大模型落地元年，為什么企業(yè)的FOMO（Fear of Missing Out）情緒有增無減？
2025云棲大會人聲鼎沸，其中既有CXO級別的高管，也有站在AI一線的各種角色，所有人都希望找到自己想要的答案，而這恰恰是當(dāng)前行業(yè)最稀缺的共識。
大模型時代，業(yè)界廣泛共識的“AI三要素”——數(shù)據(jù)、算法、算力，確實構(gòu)成了人工智能發(fā)展的基礎(chǔ)，但它們?nèi)匀徊蛔阋灾蜛I從“能用”走向“好用”，更無法真正實現(xiàn)“規(guī)?；涞?rdquo;。
越來越多的企業(yè)在實踐中意識到，這些都只是大模型的必要不充分條件，企業(yè)想要的不是短期的、單點的AI應(yīng)用，而是長期的、系統(tǒng)的AI生產(chǎn)力。AI要從實驗室走向企業(yè)現(xiàn)場，還需要新的架構(gòu)思維、新的組織機制以及貫穿全生命周期的智能化能力。
新的趨勢開始顯現(xiàn)，AI原生架構(gòu)——這一詞匯高頻出現(xiàn)在各種場景，圍繞其所展開的討論正迅速從技術(shù)蔓延到業(yè)務(wù)，企業(yè)重新思考AI戰(zhàn)略、技術(shù)架構(gòu)和組織人才。當(dāng)AI能力就是業(yè)務(wù)本身，這不僅是一次技術(shù)迭代，更是一場關(guān)于創(chuàng)新范式的深層變革。
過去幾年，人工智能幾乎成了所有行業(yè)創(chuàng)新的關(guān)鍵詞。從客服到營銷，從零售到制造，似乎每一個系統(tǒng)、每一個崗位都在AI化，但很多企業(yè)在真正落地時會發(fā)現(xiàn)，AI應(yīng)用的效果做到及格不難，要做到真正可用、好用，要付出的成本和心力指數(shù)級增長。
從另一個側(cè)面來看，企業(yè)如今最缺的人才已經(jīng)不是提示詞工程師、算法工程師或者AI產(chǎn)品經(jīng)理等。一位大模型行業(yè)高管表示，“今天企業(yè)特別缺少AI Architect/AI Solutions Architect。這個角色既要懂模型、懂算法，最好還能動手編程，更重要的是能理解客戶需求，并把這些需求變成真正可落地的技術(shù)方案。”
這背后反映出企業(yè)探索AI的現(xiàn)狀，僅靠現(xiàn)有的人才和技術(shù)無法真正落地AI應(yīng)用，自然而然就會追問一個更根本的問題：是不是現(xiàn)有的技術(shù)和組織框架，本身已經(jīng)不足以承載AI？
這正是AI原生（AI-Native）架構(gòu)的時代背景。簡而言之，“AI原生架構(gòu)師”需要負責(zé)把模型、數(shù)據(jù)、業(yè)務(wù)場景“拼裝成可上線、可運行、可評估的系統(tǒng)”，并能協(xié)調(diào)AI工程全生命周期的交付。
而對于企業(yè)，更重要的不是一個崗位，而是讓企業(yè)所有人具備AI原生思維，自上而下推動AI原生——讓AI從附屬變成底座，從被調(diào)用的工具，變成驅(qū)動系統(tǒng)、業(yè)務(wù)與組織的核心。
如果還有企業(yè)沒理解到AI原生的內(nèi)涵，不妨從《國務(wù)院關(guān)于深入實施“人工智能+”行動的意見》中尋找答案，該文件首次提出：培育智能原生新模式新業(yè)態(tài)。
鼓勵有條件的企業(yè)將人工智能融入戰(zhàn)略規(guī)劃、組織架構(gòu)、業(yè)務(wù)流程等，推動產(chǎn)業(yè)全要素智能化發(fā)展，助力傳統(tǒng)產(chǎn)業(yè)改造升級，開辟戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)發(fā)展新賽道。大力發(fā)展智能原生技術(shù)、產(chǎn)品和服務(wù)體系，加快培育一批底層架構(gòu)和運行邏輯基于人工智能的智能原生企業(yè)，探索全新商業(yè)模式，催生智能原生新業(yè)態(tài)。
是時候，做一家AI原生企業(yè)了。AI原生架構(gòu)不僅是技術(shù)的重構(gòu)，更是思維模式的重塑。它要求企業(yè)跳出“AI工具化”的舊框架，轉(zhuǎn)而以AI為核心去設(shè)計產(chǎn)品、優(yōu)化流程、重構(gòu)組織。
