铃阅时讯
❌

普通视图

“我特别能共情黄仁勋的处境!”Sam Altman罕见发声:没有他的英伟达难以想象

2026年11月17日 13:30

原创 褚杏娟 2026-11-17 13:30 北京

从黄仁勋的去留,到 AI 行业的算力投资,再到超级智能是否会让人类失去控制权,Sam Altman 在最新访谈中谈到了 AI 产业面临的一系列关键问题。

编译|褚杏娟

从黄仁勋的去留,到 AI 行业的算力投资,再到超级智能是否会让人类失去控制权,Sam Altman 在最新访谈中谈到了 AI 产业面临的一系列关键问题。

他对黄仁勋表达了强烈的敬意,非常共情黄仁勋如今的处境,并且表示很难想象没有 Jensen 的 AI 革命。对于竞争对手 Anthropic 本周上市,他表示并不担心其抢先上市,也相信 AI 仍有巨大的资本和商业空间。

他同时提醒,芯片厂商对需求的预期可能存在重复,DRAM 短缺也暴露出供应链扩产滞后的问题。面对公众对 AI 和数据中心的抵触,他认为行业必须重新赢得信任,明确承诺人类始终掌握控制权。即使 AI 开始加速自身研发,OpenAI 也不会放弃人工监督和安全边界。

从数据隐私到 AI 科学研究,Altman 的态度同样鲜明:用户应该拥有自己的数据,而 AI 最值得期待的长期价值,是推动科学发现、工程创新和生产力跃迁。

太长不看版

Q:你觉得 Jensen Huang 应该回归 NVIDIA 吗?

Sam:Jensen 一直是我非常敬佩的人。我特别能共情 Jensen 现在的处境,因为我记得自己当时是什么感受。很难想象没有 Jensen 的 AI 革命。

Q:Anthropic 先上市,会不会影响 OpenAI 的投资者需求?

Sam:我不担心。我完全不担心市场上缺少足够多的投资者需求。事实上,回顾过去一年,投资者需求太多,而可供投资的机会和股票供应不足。整个行业都在创造难以置信的价值。

Q:AI 芯片行业是不是存在重复建设和需求高估?

Sam:现在有很多企业都在生产芯片,其中不少企业认为,它们生产的大部分芯片都能卖给我们、Anthropic 以及其他公司。但我们的需求、数据中心建设规模以及其他相关需求都有一定上限。市场需求和数据中心建设本身是扎实的,但我们不可能、也没有必要从每一家芯片供应商那里买走它们全部的产能。

Q:为什么公众越来越反感 AI 和数据中心?

Sam:如果我们向公众承诺治愈癌症、降低商品价格,却让他们失去对未来的自主权、控制权和发言权,这是一种糟糕透顶的宣传方式。我不想生活在这样的世界里,也不认为大多数人想要这样的未来。我们不应该把未来交给 AI,让它替人类作出决定。AI 应该是一种供人们使用的工具。

Q:OpenAI 已经进入 RSI 阶段了吗?

Sam:我们是否正在利用自己的技术,比不使用它时更快地开发新模型?是的。我们是否已经可以按下一个按钮,对模型说“请你设计下一代模型”,然后在完全没有人工监督的情况下迅速实现自我改进?绝对没有。

Q:用户能否导出 Dots 的记忆,避免被产品锁定?

Sam:Dots 比 ChatGPT 的记忆功能更复杂,我现在还没有一个现成的解决方案,但我认同用户应该拥有自己的数据,并能够按照自己的意愿使用这些数据。

Q:你是否反对普通人在家里安装大容量内存、运行本地模型?

Sam:如果面临内存供应短缺,最理想的资源利用方式,是让内存能够被共享,并且 100% 的时间都处于工作状态,而不是放在某个人的边缘设备里,有时才被使用。当然,资源利用率最高,并不一定就是决策时唯一应该考虑的理由。

Q:数据中心建设会不会因为债务和公众反对而受到限制?

Sam:我认为数据中心最终还是会建起来。具体建在哪里、采用什么方式,以及怎样才能符合所在社区的利益,这些都会发生变化。每一轮淘金热都会产生一些泡沫,市场上也会出现一些愚蠢的投资。数据中心建设速度有可能超过整个经济消化这些产能的速度,但我目前还没有看到这种程度的盲目扩张。

Q:AI 对科学研究的影响会有多大?

Sam:有些科学发现会迅速改变社会和经济,有些基础性突破可能需要几十年才能转化为实际应用。现在,数学家已经利用 AI 解决了一些过去根本无法解决的问题,物理学家、化学家和材料科学家也开始取得类似进展。我认为,接下来几代模型在推动科学发现方面的能力,真的会超出很多人的预期。

下面是对话全文,我们在不改变原意基础上进行了整理和删减,以飨读者。

1 “我特别能共情 Jensen 现在的处境”

主持人:想先问问,你这个周末看《周六夜现场》了吗?

Sam: 刚看了。

主持人: 感觉怎么样?

Sam: 有点好笑。我挺喜欢《周六夜现场》的。

主持人: 只是有点好笑?好吧。这期节目讲的是黄仁勋的风波。差不多 3 年前,你也经历过类似的事:当时你被董事会罢免,后来有人发起支持你的联名信。最近流传的一封支持 Jensen 的信,我觉得几乎就是照着你当年支持者起草的那封信复制出来的。所以我想问,你觉得 Jensen 应该回来吗?

Sam: 我掌握的信息还不够,没法回答这个问题。Jensen 一直是我非常敬佩的人。当然,英雄也有缺点。我很感谢他创建的公司。我特别能共情 Jensen 现在的处境,因为我记得自己当时是什么感受,虽然那已经像是很久以前的事了。很难想象没有 Jensen 的 AI 革命,他创立的公司很早就选择支持我们,我们也很早就选择支持他。对此我非常、非常感激。

主持人: 英伟达还为你们在俄亥俄州的数据中心提供了担保,我记得金额是 1050 亿美元。他们像一家银行,是整个行业背后的资金支持者。你觉得这项担保如今的分量,还和几周前一样吗?

Sam: 英伟达是一家体量极其庞大的公司,我认为人们依然非常信任它的担保。不过,没错,没有 Jensen 的英伟达会是什么样子?Jensen 和英伟达显然联系得非常紧密。我觉得,他带给这家公司的雄心和规模,对整个行业都非常重要。

主持人: 所以你认为这件事会产生连锁反应,对整个行业造成影响?

