Cohere 发布 North 2 企业平台，支持跨模型智能体协同与本地化部署

一句话结论

Cohere 推出 North 2，将企业 AI 平台升级为支持多模型、多智能体协同及本地化部署的智能体控制中心，强化对受监管行业的覆盖能力。

关键要点

• North 2 支持多步骤工作流自主执行，并在跨会话中保留上下文，实现智能体间共享知识库与可复用技能的协同。
• 平台模型无关，除 Cohere 自有模型（如 Command A+）外，企业可接入自研或第三方模型。
• 管理员可通过“North Admin”管理 token 用量、用户配额及单个智能体的访问权限；关键操作需人工审批。
• 在 Nvidia Blackwell 和 Hopper 硬件上，Cohere 称其模型所需 token 数量更少，提升推理效率。
• LG CNS 与 Bell Cyber 已将 North 投入生产环境运行；Cohere 于 2025 年 4 月宣布收购德国公司 Aleph Alpha，后者近期推出德英双语模型 Kolibri。

背景与事实

Cohere 在其企业 AI 平台基础上推出 North 2，核心定位是作为“企业 AI 控制室”。该平台不仅支持智能体自主完成多步骤工作流，还能在不同会话间维持上下文记忆。新引入的编排系统协调多个智能体，这些智能体可访问共享知识库与可复用技能模块，并集成 Slack、SharePoint、Jira 等企业常用工具。用户仅通过文本提示即可生成演示文稿、数据看板及简易应用。

在部署灵活性方面，North 2 支持本地私有化、云端及完全物理隔离（air-gapped）三种运行模式。平台架构保持模型中立，企业可在保留 Cohere Command A+ 等自有模型的同时，接入任意第三方模型或自研模型。管理层面，“North Admin” 提供对 token 消耗、用户配额及单个智能体权限的细粒度控制；当智能体执行关键操作时，系统强制触发人工审批流程，以满足合规与风险控制要求。

硬件层面，Cohere 表示其模型在 Nvidia Blackwell 与 Hopper GPU 架构上运行时所需 token 数更少，意味着同等任务下推理成本与延迟有望降低。在落地方面，LG CNS（韩国 LG 集团旗下 IT 子公司）与 Bell Cyber 已将 North 部署至生产环境。此外，Cohere 于 2025 年 4 月宣布收购德国企业 Aleph Alpha，后者专注于受监管行业的本地化 AI 解决方案，近期发布了支持德英双语的 Kolibri 模型。此次收购与 North 2 的推出共同指向政府对 AI 数据主权与合规的强需求。

影响分析

对中文开发者与企业而言，North 2 的模型无关架构与物理隔离部署选项为国产化替代与数据不出境场景提供了可行路径。若国内机构需满足行业监管（如金融、政务）对 AI 本地运行的要求，该类平台可作为参考架构。但需注意，Cohere 未明确说明其是否支持中文模型或中文知识库的集成能力，实际落地可能需结合国内大模型进行适配。

对国内企业 AI 从业者而言，North 2 所强调的“智能体权限管控 + 人工审批 + token 配额管理”组合，反映出企业级 AI 从“能用”向“可管、可控、可审计”演进的行业趋势。国内在构建智能体平台时，可借鉴其权限分层与审批机制设计，降低智能体误操作风险。此外，其在 Nvidia 新硬件上优化 token 消耗的做法，提示企业应关注算力硬件与模型效率的协同优化。

适用边界

North 2 当前信息主要面向政府机构与受监管行业，强调数据主权与本地控制。若场景为公有云多租户 SaaS 服务、或需要跨组织数据共享的智能体协作，其物理隔离模式可能不适用。此外，平台对中文生态（如微信、钉钉、国产数据库等工具集成）的支持情况未明确，中文开发者需自行验证兼容性。

孤本观察

Cohere 通过收购 Aleph Alpha 并推出 North 2，实质上是在以“模型中立 + 本地化部署 + 细粒度管控”组合拳争夺受监管行业市场，其策略与单纯出售模型 API 或提供单一智能体框架的竞品形成差异化。值得观察的是，该平台能否在保持模型无关性的同时，保证多智能体协同的稳定性与可审计性，将是其能否从企业 POC 走向大规模生产的关键。

来源：The Decoder