如果說，如何轉(zhuǎn)向AI原生架構(gòu)是一個問題，那么現(xiàn)階段而言，基于不同業(yè)務(wù)場景，企業(yè)在架構(gòu)選型上各有側(cè)重。
阿里云智能集團公共云事業(yè)部首席解決方案架構(gòu)師 韓鴻源
“AI時代的企業(yè)架構(gòu)升級，關(guān)鍵在于全棧AI能力的構(gòu)建與落地。”阿里云智能集團公共云事業(yè)部首席解決方案架構(gòu)師韓鴻源表示，今天的模型能力，一定會成為未來所有業(yè)務(wù)系統(tǒng)開發(fā)的一個基礎(chǔ)設(shè)施能力，而今天的大語言模型，也一定要考慮把AI能力引入到系統(tǒng)里。
韓鴻源強調(diào)，對于絕大部分企業(yè)來說，他所說的“全棧”并非指模型技術(shù)研發(fā)的全棧，而是指企業(yè)從數(shù)據(jù)管理、模型應(yīng)用、業(yè)務(wù)集成到最終價值實現(xiàn)的全鏈路能力。在這一過程中，AI應(yīng)當(dāng)是業(yè)務(wù)系統(tǒng)的基礎(chǔ)設(shè)施，企業(yè)應(yīng)當(dāng)聚焦如何將AI能力融入業(yè)務(wù)系統(tǒng)。
云棲大會上，一批有著先進AI架構(gòu)的企業(yè)技術(shù)一把手，道出了自己通向AI原生架構(gòu)的實踐。
比如搜推廣、內(nèi)容生產(chǎn)、內(nèi)容安全、多模態(tài)及云端交互為核心的場景下，企業(yè)需要既能滿足模型訓(xùn)練及推理服務(wù)的算力支撐和快速部署，又要能基于模型服務(wù)平臺構(gòu)建端到端AI應(yīng)用的全棧AI能力。
哈啰CTO劉行亮指出，哈啰目前已經(jīng)推出了多個AI Agent，同時還有Robotaxi業(yè)務(wù)。通過構(gòu)建“車云數(shù)據(jù)閉環(huán)”，哈啰實現(xiàn)了全棧AI能力的協(xié)同。
在云端，哈啰利用海量數(shù)據(jù)進行模型訓(xùn)練與仿真，優(yōu)化出更強大的駕駛Agent（VLA模型）和座艙服務(wù)Agent，再部署至車端。這使智駕決策能持續(xù)迭代，更準更穩(wěn)；同時，座艙能深度融合用戶意圖與生態(tài)服務(wù)，實現(xiàn)從“出行工具”到“個性化第三空間”的體驗升級。
好未來CTO田密分享了AI在教育領(lǐng)域的進階路徑，提出AI老師的L1-L5分級。目前好未來已實現(xiàn)L3級閉環(huán)教學(xué)，通過軟硬件結(jié)合打造個性化學(xué)習(xí)體驗。
在多模態(tài)的模型訓(xùn)練上，好未來使用Qwen2.5-32B-VL做九章多模態(tài)模型的后訓(xùn)練和強化，最終在多個任務(wù)上，包括OCR、公式識別和圖力解題等層面，都取得了SOTA的結(jié)果。
在這一過程中，“云端一體”發(fā)揮了很大作用。田密認為，未來云端結(jié)合的范式越來越常用，把訓(xùn)練好的大模型蒸餾到本地之后，效果足以滿足應(yīng)用需求，而且響應(yīng)速度更快。在走向AI原生時代的過程中，好未來的架構(gòu)升級理念已然誕生：基于通義千問開源模型做后訓(xùn)練，同時進行云端協(xié)同。
也有部分企業(yè)更加關(guān)注上層Agent構(gòu)建，采用MCP架構(gòu)以支持擴展性，可以接多種大模型，將傳統(tǒng)API服務(wù)MCP化，快速構(gòu)建Agentic Workflow，并通過第三方伙伴協(xié)助完成最后一公里建設(shè)。
身處電視行業(yè)，創(chuàng)維酷開智能系統(tǒng)研究院院長郭尚鋒的分享，或許能揭示傳統(tǒng)領(lǐng)域企業(yè)如何借助AI破局。郭尚鋒表示，在架構(gòu)支撐上，阿里云AI全棧技術(shù)提供了從底層算力、模型訓(xùn)練到應(yīng)用部署的全鏈路支持，為智能體的構(gòu)建與運行提供了堅實底座。尤其是基于云原生AI網(wǎng)關(guān)、Function Call和MCP廣場生態(tài)等產(chǎn)品，將傳統(tǒng)API服務(wù)MCP化，在百煉平臺上快速構(gòu)建AI應(yīng)用，貫穿跨終端、跨場景的智能體體系，構(gòu)建無界融合的全場景智慧體驗?；诖?，創(chuàng)維酷開的Agent得以實現(xiàn)長記憶、快思考、秒行動的核心優(yōu)勢能力。