Sam: 我认为,目前市场上的需求非常旺盛,AI 确实正在发挥作用,人们也确实想用。相关收入和需求都在快速增长,所以我觉得整个行业会保持健康。不过,Jensen 确实扮演了一个非常特殊、非常有价值的角色,他以极大的雄心推动着整个行业往前走。

2 Anthropic 上市不影响 OpenAI 投资者需求

主持人: Anthropic 本周就要上市了,但现在投资者似乎对市场有不少疑虑。你自己真的想让 OpenAI 上市吗?如果可以避免,你会选择不上市吗?

Sam: 我觉得,对这个行业持怀疑态度的更多是记者,投资者似乎对 AI 仍然相当乐观。当然,市场会有起伏,价格会上涨也会下跌,行业会经历过度建设和建设不足的阶段,也会有事情出错的时候,当然也会有事情进展得特别顺利的时候。但总体趋势是,巨大的价值正在被创造出来,同时也有大量既有价值被颠覆。我认为投资者已经意识到了这一点。刚才我们在后台听到资本投入规模时,也能感受到这一点。

至于我是否想让 OpenAI 上市,我们最终会在某个时候上市。我认为,上市确实有一些明显的弊端。现在这个行业波动很大,涉及安全以及社会将如何与这项技术相处等问题,很多决策都非常重要、影响深远。作为一家私人公司,有些事情无疑更容易处理。

另一方面,想投资这项技术的并不只是那些恰好有机会进入私人市场的投资者,整个社会都希望参与其中。从这个方向来说,我认为让更多人有机会投资是一件好事。

主持人: 那如果 Anthropic 先上市,后面还会有足够的投资者需求吗?你们会不会变成 Lyft,而对方是 Uber?你会担心这种情况吗?

Sam: 我不担心。我理解你每天都需要写东西,总得制造一些话题,比如这场竞争、那场竞争,谁赢了、谁输了,又发生了什么。但我关注的是更宏观的趋势,以及正在创造的价值。

我完全不担心市场上缺少足够多的投资者需求。事实上,回顾过去一年,投资者需求太多,而可供投资的机会和股票供应不足。不过,我认为我们能够继续建设,整个行业都在创造难以置信的价值。

3“ 整个供应链已非常庞大,复杂程度很高”

主持人:你之前在一次闭门会议上对三星高管谈到,AI 行业存在一定程度的重复计算。你当时究竟是什么意思,能解释一下吗?

Sam: 当然。很长一段时间里,这个行业基本上只有一家芯片供应商。因此,在统计晶圆需求时,供应链企业可以询问我们这样的公司,了解我们的需求预期,从而大致判断它们能够生产的芯片最终会有多少用户需求。

现在情况不同了,有很多企业都在生产芯片,其中不少企业认为,它们生产的大部分芯片都能卖给我们、Anthropic 以及其他公司。但我们的需求、数据中心建设规模以及其他相关需求都有一定上限。我认为,现在有很多芯片制造商都在与整个半导体供应链沟通,而且都假设我们会买下它们生产的全部芯片。

我想强调的是,市场需求和数据中心建设本身是扎实的,但我们不可能、也没有必要从每一家芯片供应商那里买走它们全部的产能。

主持人: 这对整个行业意味着什么?是不是说行业已经过热,很多东西被高估了?

Sam: 我相信市场肯定会有起伏。长期来看,市场对大量算力的需求,以及算力能够释放的价值,都非常明确。现在,人们已经在大规模使用这项技术,并创造出令人难以置信的成果。就像其他技术革命一样,长期趋势是清晰的,但要准确预测每个季度、每一年的供需是否完全匹配,就困难得多。

主持人:你刚才说,过去芯片供应商会预期你们会买下全部芯片。我原本以为你们确实想买下所有芯片。现在英伟达不再向中国供货了,这是不是意味着你们有机会获得更多供应?

Sam: 供应链非常复杂。在不同阶段,我们受到的制约因素也不一样。有时是内存,有时是机架组装,有时是数据中心容量,有时甚至是某个完全意想不到的零部件。比如你会觉得不可思议:我们竟然因为全球 PCB 覆铜板供应不足,无法提供更多服务。现在整个供应链已经非常庞大,复杂程度也很高。

4为什么选民中总有反 AI 情绪

主持人: 在 Jensen 的事情之前,另一个受到关注的新闻是民主党取得了选举优势。我看到,除了一项与数据中心相关的公投提案没过外,其他都通过了。换句话说,很多人都不喜欢数据中心。两党选民中都出现了反对 AI 的情绪。我很好奇,AI 行业究竟在哪些方面把这项技术讲得这么糟糕,以至于公众如此反感?

Sam: 如果我们向公众推销这项技术时说:“我们将为你提供癌症治愈方法,让商品变得更便宜。”但代价是:“你将失去对未来的自主权、控制权和发言权。你会像一只拉布拉多犬一样生活。机器可能会努力让你开心,但你将无法自己决定如何获得快乐。我们会急着把未来的控制权交给 AI,再把 AI 打造得非常友善,让它好好照顾你。”

这是一种糟糕透顶的宣传方式。我不想生活在这样的世界里,我也不认为大多数人想要这样的未来。

当然,这里面还有很多经济层面的问题。但我认为,如果你和那些真正不喜欢 AI 的人深入交谈,越过他们最初表达的那些担忧后就会发现,数据中心只是一个很容易被指认的对象,因为它是上面更宏大问题在现实世界中的实体体现。就业问题则是人们眼下非常直接、感受非常强烈的担忧。

但还有一个长期问题:未来人们在社会中将扮演什么角色?人类与 AI 之间的权力关系会是什么样?拥有大量 AI 和算力的人,与没有这些资源的人之间,又会形成怎样的权力差距?

我认为,AI 行业必须在这个问题上采取非常明确的立场:我们应该坚定支持并承诺,让人类始终掌握未来的控制权。我们不应该把未来逐步或突然地交给 AI,让 AI 来替人类决定未来。现在硅谷常用的说法是“移交控制权”(handover),这绝不应该发生。AI 应该是一种供人们使用的工具。

我觉得公众能够察觉到,AI 行业并不是所有人都持有这样的立场,所以他们的恐惧并非没有道理。再加上经济上的不确定性,以及 AI 引发的各种网络安全问题,人们自然会反对数据中心。但就我和他们交谈的感受,他们真正反对的是一种不确定感:打造 AI 的这些人,究竟是不是真的站在人类这一边?

主持人:你在 2025 年 7 月曾经说过,自己在政治上“无家可归”,还说民主党已经失去了创新文化。你现在仍然这么认为吗?

