7 篇博文 含有标签「架构」

亚马逊云科技中国峰会，2026 年 6 月 23–24 日，上海。

2026 年 6 月，我在亚马逊云科技（AWS）上海峰会上做了一场分享，大概是全场"最不性感"的一场。一上来我先澄清了一句：我们的 Nova，不是 Amazon 那个 Nova。我幻灯片上的 Nova，是我在 HP 带队做的一个内部平台；全场其他人挂在嘴边的 Nova，才是亚马逊的前沿大模型。台下笑了。一个撞名的小玩笑，却也恰好划出了这篇文章要讲的那条线——接下来的时间里，我讲的是任何主论坛都懒得碰的东西：我们怎么把一套报表系统，从 Power BI 搬到了 Amazon Athena 加 Apache Iceberg 上。那是个三十分钟、300 级的进阶专题，排在六楼，离楼下的人群远远的。

会场楼层导览：专题演讲（包括我那场）在六楼，主论坛在五楼，展厅在楼下。

而一楼的展厅，卖的全是"性感"的另一面。宇树（Unitree）的人形机器人（humanoid robot）在灯光下伸手抓取；一只标价 ¥9,999 的灵巧手（dexterous hand），冲着镜头比了个耶；一块屏幕上，一群编程智能体（coding agent）全程没人插手，自己把软件交付了，另一块屏幕上，AI 把一段足球比赛录像拆成了战术和球员指标。聚光灯下，智能正学着感知、学着创造、学着在物理世界里行动。

楼下一楼的展厅：人潮都在这儿。

这个反差，就是这篇文章的论点。过去两百年，产出是跟着人头走的——想多干，就得多招人。AI 正在掐断这条线：产出开始靠基础设施（模型、算力、数据）撑着，而不再死死绑在人力上。这就是智力的工业化。和第一次工业革命一样，最后赢的不会是手握最炫机器的人，而是给这些机器铺好地基的人。我那场"无聊"的迁移就是个缩影：让报表变好用的，不是换了个更聪明的模型，而是把脚下的地基换了——刷新从 4–6 小时压到 1 小时；而原本只能盯着看的报表，如今成了谁都能用大白话直接发问的数据。

所以这篇文章，会从地基往上写。先看展厅里被围观的三道前沿——会感知、会创造、会行动的机器；再看撑着这三样的那一层，也就是我专程跑去上海讲的那件事：决定它们到底能长多高的数据底座（data foundation）。

一个八人的工程师团队，把 AI 编程智能体（AI Coding Agents）接进了自己的开发流水线。智能体从队列顶端取走 JIRA 工单，提交合并请求的速度超过人工评审的速度。半年下来，仪表盘上的数字相当好看：测试覆盖率 84%，每个改动接口的 p99 延迟稳定在 100 毫秒以内，自从智能体上线后合并吞吐量翻了三倍。周五的复盘会越开越短，因为实在没什么可复盘的。

直到有一天，竞争对手发布了一个新功能。算不上多巧妙的功能。竞争对手的用户已经在公开论坛上催了半年，团队自家用户在自家论坛上催了几乎一样长的时间。流水线里，没有一个人——也没有一个智能体——注意到这件事。竞争对手上线的消息周二午后落进 Slack 群，会议室一下子安静下来，因为所有人都在问同一个问题：我们这套系统里，到底哪一块本来应该接住这件事？

诚实的回答是：没有这一块。不是有人忘了构建它，而是团队的架构语言里，根本没有一个词指向它。

2026 年的每一场 AI 发布会都是同样三张幻灯片开场：更大的模型、更快的芯片、更聪明的 Agent。真正缺失的是第四张——这些东西到底怎么送到用户面前。而这张缺失的幻灯片，恰好就是接下来十年价值最集中的地方。它不会靠又一轮模型微调产生，而会靠我们这个技术栈里最不性感的那一层：基础设施（Infrastructure，俗称 Infra）。