跨國企業(yè)昕諾飛擁有全球1.56億個智能互聯(lián)照明節(jié)點，對其而言，AI的價值恰恰在于挖掘這些節(jié)點產(chǎn)生的數(shù)據(jù)，實現(xiàn)智能運維和能效優(yōu)化。
昕諾飛中國研究院院長劉海濤表示，從發(fā)展方向上，昕諾飛的三個關(guān)鍵詞是高效互聯(lián)、云邊協(xié)同和生態(tài)共創(chuàng)。尤其是在生態(tài)共創(chuàng)層面，劉海濤強調(diào)，昕諾飛這樣的照明企業(yè)非常希望通過MCP協(xié)議，打通各個設(shè)備之間的互聯(lián)。
劉海濤還從應(yīng)用者的角度對云平臺提出了四大訴求：極致的安全與合規(guī)、模型生態(tài)的開放與敏捷、高性能低成本的推理優(yōu)化以及行業(yè)級的大模型運維（LLM Ops）賦能。
他特別強調(diào)，“AI本身是個工具，工具本身要和各個垂類的應(yīng)用進行創(chuàng)新，如果不了解應(yīng)用本身，只有這個工具，很難找到真正的落地場景，真正為客戶解決問題。”作為跨國企業(yè)，昕諾飛在中國的AI創(chuàng)新實踐體現(xiàn)了“Local for Global”的策略，即利用中國領(lǐng)先的AI技術(shù)和應(yīng)用市場環(huán)境，打造最佳實踐后向全球輸出。劉海濤表示，在多年的合作中，阿里云這樣的企業(yè)給了他們很好的支持，推進了公司在中國的AI業(yè)務(wù)落地。
另外，還有一部分企業(yè)有龐大數(shù)據(jù)沉淀和處理需求，尤其是數(shù)據(jù)打標（如VOC、評論等）、智能問數(shù)、智能助手等場景下，將大數(shù)據(jù)上云，利用數(shù)據(jù)湖平臺為AI提供高質(zhì)量、多樣化的數(shù)據(jù)，挖掘非結(jié)構(gòu)化數(shù)據(jù)價值，以Data+AI架構(gòu)支撐AI落地，成為關(guān)鍵。
識貨CTO陳歡在分享中詳細介紹了識貨如何利用AI重構(gòu)其核心資產(chǎn)——商品數(shù)據(jù)平臺。面對巨量的數(shù)據(jù)處理，AI的應(yīng)用使商品庫建設(shè)流程（渠道關(guān)聯(lián)、商品新建、審核）的自動化率達到了85%以上。而陳歡也提到，其技術(shù)架構(gòu)的核心是構(gòu)建了10億級規(guī)模的商品向量庫，基于通義千問進行訓(xùn)練，從而實現(xiàn)了高精度的商品匹配和去重。
陳歡提到的核心理念之一是雙平臺能力的建設(shè)。底層平臺“Model X”圍繞研發(fā)流程，比如接到大模型需求之后任務(wù)拆解做提示詞編寫、微調(diào)、自動評測、運維資源分配和成本管理等，讓研發(fā)團隊能高效完成大模型需求，全流程自主開發(fā)上線，后期會推廣到產(chǎn)品及運營；而“Model L”旨在加速算法訓(xùn)練推理，尤其聚焦推理的復(fù)雜場景。陳歡表示，這套算法大模型平臺+研發(fā)大模型平臺的雙平臺模式，是大模型時代最接地氣和實用的架構(gòu)。
OPPO大數(shù)據(jù)部長鄭秋野分享了Data+AI統(tǒng)一底座的建設(shè)經(jīng)驗，上云后成本降低50%，并通過AI助理實現(xiàn)自然語言查詢與智能打標，提升數(shù)據(jù)使用效率。
當(dāng)下，OPPO在AI時代的應(yīng)用主要聚焦在用戶、產(chǎn)品、營收三個方面。鄭秋野特別提到，在營收增長層面，多云協(xié)同的智能推送已經(jīng)是公司內(nèi)部增長的核心引擎，團隊也一直持續(xù)在探索如何在保障體驗的同時，借助AI驅(qū)動收入上的增長。