Sam: 大体上仍然如此。

主持人:这会如何影响你对最近选举结果的看法?显然,你希望与任何当选的领导人合作。

Sam: 是的,我希望与任何民选领导人合作。我仍然认为,美国需要一个更符合我所认同的理念、也更接近美国长期以来创新精神的政党。如果能出现这样的政党,那会非常好。我希望两党都能朝这个方向发展,而且我认为双方都出现了一些积极信号。

主持人:过去你也与政府官员有过联系。你可以给 David Sacks 打电话,也可以联系 Susie Wiles。那么 Stephen Miller(特朗普最核心、资历最老的亲信之一)呢?你能联系上他吗?

Sam: 我不知道,可以试试。

主持人:你上一次和特朗普交谈是什么时候?

Sam: 在中国国宴。

主持人: 当时你们聊了些什么?

Sam: 没机会进行非常深入、非常细致的谈话,话题有很多。

主持人:有人曾在你的办公室里偷偷安装麦克风。这些事情是否改变了你的交往方式?你们有很多来自海湾地区的投资者,你会因此用不同的眼光看待他们吗?

Sam: 实际上,我们在这方面的经验可能比外界想象的要丰富。我们很早就开始适应这样一个现实:AI 是一件极其重要的事情,很多人都在想方设法获得竞争优势。有人可能会在我们的会议室里安装摄像头,也有人可能约我们的工程师出去喝几杯,试图套取预训练技术的机密,诸如此类。

所以,我们其实已经在这样的环境中生活了一段时间,只是现在其他人才开始公开、突然地意识到这一现实。我们有时也会上当,我们的运营安全和整体安全措施肯定并不完美,但我们有时间逐步适应这种环境。

5 “大多数人并不真正理解 RSI 意味着什么”

主持人:你刚才谈到安全。我知道你经常把很多问题都归入安全这个范畴,包括信息安全。你们常用的一个原则是采取务实的中间路线。

Sam: 没错。完全把 AI 锁在实验室里、绝不信任任何外部人士、不让整个社会参与进来,也不逐步部署技术、让公众有机会使用,这种做法完全行不通。

但另一方面,我们也不能假装 AI 和其他普通技术没有区别,不能认为我们不需要采取任何与以往公司或行业不同的做法。

这可能意味着,我们需要格外谨慎地处理与外部世界的接触;也可能意味着,某一天这项技术会在很短时间内变得极其强大,以至于我们必须改变所有计划,才能继续兑现自己希望提供的安全保障。我们之前谈到的一个原则:人类必须始终掌握未来的控制权,随着模型能力越来越强,可能要求我们采取一些非常不同的行动。

很多人都在谈递归式自我改进(recursive self-improvement,RSI)。这个词说起来很容易,但我认为大多数人并不真正理解它意味着什么,也没有认真想过我们可能需要采取哪些措施。因此,在所有对外发声时,我们都试图始终牢记正在发生的事情有多么重大,以及我们正在做的事情意味着什么,然后以务实的中间路线行事,正视这个世界复杂而混乱的现实。

主持人:既然你提到了 RSI,你们已经进入这个阶段了吗?这种情况正在发生吗?

Sam: 和通用人工智能(AGI)这个概念一样,RSI 很难划出一个明确的界限,告诉大家从某一刻开始,我们就进入了这个阶段。

我们是否正在利用自己的技术,比不使用它时更快地开发新模型?是的。我们是否已经可以按下一个按钮,对模型说:“请你设计下一代模型”,然后在完全没有人工监督的情况下迅速实现自我改进?绝对没有。我们确实可以在 RSI 的方向上走得更远,但我认为,以目前的情况,我们还无法安全地做到这一点。

再强调一次,我认为,如果我们始终坚持一个原则:人类必须永远掌握未来的控制权,那么它会对后续很多决策产生影响,包括我们应该以多快的速度推进 RSI。

主持人: 所以,你们会因为这个原则而暂时放慢 RSI 的进展?

Sam: 我认为,暂缓推进 RSI 是一种策略。RSI 本身也可能是一件好事。比如,利用这项研究和技术,更快、更好地开展 AI 对齐研究,就是一件非常有价值的事情。但我希望外界理解,我们做决策时会始终坚持一个原则:人类必须继续掌握未来的控制权。同时,我们也会采取务实的中间路线来处理安全问题,以及与外部世界的关系。

主持人:METR 最近发布了一份报告,称与几年前相比,Anthropic 在某些特定任务上的能力发展速度已经翻倍。你们是否也观察到了类似的增长速度?

Sam: 我不知道是否存在完全相同的衡量指标。这些能力的发展仍然具有很强的不均衡性,因此很难笼统地说,整个类别的任务都快了两倍。肯定有一些事情,我们现在做得比过去快得多;也有一些事情,进展速度要慢得多。把所有情况混合起来计算一个平均数字,往往比表面看起来复杂得多。

既然提到了 METR,我们现在也在与包括 METR 在内的外部评估机构合作。让外部人士对我们的安全工作以及这些系统的稳健性提供独立意见,会变得越来越重要,也越来越有价值。

6Dots 的记忆 比 ChatGPT 复杂

主持人:我们来谈谈产品。我自己在用 Dots,觉得它非常有用。我看了你们的服务条款,开始好奇我的数据究竟存在哪里?这些记忆被保存在云端的什么地方?目前,我无法改变它们,也无法以任何方式编辑它们。我有些担心用户锁定效应。你们会不会提供一种机制,让用户把 Dots 的记忆导出到其他产品或服务中?

Sam: 我们已经为 ChatGPT 的记忆功能提供了类似机制,那部分的数据结构相对简单一些。

从原则上说,人们应该能够带走自己的数据。不过,Dots 的情况比 ChatGPT 的记忆功能更复杂,因为 Dots 确实可能逐渐形成对你生活相当深入、复杂的理解。所以,我现在还没有一个现成的解决方案。但总体而言,我认同这个原则:人们应该拥有自己的数据,并且能够按照自己的意愿使用这些数据。

主持人:你觉得人们会不会因此感到担忧?我不希望它们放在云端,而我却完全无法控制,甚至连具体内容都看不到。

Sam: 我认为,你至少应该有办法查看这些数据、修改它们,并在自己需要的时候把它们带走。至于具体应该采用什么形式,我还没有想清楚。这个问题其实很值得思考。

最近有人跟我说了一句话,我觉得很有启发:整个科技行业里最大的用户锁定效应,可能就是你的 iPhone 照片图库和 iMessage 信息。你在里面积累了过去 20 年的生活记录,而且你很少会主动想到这一点,因为你随时都可以打开它们、查看内容。理论上,你也许可以把它们导出,但你大概率不会这么做。至少,你还可以想象自己有一天把 10 万张照片搬到别的地方,这件事在理论上是可行的。

