是什么：从单一登录到联邦化的身份挑战
现代 AI 平台已经不再是单一应用背后的一个登录界面。一个典型的工作流往往从中心门户开始：用户在其中打开一份受治理的数据集，在数据所在的集群里启动一个 Notebook，再借助这个 Notebook 去调用位于另一个集群中的助手服务。整个过程在用户感受上是统一的，但身份每一次跳转都要跨过控制平面与数据平面之间的边界。这正是联邦化 AI 平台与传统单体应用最本质的区别——用户上下文必须在多个集群、多类资源之间被一致地携带。
关键能力与原理：身份贯通要解决什么
要让身份在联邦 Kubernetes 与 AI 平台之间顺畅传递，方案需要覆盖几项核心能力。
- 跨集群身份一致性：用户在中心门户、数据目录、Notebook 以及跨集群的推理服务之间，应当保持同一个身份主体，而不是每跨一次边界就重新登录或被映射成不同的内部账号。
- 跨边界权限传递：控制平面负责策略与编排，数据平面负责实际的数据访问与计算，身份需要在这两层之间被正确翻译，使数据治理策略能够跟随用户上下文生效。
- 跨域调用安全：当 Notebook 调用另一个集群里的助手或服务时，调用链上的每一步都应当能识别同一个用户，并据此进行审计与授权。
推断层面，更完整的方案往往还需要一个统一的身份提供方（IdP）作为信任锚点，以及在各集群之间同步或代理身份声明的机制；这一点是依据联邦身份体系的通用实践得出的，材料本身并未给出具体实现细节。
与上一代的差异：传统单点登录为何不够
上一代 AI 平台大多以单一应用或单一集群为单位，传统的单点登录（SSO）足以覆盖“一次登录、访问多个内部系统”的场景。但当工作流延伸到联邦 Kubernetes 环境，SSO 的局限就会显现：
- 边界性质不同：传统 SSO 主要解决“同一控制平面内的多个应用”问题，而联邦 AI 平台面临的是跨集群、跨控制平面与数据平面的身份传递。
- 上下文粒度不同：传统 SSO 通常只携带“谁在登录”，而 AI 工作流还需要携带“用户正在访问哪份数据、调用哪个集群里的哪个模型”，权限判断的依据更细。
- 审计与治理要求不同：跨集群的数据访问和模型调用，需要把同一用户的操作串成一条完整的链路，这超出了传统 SSO 的能力范围。
简而言之，传统 SSO 是“登录一次”，而联邦 AI 平台需要的是“身份全程在线”。
适用场景：哪些工作流真正需要身份贯通
身份贯通并不是所有场景都必须，但在以下几类联邦化工作流中几乎是刚需：
- 门户 → 受治理数据集 → 数据所在 Notebook：用户从中心门户浏览数据资产，再到数据驻留集群里做探索分析，身份需要从门户顺畅延伸到 Notebook 会话。
- Notebook → 跨集群助手与推理服务：用户在 Notebook 中调用另一个集群里的 AI 助手或模型服务时，调用方与被调用方需要在同一个身份上下文下协作。
- 跨联邦 Kubernetes 的数据科学与训练流水线：同一用户的任务在多个集群之间调度，身份必须跟随任务一起迁移，避免出现“任务跑过去了，但权限没跟上”的情况。
如何用起来：落地身份贯通的建议步骤
材料中并未给出具体的 API、SDK 或开源项目清单，因此以下建议属于通用实践层面的推断，仅供参考。
- 第一步：梳理身份提供方与各集群的认证现状。明确现有 IdP 支持哪些协议、每个 Kubernetes 集群目前以何种方式接入认证，这是设计统一身份上下文的前提。
- 第二步：划分控制平面与数据平面的身份边界。确定哪些身份信息在编排层传递，哪些必须在数据访问层重新校验，避免把权限放大到不应触达的范围。
- 第三步：建立跨集群的身份同步或代理机制。可以选择在每个集群中保留本地身份，同时通过一个联邦层进行映射与代理；具体选型应结合现有 IdP 能力与集群规模。
- 第四步：以端到端工作流进行验证。用一个真实的多集群任务跑通“门户登录 → 打开数据集 → 启动 Notebook → 跨集群调用助手”的完整链路，检查身份、权限与审计是否一致。
在生产环境上线前，建议先在联邦程度较低的两到三个集群之间验证，再逐步扩展。
局限与边界
身份贯通方案并非万能，其效果受限于若干现实条件：
- 集群对身份协议的支持程度：如果某些集群只支持老旧的认证方式，统一身份上下文的复杂度会显著上升。
- 控制平面与数据平面之间的策略约束：网络隔离、出口策略、数据驻留要求等都可能限制身份信息的传递方式。
- 跨域治理与审计的复杂度：跨集群操作会让审计日志分散在不同位置，串联同一用户的行为链路需要额外的采集与关联机制。
- 材料本身的边界：本文依据的参考材料仅给出了问题背景与场景描述，并未披露具体的产品实现、参数或性能数据，因此上述能力描述与落地建议应被视为方向性参考，而非可直接复制的实施方案。
在选择与设计身份贯通方案时，应优先关注身份一致性、权限收敛与审计可追溯这三个目标，再结合实际集群拓扑与治理要求做权衡。