總結(jié)而言，這三個方面的落地其實都離不開DATA+AI深度的協(xié)同，但過往自建IDC存在成本高、彈性差、運維難等問題。經(jīng)過和阿里云的深入溝通和技術(shù)支持，OPPO采用混合云架構(gòu)和精細化的遷移方案，實現(xiàn)了業(yè)務(wù)無感遷移和成本降低50%的結(jié)果?；诖?，OPPO構(gòu)建了具備統(tǒng)一存儲、統(tǒng)一元數(shù)據(jù)、彈性伸縮和多引擎兼容四大特性的Data+AI底座，持續(xù)支撐AI業(yè)務(wù)的擴張。
AI原生不是簡單地“在現(xiàn)有系統(tǒng)里疊加AI功能”，而是把AI視為底座，重新設(shè)計企業(yè)的技術(shù)架構(gòu)與業(yè)務(wù)邏輯，這很容易讓人聯(lián)想到，上個時代云計算向云原生的轉(zhuǎn)向。
就像“云原生”不是把舊應(yīng)用搬到云上，而是從一開始就為云環(huán)境而設(shè)計，AI原生同樣意味著，從一開始就讓AI能力融入系統(tǒng)、流程、產(chǎn)品的每一個環(huán)節(jié)，在云棲大會AI原生架構(gòu)十問夜話活動上，24位企業(yè)CIO、CTO又進一步達成一些共識和行動指南，涵蓋戰(zhàn)略及ROI、技術(shù)及架構(gòu)、組織及人才等各方面，諸多要素相輔相成。
在All in AI的戰(zhàn)略共識層面，企業(yè)要實現(xiàn)AI原生轉(zhuǎn)型，大致可以經(jīng)歷三個階段
AI融合期：在現(xiàn)有業(yè)務(wù)中嵌入AI功能（如智能客服、智能推薦）。
AI驅(qū)動期：核心流程由AI自動執(zhí)行，人參與關(guān)鍵決策。
AI原生期：業(yè)務(wù)邏輯、系統(tǒng)架構(gòu)和組織結(jié)構(gòu)都為AI而生，形成智能閉環(huán)。
最終，企業(yè)將從“用AI”走向“靠AI生長”。
天鵝到家CTO杜佳利則分享了AI在家政領(lǐng)域的“激進”落地路線：包括考慮企業(yè)的獲客成本、運營成本、優(yōu)先在ROI高的場景投入等。
在AI技術(shù)架構(gòu)的全面升級層面，傳統(tǒng)架構(gòu)已到極限，軟件的復(fù)雜性和數(shù)據(jù)規(guī)模都在指數(shù)級增長，人工規(guī)則式的系統(tǒng)越來越難適應(yīng)變化，AI原生架構(gòu)能以更低的邊際成本處理更復(fù)雜的任務(wù)。過去企業(yè)拼的是執(zhí)行力，現(xiàn)在拼的是“智能密度”，誰能讓AI更好地理解業(yè)務(wù)，誰就能跑得更快。
在軟件研發(fā)層面，茄子快傳CTO陳少為表示，寫文檔比寫代碼更難，因為它要求開發(fā)者從技術(shù)視角轉(zhuǎn)向客戶視角，具備產(chǎn)品意識。許多工程師雖技術(shù)出色，卻缺乏用戶導(dǎo)向的表達能力，因此企業(yè)應(yīng)培養(yǎng)技術(shù)人員的產(chǎn)品思維。
他認為，AI最能幫助的是具備跨領(lǐng)域能力的高級程序員，他們能借助AI整合開發(fā)、測試與產(chǎn)品設(shè)計，實現(xiàn)更高效的個人閉環(huán)。AI使“一個人搞定更多事”成為可能，但也讓中層、技能單一的程序員面臨挑戰(zhàn)。
陳少為強調(diào)，AI轉(zhuǎn)型不僅是技術(shù)問題，還涉及組織、HR、財務(wù)等協(xié)同，必須是一把手工程。AI真正的價值在于減輕重復(fù)勞動，讓工程師專注于架構(gòu)思考和創(chuàng)新，實現(xiàn)研發(fā)效率與創(chuàng)造力的雙提升。
在領(lǐng)域知識的轉(zhuǎn)化層面，樹根互聯(lián)副總裁沈春鋒以工業(yè)領(lǐng)域為例，工業(yè)數(shù)據(jù)與消費互聯(lián)網(wǎng)數(shù)據(jù)最大的不同，在于它包含了大量隱性知識，這些知識往往藏在設(shè)備、傳感器與工藝過程之中，無法直接以文字或標簽的形式呈現(xiàn)。
