스켈터랩스BELLA平台
4 节点1 篇3 来源
韩国人工智能企业 스켈터랩斯(Skelter Labs) 正通过其企业级AI代理编排平台 BELLA,试图解决大模型落地中的“控制”难题。该公司首席技术官徐钟勋(서종훈)指出,当前企业AI应用的瓶颈并非模型性能,而是缺乏统一的治理机制:当各团队直接调用不同的大语言模型时,往往导致成本不透明、安全护栏不一致,难以维持全公司层面的管控标准。
【背景】스켈터랩斯于2024年7月被韩国IT服务集团 MetaNet 收购,现作为其子公司运营,结合MetaNet的咨询与基础设施能力,提供端到端的AI转型服务。
为应对这一挑战,BELLA平台构建了身份、政策、AI网关和资产四层架构。该架构旨在实现从用户身份识别到工具调用的全链路权限控制,并通过单一网关统一处理所有LLM调用,从而实施预算限制、路由管理及安全防护。此外,平台还设计了包括数据完整性、输入输出过滤、行为控制及资源保护在内的四道防御层级,以防范提示词注入和信息泄露风险。 스켈터랩斯强调,在代理时代,核心竞争力在于对已验证开放模型的灵活治理,而非自研基础模型。
事情怎么走到这一步
스켈터랩斯(Skelter Labs)在韩国首尔成立,专注于对话式AI技术。
dealroom.co ↗스켈터랩斯推出品牌BELLA,定位为赋能企业的LLM应用解决方案,包含BELLA-QNA等产品。
skelterlabs.com ↗韩国IT服务集团MetaNet完成对스켈터랩斯的收购,使其成为子公司,强化其在企业AI市场的服务能力。
dealroom.co ↗스켈터랩斯CTO徐钟勋接受《Byline Network》采访,阐述BELLA平台的四层治理架构及“控制优于性能”的企业AI观点。
byline.network ↗
还没定论的部分
- BELLA平台在MetaNet体系内的具体市场份额及与其他竞品(如微软Copilot Studio等)的实际对比数据尚未公开。
- 随着开源模型迭代加速,스켈터랩斯如何平衡平台对特定模型版本的依赖性与长期维护成本?