但如果系统对你形成了一种细腻而深入的理解,情况就不同了。比如,一个非常优秀的助手知道你的生活习惯和偏好,知道你通常喜欢什么,也知道在某些特殊情况下,你会有不同的需求。这些东西很难被写成一套明确的规则。

也许 Dots 能够以一种人类做不到的方式形成这种理解。再次强调,我认同你的原则,只是此前我还没有认真考虑过,在产品里究竟应该设计一个什么样的按钮,才能实现这一点。

主持人: 当然,你永远不希望解雇这样一个助手。这样一来,客户锁定效应就很强了。

Sam: 是的。

7 内存最理想的利用方式是共享

主持人:说到消费者,你前几天因为谈到电脑内存而引起了一些争议。你当时似乎认为,让普通人在家用电脑上安装这么多内存,是一种资源配置不当。很多人对此不满,因为他们觉得自己应该有权折腾这些设备,也应该能够在本地运行模型。早期 PC 和互联网革命中,正是这些在家里摆弄电脑的爱好者创造了很多有趣的东西。你觉得在如今一切都转向云端的时代,我们是不是正在失去这种文化?

Sam: 我想先澄清,我希望人们拥有大量内存。我认为每个人都应该购买大量内存,而且应该能够为自己的电脑买到足够多的内存。我觉得这是一件好事,我也非常支持人们在家里折腾电脑。

遗憾的是,几年前我们就开始提出,世界需要大幅扩大内存供应链的产能。更准确地说,我们认为整个芯片供应链都需要扩产,包括逻辑芯片、内存、封装等所有环节。

我们当时特别强调,未来内存会出现严重短缺。有人引用过我说的话,称全球需要投入 7 万亿美元的资本开支(CapEx)。那番话给我惹来的麻烦,比我谈家庭电脑内存的言论还大得多。当时所有人都说这太荒唐了,不可能实现,完全不合理,全球不可能存在这么大的需求。

但后来,整个行业并没有按照所需规模扩大产能。现在我们已经看到 DRAM 价格大幅上涨,具体数字我不确定,可能涨了五倍、七倍。我认为,如果全球拥有充足的内存,情况会好得多。

我之前那番话可能被误解了,但其中有一点我仍然坚持:如果我们确实要面对内存供应短缺,那么从某种意义上说,最理想的资源利用方式,是让内存能够被共享,并且 100% 的时间都处于工作状态,而不是放在某个人的边缘设备里,有时才被使用。

当然,这并不意味着我们一定应该这样做,因为还有其他需要权衡的因素,比如人们希望在家里进行本地推理。资源利用率最高,并不一定就是做出决策时唯一应该考虑的理由。这才是我当时真正想表达的意思。

主持人:那么,你和这些企业高管见面时,会如何向他们解释这个问题?

Sam: 我认为现在大家已经开始增加产能了,未来我们会看到产量大幅提升。只是如果几年前就开始做这些事情,情况会更好。

主持人:你觉得他们此前是不是有些拖延?是不是没有相信需求真的会出现?

Sam: 有人曾经这样向我解释内存行业过去几十年的经营情况:你投入 200 亿美元,最后赚回 190 亿美元,大致就是这样。这个行业有繁荣,也有萧条,有些年份确实能赚钱,但总体而言,它并不是一门特别好的生意。

现在情况突然发生了变化。我听到的一种解释是,内存行业过去经历了太多轮繁荣与衰退,所以企业一直对大规模资本开支承诺心存顾虑,不敢轻易做出非常激进的投资决定。

8 “数据中心最终还是会建起来”

主持人:回到数据中心的问题。现在有这么多反对声音,你觉得数据中心最终还是会建起来吗?这些阻力会不会真正影响你们的建设能力?

Sam: 我认为数据中心最终还是会建起来。至于具体建在哪里、采用什么方式,以及怎样才能符合所在社区的利益,这些都会发生变化。也许我们会把数据中心建在远离居民区的地方,公众态度也会随着时间推移而改变。

就在不久之前,很多社区还希望数据中心建在自己附近,因为它们能带来就业机会和新的产业。现在,公众态度显然发生了变化,人们希望把数据中心建到很远的沙漠里。也许未来,人们又会希望数据中心回到自己的社区。

我完全理解人们不希望数据中心建在自己居住的社区里。但美国是一个幅员辽阔的国家,我们有很多空间可以利用。人们确实想使用 AI,也想使用数据中心所支撑的其他服务。大家喜欢互联网,喜欢在手机上看视频,诸如此类。所以,我认为数据中心一定会继续建设,只是目前这种建设方式,以及企业与当地社区打交道的方式,显然没有得到公众认可。整个产业生态需要作出调整。

主持人:你担心吗?很多人认为,这轮数据中心建设是靠债务融资支撑的,整个体系就像一座纸牌屋。你觉得债务会成为问题吗?

Sam: 在我职业生涯经历过的每一次技术革命中,实际收入增长和可观的利润率最终都会出现。如果不是这样,债务当然会成为问题。我也认为,总体而言,发行这些债务的都是相当聪明的人。

当然,每一轮淘金热都会产生一些泡沫,最终可能需要挤掉其中的泡沫。市场上会出现一些愚蠢的投资,但基本面仍然是:今天的商业世界正在发生极具变革性的事情。企业开始主动找到我们,说:“我已经看到了这项技术的价值,也看到了它未来能够为我提供哪些产品和服务。”这种变化非常清晰,也很有说服力。

当然,数据中心建设的速度有没有可能超过整个经济消化这些产能的速度?有可能。但我目前还没有看到这种程度的盲目扩张。

而且,我认为我们低估了下一代产品可能带来的变化。最初是聊天机器人,后来出现了 Coding Agent。过去几个月,我们开始看到科学智能(AI for Science)的雏形,以及利用大量算力发现新数学、新物理规律的可能性。

接下来,我们还会看到大量算力如何推动芯片设计,以及其他一些最有价值的工程项目。我们也会看到,算力如何帮助组织内部完成大量重复性工作。所有这些都具有巨大的价值,我预计这一趋势还会继续。

主持人: 其实你们刚刚宣布,将向学术研究人员提供更多免费算力。你刚才提到了数学实验,也提到你们已经解决了一些过去很难攻克的数学定理。我想知道,你认为这些数学发现会产生什么影响?比如,你们投资了核聚变公司,也投资了一些正在尝试重新编程细胞的公司。这些都是非常前沿的科学领域。你觉得 AI 会带来立竿见影的影响,还是需要更长时间才能体现出来?