這意味著，工業(yè)智能化要走通，必須解決“如何讓工業(yè)數(shù)據(jù)會說話”的問題。以某全球林業(yè)客戶為例，他們擁有多年的種植和土壤數(shù)據(jù)積累，希望通過AI找出特定地塊產(chǎn)量不高的原因。然而，由于相關(guān)知識體系尚未結(jié)構(gòu)化，現(xiàn)有模型難以直接回答。
樹根科技正在探索一種“多個小模型協(xié)同”的思路：通過大量貼近場景的小模型，對每一類數(shù)據(jù)、每一個細微變量進行分析，再將這些結(jié)果交由大模型統(tǒng)一整合與推理。
他認為，未來AI在工業(yè)場景中的發(fā)展路徑，可能并非單一大模型主導(dǎo)，而是形成“大模型+無數(shù)小模型”的組合生態(tài)。小模型深入現(xiàn)場、理解具體工況；大模型在上層進行知識歸納與智能決策。只有這樣，工業(yè)領(lǐng)域龐雜的隱性知識才能被真正激活，讓數(shù)據(jù)不再沉默，推動AI從“能用”走向“好用”。
類似地，在組織與人才層面，達能中國、北亞及大洋洲信息技術(shù)&數(shù)據(jù)副總裁劉冰提出的一個問題，幾乎擊中所有企業(yè)的痛點：AI應(yīng)該應(yīng)用在哪些場景，誰來決定？如果完全由IT部門主導(dǎo)，AI可能變成技術(shù)的自娛自樂；如果完全交給業(yè)務(wù)部門，需求又可能超出技術(shù)邊界，變成不切實際的幻想。
達能的解法是成立“AI攻堅組”，把業(yè)務(wù)和技術(shù)人員放在一起，從數(shù)據(jù)、流程到文化全面推進。首先是讓分散在不同渠道的數(shù)據(jù)沉淀下來，形成可復(fù)用的資產(chǎn)；其次是重構(gòu)業(yè)務(wù)流程，而不是在舊流程上簡單加一個AI模塊；最后則是推動文化變革，讓員工日常工作中習(xí)慣性使用AI工具，甚至自己動手訓(xùn)練小模型或小Agent。劉冰強調(diào)，AI原生不是自上而下的命令式工程，而是戰(zhàn)略定力與文化自覺的雙輪驅(qū)動。
杜佳利也表示，天鵝到家在具體的組織上也作出了變革，以更好更快地支撐AI戰(zhàn)略的落地，他們打破部門壁壘、崗位壁壘，通過成立AI實驗室、高頻次的內(nèi)部分享和頭腦風(fēng)暴，從上而下（從leader到骨干），快速提升全員認知，并鼓勵跨崗位參與AI項目。
如上所述，AI落地的“冰山之下”，隱藏著比模型本身更龐雜的系統(tǒng)工程。技術(shù)只是冰山露出水面的那一角，而真正決定成敗的，是水面之下的架構(gòu)、數(shù)據(jù)、人才、業(yè)務(wù)與組織等深層因素。
架構(gòu)決定了AI能否與企業(yè)現(xiàn)有系統(tǒng)高效融合；數(shù)據(jù)是模型學(xué)習(xí)與持續(xù)進化的“燃料”；人才則是連接技術(shù)與業(yè)務(wù)的橋梁，既懂算法又懂場景的人才尤其稀缺；業(yè)務(wù)流程是否具備可被智能化改造的空間，直接影響AI的落地價值；而組織機制——從戰(zhàn)略投入、跨部門協(xié)同到績效體系——則決定了AI能否從“試點項目”走向“規(guī)模化能力”。這些因素相互作用，構(gòu)成了AI落地的深層“地基”，決定著企業(yè)智能化轉(zhuǎn)型的厚度與韌性。
阿里云智能集團公共云事業(yè)部AI加速器解決方案總經(jīng)理婁恒綜合表示，企業(yè)落地AI可遵循“三步走”：
場景選擇：根據(jù)大模型的能力邊界和成長性，進行三維價值評估——業(yè)務(wù)價值、技術(shù)難度與數(shù)據(jù)支撐；
戰(zhàn)略與組織保障：制定適合的AI戰(zhàn)略，并建立相應(yīng)的組織保障；
技術(shù)架構(gòu)與規(guī)劃：選擇適當(dāng)?shù)募夹g(shù)架構(gòu)，需要AI全棧架構(gòu)與AI落地規(guī)劃相結(jié)合。
“人工智能，不是工具的革命，而是科學(xué)革命的工具”，正如阿里云創(chuàng)始人王堅所說，同理，AI原生，也不僅僅是一種技術(shù)架構(gòu)的革新，而是重構(gòu)企業(yè)理解智能世界運行邏輯的起點。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論