切
  将策略、访问事件与执行凭证透明记录在链上，为每一个 AI 行为建立隐私保护且可审计的轨迹。

这些组件共同构成一个覆盖所有 AI 的控制层，使每一次数据访问、模型推理或智能体决策都能够被证明、被授权、可审计。

为什么构建者需要可验证 AI

对于构建智能体框架、编排系统或多智能体环境的开发者而言，信任已从附加功能，变成了设计的必需品。

可验证 AI 控制层赋予开发者：

• 智能体可在 Walrus 上安全读取或修改数据；
• 每次访问都由 Seal 策略控制，并在 Sui 链上验证；
• 多智能体系统中，共享状态或协作仅在权限经加密验证后才会发生；
• 借由 Nautilus 的执行证明，工作流的每一步（从数据获取到计算）都能生成可验证的“数字收据”，证明发生了什么、何时发生。

对于大型模型构建者与 AI 服务提供商而言，这些底层原语直接转化为业务价值：

• 每次模型训练或推理都带有加密来源证明，降低合规风险并减少审核摩擦；
• 模型、适配器或智能体 API 端点可按租户、时间或许可模式安全授权，且访问规则在链上强制执行；
• 对企业用户而言，可验证日志让合规从“防御成本”变成“产品优势” — —
  证明本身就是竞争力。

实践中会是什么样子

可验证 AI 控制层可扩展至各种 AI 与智能体系统。模型构建者可以在 Walrus 上托管加密的模型权重或适配器，通过 Seal 控制访问权限，并使用 Nautilus 为每次推理请求生成可验证证明，从而为授权模型托管构建可信基础。

在多智能体流程中，各智能体可以从 Walrus 获取数据，在设定的策略下解密，并在 Nautilus 的可信环境中协作，使每个输入、输出与中间步骤都可证明。

同样的框架也可扩展至物理世界。

大量机器人（本质上是 AI 智能体的物理形态）可以依据由 Sui 记录的策略执行子任务，每次数据获取、计划更新或操作完成都会生成可审计事件。甚至在网络层级，用于搜索、分析或协商的专用智能体也能在统一的 Seal 策略层下运行，并通过 Sui 安全协调。

在所有这些场景中，可验证 AI 控制层都作为关键的“连接组织”，让复杂的 AI 生态既可证明、又具备策略意识，并保持可信，同时不牺牲速度。

为什么企业需要可验证 AI

对于企业而言，可验证 AI 带来的不是猜测，而是清晰。
它让团队能够确认智能体和模型：

• 只访问了经过批准的数据；
• 遵守了授权、隐私与合规条款；
• 并为每个关键行为（从推理请求到机器人操作）留下可验证记录。

这些保证让智能体 AI 从“有前景的实验”真正成为可规模化、可审计、企业级可部署的系统，并能跨团队、跨地区、跨监管框架安全扩展。

对于全球组织（AI 服务商、企业构建者、合规平台等）而言，可验证 AI 控制层提供了一层可共享的信任基础，与现有基础设施无缝集成，实现默认透明、默认可控。

如何开始使用可验证 AI

引入可验证性并不需要重建系统，可以按以下步骤：

1. 选择一个工作流：如推理 API、智能体管线、多智能体协作任务等。
2. 添加策略与可验证证明：

• 用 Seal 控制数据访问；
• 用 Walrus 赋予数据来源与可追溯性；
• 用 Nautilus 生成机密执行证明。

3. 将证明连接到计费或治理逻辑：让信任直接转化为可见性与营收。

然后你可以水平扩展，将多个智能体、模型或数据集在团队或设备间链接起来，由统一的可验证控制层进行管理。

接下来是什么

在本系列的下一篇中，我们将探讨这些底层原语如何驱动一个共享的许可协议，使任何优质内容创作者或资产持有者都能定义内容的访问方式与变现方式，并让任何消费者或 AI 智能体都能以负责任、可验证的方式获得授权。

因为当每个模型和智能体都能证明它使用了哪些数据以及如何运行时，下一步就是让这种信任成为公平价值交换的基础。

---

关于 Sui Network

Sui是基于第一原理重新设计和构建而成的L1公有链，旨在为创作者和开发者提供能够承载Web3中下一个十亿用户的开发平台。Sui上的应用基于Move智能合约语言，并具有水平可扩展性，让开发者能够快速且低成本支持广泛的应用开发。获取更多信息：https://linktr.ee/sui_apac

官网｜Twitter｜Discord｜英文电报群｜中文电报群