Sam: 两种情况都会发生。我一直相信,推动人类长期进步最重要的因素之一,可能就是人类对科学的理解不断加深。有时,一项科学发现会迅速改变社会和经济。比如,我们掌握了如何制造大模型之后,经济很快就发生了变化。

但有时,某项发现可能只是物理学领域的一项基础性突破,它最终会被应用于新材料或其他领域,只不过这一过程可能还需要几十年。因此,我认为两种情况都会出现。

现在,我们从科学家那里听到了很多非常令人振奋的反馈。他们不仅能够更快地完成工作,还能够发现一些过去根本无法解决的问题。我们已经从数学家那里听到了很多这样的案例,现在物理学家、化学家和材料科学家也开始给出类似反馈。

想象一下,如果未来我们能够在一年内完成过去需要 10 年甚至 100 年才能完成的科学研究,再把这些成果转化为有价值的产品、服务和技术,最终应用到每个人的生活中,那将是多么巨大的进步。

如果我们回头看看 100 年甚至 500 年前的人们是怎样生活的,就会发现,过去的科学发现,以及将这些发现转化为人们日常可用技术的能力,极大改善了人类生活。我希望在不太遥远的未来,人们回顾 2026 年时,会觉得当时的生活其实相当艰难。而让生活发生巨大变化的主要原因,将是科学发现、算力、AI 和机器人技术,它们会让我们的生活更加愉快,生活质量更高,也更充实,让人们拥有更大的自主权。

所以,我们非常乐意把 AI 提供给科学家。我认为,接下来几代模型在推动科学发现方面的能力,真的会超出很多人的预期。

原文链接:

https://www.youtube.com/watch?v=Zvvz5qJvEVU

声明:本文为 InfoQ 编译,不代表平台观点,也不构成投资建议,未经许可禁止转载。

END

转发,点赞,在看,安排一下?图片

图片会议推荐

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。9 折优惠限时开启,现在报名立减 580,查看更多详情可扫码或联系票务经理 13269078023 进行咨询。

跳转微信打开

企业 AI Native 研发流程升级与重塑

2026年11月17日 13:30

原创 AICon 2026-11-17 13:30 北京

Agent 越强,人的重要性不是降低,而是重要性方式发生了改变。

作者 | 宋文龙(闻可),阿里巴巴 Qoder 高级技术专家

编辑 | 宇琪

审核 | 罗燕珊

策划 | AICon 全球人工智能开发与应用大会

2022 年以来,大模型在软件工程领域率先展现出可量化的生产力提升,Coding Agent 也从代码补全快速演进为能够参与生产级系统开发的主体。

本文整理自阿里巴巴 Qoder 高级技术专家宋文龙(闻可)8 月在AICon 2026 深圳站的分享《企业 AI Native 研发流程升级与重塑》。他结合自身团队用 Coding Agent 开发 Coding Agent 的实践,以及多家企业客户的落地经验,系统讨论了 Coding Agent 从个人工具走向团队级生产系统所必须跨越的关键问题。围绕 SPEC 先行、团队级 Harness、Agent team 与组织转型,他给出了从许愿式编程到 on the loop 研发范式的完整推进路径,并分享了高德、闪购以及 Qoder 内部的一手案例。

以下是演讲实录(经 InfoQ 进行不改变原意的编辑整理)。

1 AI Coding 的发展趋势及现状:从辅助编程到自主编程

我是一名做了二十多年的老码农,目前专注于 Qoder 这款 Coding Agent。Qoder 在开发者社区里有一些用户,可能和大家熟悉的 Codex、Claude Code、Cursor、Qoder 等 Coding Agent 同处于当前编程工具演进的第一线。我的工作重点是把 Coding Agent 放到大规模企业生产场景里落地,观察其中的问题并寻找解决方案。我们团队自己也在用 Qoder 开发 Qoder,这是一直坚持的方法,同时也让我们有机会看到大量客户在使用 Agent 开发生产级软件系统时的不同用法、困难与有效方案。

从整个 Coding Agent 的发展趋势来看,2022 年大模型兴起之后,我们最早只是在问答场景中尝试把 LLM 用在 Coding 上。到今天行业已经基本形成共识:大模型在 Coding 领域的生产效率提升是最明显的,明显超过许多其他行业。这个演进大致可以分为三个阶段。2022 年到 2024 年之前,大模型 Coding 能力尚未出现突破性进展,我们处在辅助编程阶段。那时工具主要在做代码补全,帮助程序员写一行代码、补一个 API、生成一点测试,核心生产仍然由人完成,企业核心资产是代码本身。

2024 年到 2025 年,Coding 模型快速演进,工具不再只是补全,而是进入协同编程阶段。模型能力有了明显突破,程序员群体一度担心失业,但从目前看还没有那么悲观。这个阶段更有价值的理解是,Coding Agent 可以成为结对编程中的伙伴。过去没有 Coding Agent 时,两个程序员互相补充,现在我们把这个角色交给 Agent。提示词、rules、规范开始成为重要资产,Agent 的输入和 Agent 产出的代码与人的产出同样重要。人的能力被大幅拓展,任务执行也开始转向任务驱动。

到 2026 年之后,业界正在进入自主编程阶段。Agent 可以在人可控的范围内,自主完成生产级实现。此时真正稀缺的已经不是生成式代码。大模型最擅长的就是大量生成代码、生成文档,它能给一个 hello world 写出上千行。真正成为企业核心资产的是 SPEC、研发规范以及面向 Coding 的知识库。有人已经不去逐行看代码了,人越来越向业务侧拓展。相应地,研发范式也必须从面向人转向面向 Agent,当前阶段我们更倾向认为是人和 Agent 并存的研发范式。

与此同时,LLM 工程化思路也在快速演进。最早期我们做 prompt engineering,给模型一个好的提示词;后来发现单轮提示不够,需要把上下文和输入输出一起纳入设计。2026 年前后,LangChain 的 Viv Trivedy 提出一个重要理论,即 Agent 等于 LLM 加上 Harness。因为 LLM 本身的能力存在天花板,只有加上驾驭工程,才能产生我们期望的输出。此后又出现了 loop、graph 等概念,本质上都是希望模型和 Agent 在工程化体系里更可控、更高效地产出。这些术语推得越来越快,但核心始终是如何驾驭模型,让它的输出更规范、更符合预期。