数据也支持这个判断。麻省理工学院（MIT）2025 年《State of AI in Business》报告显示，95% 的生成式 AI 试点无法进入生产。Gartner 的调研表明，只有 15% 的 IT 应用负责人在试点完全自主的 Agent，而整个 Agent 市场预计从 2025 年的 78 亿美元扩张到 2030 年的 526 亿美元。瓶颈不在智能。前沿模型 在 SWE-bench Verified 上已经聚集在 70–75% 区间。真正的瓶颈是从"一个能写代码的模型"到"一个能交付产品的组织"之间的所有环节——而这些环节，说到底都是 Infra。

把"暴论"说得直白一点：编程变得廉价，Infra 却在变得稀缺。AI 叙事习惯把 DevOps、CI/CD、容器、Kubernetes、云架构这些东西当作"已经解决的水管问题"，但它们即将成为把 AI 能力变成可交付产品的头号杠杆。理由很朴素：Agent 现在能写代码，但它自己跑不起一次构建，也扛不下一次部署，更没法独自决定一次回滚、开通一个区域。它需要一个底座替它做这些事——而这个底座，正是过去二十年 DevOps 攒下来的、经过无数次故障检验的、几乎零成本的遗产。

六大协议。六个自动化级别。十七款工具。十二项预测。一张交互式全景图将它们串联起来。

AI Agent 交互全景图是我构建的一个开源双语单页应用，旨在厘清 2026 年 AI Agent 如何与开发者、编辑器、工具以及彼此之间进行交互。本文将梳理其中引入的关键框架——以及构建过程中涌现的洞察。

SWE-bench 评分在短短 14 个月内提升了 50%——从 2024 年 10 月 Claude 3.5 Sonnet 的 49% 跃升至 2026 年 1 月 Claude 4.5 Opus 的 74.4%——你可能会认为 AI 智能体（AI Agents）已经征服了软件工程领域。然而，大规模部署这些智能体的企业却讲述着不同的故事。Triple Whale 的 CEO 描述了他们的生产环境实践："GPT-5.2 为我们解锁了一次彻底的架构转型。我们将一个脆弱的多智能体系统简化为单个配备 20 多种工具的超级智能体……这个超级智能体更快、更智能， 维护难度降低了 100 倍 。"

引子​

复杂度是软件工程中永恒的挑战。随着项目规模的增长，复杂度会以指数级的速度增加，如果不加以控制，最终会导致项目的失败。

在软件开发的世界里，复杂度无处不在。从简单的"Hello World"程序到大型分布式系统，复杂度始终伴随着我们的开发过程。作为软件架构师和技术负责人，理解复杂度的本质、来源以及如何管理复杂度，是我们必须掌握的核心技能。

引子​

"架构就是处理一些重要事情，不过鬼知道那是些什么。" -- Ralph Johnson

架构师（Architect）应该是一个很有份量而又饱受尊敬的职位。每当听到某某是某公司的架构师时，会不会有一种肃然起敬的感觉？在大众看来，架构师通常跟系统设计、技术实力、领导力、影响力有着密切联系。也正是这个原因，企业中很多架构师的岗位都是由经验丰富、技术能力扎实的资深软件工程师担任。然而，软件行业对于架构师的**定义 **，其实并 不明确：亚马逊、阿里云之类的云服务商有自己的架构师团队，不过大多是顶着架构师的名头进行客户售后服务而已；在某企业里的架构师，无外乎就是利用自己的丰富经验和过硬实力，来解决技术难题，相当于资深软件工程师。这些都跟我们心目中的设计高大上架构图的、无所不知的架构师，有很大差别。

本文中所指代的架构师相关概念，主要来自于最近阅读的一本书《软件架构基础》（英文名：Fundamentals of Software Architecture，作者 Mark Richards、Neal Ford）。本篇文章会简单介绍更具实用意义上的架构师需要做什么，以及相关的 必备技能。