不同阶段的自主程度、核心资产、研发角色和开发范式都在发生变化。在辅助编程阶段,核心资产还是代码;协同编程阶段,提示词、规则、规范成为同等重要的东西;自主编程阶段,资产进一步上移为 SPEC、知识库和研发规范。这个变化在客户实践中表现得非常具体。我们看到很多企业都在用 Coding 工具,有人买了 Qoder 之后说,工具是好的,但团队遇到的问题反而更尖锐了。

一种非常典型的普遍现象是:个人快了,但整体团队研发效率没有提上来。程序员个人写代码的速度可能成倍提高,但团队的交付节奏、协作质量并没有同步改善。另一个现象是局部快了,Coding 本身快了,代码可以成千上万行地产出,但整个生产流程没有提速,软件发布流程没有提速,软件质量也没有得到真正改进。原因在于,Coding 只是完整软件工程里的一小段。

在使用 Coding Agent 时,还存在两个极端态度。一端是 vibe Coding,中文里常叫许愿式编程。用户非常信任 Coding 工具,认为它无所不能,觉得丢两句话进去就能得到生产级输出。但目前看,这并不现实,仍然需要加入知识体系和 Harness 工作。另一端是极端不信任,主要来自一些既保守又激进的态度。他们觉得 AI 真正产出什么都不可靠,不愿让 Agent 自主工作。有的客户甚至提出,能不能把 AI 工具产生的代码从一片一片 accept,改成一行一行接受。这背后其实是对 Coding 工具本身极度不信任。

这些现象暴露出一个更基本的问题:整个软件研发流程从需求到设计、编码、验证再到发布,编码本身虽然非常重要,但它占整个软件工程的工作量和时间往往低于 30%。把 Coding 效率提升 50%,在全生命周期里只能带来大约 15% 的提升;哪怕把 Coding 时间压到零,最多也只能提升 30%。剩下的 70% 必须回到整个软件工程中去解决,这正是我们在企业落地下一步要攻的方向。

2 AI Native 研发流程及范式:从 SDLC 演进到成熟度模型与流程重塑

谈到整个软件工程领域,我们需要重新审视流程规范的价值。几十年前,软件生产还只是打孔机时代或汇编时代,开发方式比较随意。但一旦进入大规模生产级系统,人们发现必须建立流程规范,于是推动了软件工程化。七十年代出现典型的瀑布模型,前期要规划大计划,做 high level design、low level design,再写代码、写单测、写集成测试、写性能测试,最后进入生产级交付。那套模型非常传统,但在当时解决了大规模协同的问题。

后来软件需求大规模发展,人的生产力成为代码生产的瓶颈,程序员非常累也非常吃香。于是行业提出极限编程、轻量方法、敏捷开发等思路,核心是把更多精力倾斜给程序员写代码。敏捷开发强调个体交互胜过工具流程,可运行的代码胜过写文档。那时程序员都不愿意写文档,文档和流程规范在软件工程中被旁路掉,甚至事后补文档、应付验收也屡见不鲜。但到了 AI Coding 时代,情况发生了反转。人已经不去逐行写代码,Agent 接收的输入说白了就是你的文档。过去被旁路的文档、规范、流程,现在成为必须项。以前常说磨刀不误砍柴工,现在必须先把刀给 Coding 工具准备好;没有这些前置工作,产出一定有问题。

在 AI native 时代,给 Coding 工具的不是简单的命令,而是生成约束、契约接口和流程规范。大模型泛化能力非常强,去年年底到今年年初很多非技术人员非常兴奋,因为用 Coding 工具可以快速写出以前要请求程序员很久的东西。但这种泛化能不能稳定、可靠地运行在生产级系统里,仍然需要大量的工程化工作。

基于这些观察,我们提出一个四级成熟度框架,用来讨论企业使用 AI Coding 工具所处的阶段。

第一级是基础 AI 辅助,现在已经基本没有人停留在这里。第二级是 Agent 作为个人工具助手,程序员给 Agent 挂一个 Codex 或 Qoder,自己写代码非常快,但这并没有解决生产率的团队级提升问题。第三级是关键转折,团队需要建立 software engineering 级别的 Harness,而不是只停留在 Agent 级别的 skill、MCP 和上下文管理。团队要建立自己的知识体系,明确整个团队给 Agent 的基础规范和知识契约。产品经理、测试、程序员看到的是一份知识,Agent 看到的也应该是同一份知识。这样 Agent 才不会天马行空。第四级是比较理想化的阶段,组织要 AI native 化,研发流程、生产系统全部面向人与 AI 重新设计。

这里还需要区分两个概念:人在 loop 之内,还是人在 loop 之上。如果人的工作方式仍然是原来的流程,Coding Agent 只是嵌进去,生成的东西由人提交到原有流程,那么效率仍然很低。即使把 Agent 放进流程中,只要人和 Agent 都被锁在 loop 之内,改善也有限。真正高质量的做法是让人站到工作 loop 之上,让 Agent 和实体个体在 loop 里跑,人去做关键质量把关。这样生产力提升才不局限于那 30% 的编码环节,而是可以期待整个流程的显著提速。

因此,研发流程需要面向人和 AI 做重塑、优化或精简。传统链路里,需求评审、任务拆解、开发、测试、回归每个环节都做得非常细。Coding 工具来了以后,一些细小环节应该尽量压缩,让工具自由发挥,同时通过质量门禁和规范让它自主产出。但核心关键点必须由人验收:需求合理性要人把控,合并代码前人要验收,发版前人要验收。这样既没有放弃人对软件工程的关键把控,又能充分发挥 AI Coding 工具的能力。

3 AI Native 解决方案:SPEC × Harness × AgentTeam × 组织文化

落地方法上,我们总结出几个大方向:做 SPEC,做团队 Harness,做 Agent team,同时并行推动组织文化和组织转型。

大家刚开始用 Coding 工具时,最常见的是 vibe Coding。用户两句话写一个愿望,期待工具直接给出生产可用的结果。写个 demo 还可以,但放到生产系统里一定是灾难性的。后来我们开始写 plan,把复杂的 plan 写到接近伪代码的级别。但 plan 仍然局限于与 Coding 工具的单次交互过程,它没有沉淀为持久化、结构化、可验收的资产。过去程序员常说 talk is cheap, show me the code;到了 AI Coding 大规模应用之后,我们更倾向于说 code is cheap,甚至可以不看代码,show me your SPEC。这里的 SPEC 就是最核心的资产。所以一定要做 SPEC 先行,并像管理代码一样严格管理 SPEC。

用 Qoder 做会话时,它会主动要求澄清一些问题,最后生成结构化的 SPEC 文档。还有一些客户把 Qoder 与 OpenSPEC 工具结合,强制分阶段产出文档。究竟是一个大文档,还是每个阶段一个文档,其实并不重要。重要的是覆盖需求澄清、做什么、怎么实现,以及非常关键的 validation,也就是如何验收。还需要写清楚哪些是允许的,哪些是 forbidden,让模型在可控范围内产生输出。这样才能避免模型泛化带来的偏差。

好的 SPEC 至少要做到三重闭环。第一,需求澄清要完整,不能只写一个标题或一句愿景。第二,实现路径要讲清楚,但避免把 SPEC 写成伪代码,否则就失去了 Agent 的自主性。第三,验收规则必须精确,尤其是对测试覆盖、错误处理、边界条件和禁止事项的定义。那些用得非常好的团队,对 SPEC 的管理甚至比代码管理还要严格。因为 SPEC 一旦被 Agent 消费,它会直接影响几百行、几千行甚至几万行代码的生产。规范错误会被成倍放大。

做完 SPEC 之后,下一个重点是团队级的 Harness。这里所说的 Harness 不单指 Agent 级别的 skill、MCP 和上下文管理,更重要的是整个团队的知识体系。很多用 Coding 工具用得好的团队,都投入了大量精力做知识管理、生成和治理。

除了知识,团队 Harness 还包括能力工程和质量门禁。现在无论什么 Agent 工具,生成一个 skill 都非常容易,两句话就可能产生一个 skill,结果 skill 泛滥成灾。团队必须区分哪些是好的 skill,哪些可以从个人级沉淀到团队级。代码生成、测试生成、迁移、重构等任务,都需要有专门的能力约束,否则 Agent 要么偷懒,要么产生过度工程化的东西。

测试与验证是团队 Harness 中特别反直觉的一环。Coding 工具来了以后,有些团队不再设置专门测试人员,但测试这件事反而更重要了。因为我们给模型的输入和前置知识不同,产出质量差异很大;反向的验收点不同,产出同样差异巨大。表面上测试人员数量可能变少,但测试工作变得无处不在。过去我们说人人都是产品经理,现在可以说人人都是测试员。我们 Qoder 团队里有一些做得非常好的工程师,甚至专职全职在写测试用例。把知识、能力和验收门禁组合起来,Coding 工具才能真正发挥作用。否则它只能提升你的下限,永远无法决定你的上限。

个人使用 Coding Agent,解决的只是超级个体问题。再往后走,每个人都要带一个 Agent team。Qoder 里有专家团模式,每个专家团里有产品经理、开发、测试等角色,每个角色有自己独立的配置和倾向。用户发一句号令,leader Agent 会自己去拆解任务,并判断什么时候让产品经理干活、什么时候让开发 Agent 干活。过去需要人去调度的协调工作,现在由 Agent team 自行完成。

从 Qoder 团队的实践来看,几乎每个同学都配了一台 mac mini,上面跑着大量他自己的 Agent 工具。人和这些 mac mini 上的 Agent 组成一个协同网络。一个 Agent 去问另一个 Agent,这种协同不是理论描绘,而是在真实环境中跑起来的状态。人机协同不只是人发指令给 Agent,而是多个 Agent 与人共同形成工作网络。

这个变化对组织提出了新的要求。很多客户来找我们交流,不是和我们技术或产品同学聊,而是和阿里的 HRBP 聊如何做 AI native 组织转型。问得非常直白:要不要砍人?职责怎么调整?这里没有统一范式,但能看到一些共同特征。组织需要极短的决策链路,因为 Agent 生产力极高,它躺在那儿嗷嗷待哺,决策慢就是浪费。需要更高的人才密度,因为人的能力被极大提高,团队规模可能变小,但留下来的人能力要更强。我们听到有团队说,今年给我配一些 token 额度,我就不要人了。这不是替换,而是人的能力杠杆发生了变化。

同时需要极低的协调开销。布鲁克斯在《人月神话》里提出,在一个进度落后的软件项目中增加人手,进度反而会更落后。这是因为人和人之间的协同成本会随着人数增长而拖累整体节奏。现在人和 Agent 协同,人的能力大幅增强,更应该尽量减少人与人之间的协调开销。敏捷时代经常讲 one pizza team,一个团队七八个人。有了 AI Coding 工具和 Agent 以后,这个规模可能还要进一步下降。最后一点是极强的决策洞察。人的洞察能力、对事物的判断能力,还不能被 Agent 取代。当前 AI 并不是通用人工智能,关键判断和决策仍然要依赖人来完成。

4 Qoder AI Coding 最佳实践:产品全家族 × 避坑指南 × 八个技术方法 × 标准化流程

前面讲的方法论,并不是空谈,我们自己在面对并解决这些问题,同时把它们沉淀为产品能力。Qoder 整个产品家族看起来比较复杂,但底层都是统一的大模型、Agent 引擎和全球 SOTA 模型,加上 Harness 能力。所有产品形态都基于同一个 Qoder CN CLI。IDE、数字员工、云端 Agent 全部构建在 CLI 之上。很多团队直接用我们的 CLI 包装成自己的 Coding Agent,因为客户购买了 Qoder 之后,也可以直接用底层 CLI 做二次开发。

在产品能力上,QMind 承担企业级知识管理;Qoder 本身有强 SPEC 模式,必须先产生一个持久化的 SPEC,Agent 才能往下执行;工具支持 loop,也提供数字员工、Cloud Agents 和 Qoder CN CLI 的 SDK,客户可以在自己的系统里把能力嵌进去,成为自己的 loop。

以强 SPEC 模式为例,用户必须经过需求澄清、生成 SPEC、审核 SPEC,然后才能进入实现和提交。强 SPEC 模式还支持定时任务和目标驱动执行。我们见过一些用得好的程序员,白天专心写 SPEC,晚上把复杂 SPEC 交给模型执行,第二天早上模型已经按照 SPEC 完成了大量代码。这既需要 SPEC 本身写得足够好,也要求底层 Coding 工具有足够强的长程执行能力。如果工具跑到一半就跑不下去,留给你的是半套代码和不确定的产物,这种生产方式就不可持续。

Goal 驱动映射到 loop engineering,用户可以给出一个明确目标,让 Agent 自主持续运行直到达标。提高测试覆盖率、代码迁移、性能调优这类典型场景,都可以用目标驱动方式完成。Qwen3.8 发布时有一个非常大型的长程任务,就是通过这种工具执行的。在企业级知识库上,我们一直说要像编译代码一样编译知识,把知识交给知识库编译生成,再喂给 Agent 做生成和检索。此外还有专家团模式,把 Agent team 直接集成进产品,用户不用再自己搭建复杂的中控逻辑。

关于实践中的共性问题,其实不限于 Qoder,所有 Agent 工具都会遇到。上下文给得太少,不设规则,部分任务完成后不去审查,每一次产出都停留在与模型的会话里,没有沉淀为个人可复用资产,更谈不上组织级资产。要解决这个问题,必须在项目里写好 rules,把规则写进 report 或 Agent markdown;做 SPEC 先行;管理 skill;支持多 Agent 协同。多个 Agent 协同尤其重要,因为一个 Agent 的上下文和偏差是固定的,让它 review 自己产生的东西,很难发现真问题。必须更换另一个 Agent 来做审查。同时还要关注上下文输入、MCP 配置和知识维护。人仍然要做审查,但不是全部都审。AI 一次产生三千行代码,人不可能全部看。AI 特别擅长生成过度工程化的东西,例如用六边形架构填充大量空壳。人要看的是关键点判断:哪些路径是核心、哪些约束是硬性的、哪些问题曾经发生过。把这些判断前置进去,把关键验收放进流程,才能真正做生产级标准化。

5 阿里 AI Native 实践案例分享:高德地图 · Qoder Harness

高德的知识管理曾在公众号上有过一篇非常详细的文章,我认为他们做得非常好,他们用的就是我们的 QMind 知识库。这并不是说 QMind 拿代码扫一遍就完了,他们做了非常多的知识工程。他们把知识分成四层:底层是代码,因为代码是所有知识的基础来源;再往上是工程级的内部流程术语;然后是业务知识;最后是质量门禁和常见问题。上次犯过的错误,如果不写进门禁,下一次模型可能还会再犯。他们还做过一个内部 Coding benchmark 的实测:在通用领域,Coding 工具的 one shot 一次解决成功率可以达到 90%,但只要涉及专业领域知识,表现就会明显下降,所以必须做专门的知识工程。

他们基于代码生成项目 report,这在 Qoder 里对应一种类似大 wiki 的知识形态,看起来像一个资深架构师写出来的文档。但深入看会发现问题:模型在通用领域生成内容时,会夹杂官话套话。所以高德团队做了前置的 Coding plan 和 knowledge plan,明确哪些内容要生成,哪些额外信息要补进去。发现知识有问题之后,还会做后置补救调整。代码变化时,他们通过 web hook 基于底层 SDK 和 CLI 更新产品知识。知识更新完成后,会通知关联团队,比如让产品或运营更新产品手册,让测试更新测试用例。这些行为的源头仍然是代码知识,并通过知识工程向外分发。

高德有二十多个 SDK 仓库,存在大量嵌套依赖。一个改动会影响谁,单纯靠人工很难搞清楚。他们通过知识工程做嵌套召回,让知识层能够感知跨仓库的影响。这个案例说明一个反常识的判断:AI Coding 时代代码不再稀缺,真正稀缺的是高质量知识。但知识不会自动变好,它需要像管理代码一样做工程化。

回到我们 Qoder 自己。我们既是 Coding 工具的生产商,也是 Coding 工具的使用者,面临的问题比一般客户更复杂。一般客户只要用编码工具开发生产系统即可,我们则要用 Coding 工具开发 Coding 工具本身。Coding 工具本身受大模型不确定性影响,需求的变化和模型能力的迭代交织在一起。为此我们做了整个研发流程的 Harness,需求进来之后由 AI Coding 接管。各个节点分别由 mac mini、底层 CLI 以及云端 Agent 承担,内部有 graph engineering 的设计思路,通过图中节点调度不同 Agent,形成闭环。Qoder 在全球有上百万用户,每天反馈的问题量非常庞大,纯粹靠人看根本看不过来。现实中我们每天发布一个版本,相当一部分 bug 是由 Agent 自己修复的。这就是这套 Harness 带来的实际价值。

有两个数据可以说明我们在生产级场景中的验证效果。第一次做生产机重构时,存量代码有四百万行,我们基于自己的工具和流程写了四十万行代码。另一个实践是五人七天,基于 Qoder 的 CLI 开发了一套桌面办公系统 QoderWork。这些实践不是对外吹产品能力的数据,而是我们自己在生产环境中使用这些方法后得到的真实结果。

最后回到根本问题上。Agent 越强,人的重要性不是降低,而是重要性方式发生了改变。过去人重要在写代码,现在人重要在给 Agent 提供什么样的输入。软件工程真正复杂的部分,是整个真实物理世界的本质复杂性;把这些复杂性转化为可运行代码,反而只是次要问题。AI Coding 工具让我们有机会把人从次要问题中解放出来,更深入地去处理软件工程的本质复杂性问题。

会议推荐

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。9 折优惠限时开启,现在报名立减 580,查看更多详情可扫码或联系票务经理 13269078023 进行咨询。

跳转微信打开

开发者每周借助 AI 节约数十小时的比例在一年内从 68% 降至 26%

2026年11月17日 13:30

InfoQ 2026-11-17 13:30 北京

根据 Atlassian 发布的《2026 年开发者体验现状报告》称,在过去一年中每周通过 AI 节省超十小时的开发者比例已从 68% 降至 26%。与此同时,AI 的普及程度已接近全面覆盖:95% 的开发者和 96% 的工程负责人表示,他们所在的组织已在工程工作中积极使用 AI。

作者 | Steef-Jan Wiggers

译者 | 马可薇

根据 Atlassian 发布的《2026 年开发者体验现状报告》称,在过去一年中每周通过 AI 节省超十小时的开发者比例已从 68% 降至 26%。与此同时,AI 的普及程度已接近全面覆盖:95% 的开发者和 96% 的工程负责人表示,他们所在的组织已在工程工作中积极使用 AI。

该报告基于 2026 年对 1,155 名个人贡献者和 405 名工程负责人的调查。Atlassian 对这些数据的含义给出了相当直接的说明,指出研究结果“反映的是受访者自我报告的体验和感知,而非部署频率、周期时间或收入影响等系统级遥测数据”,并强调,数据中的相关性“不能被解释为因果关系的证明”。

Atlassian AI 与团队协作部门 CTO Taroon Mandhana 总结了这一变化,认为“瓶颈已经转移到管理 AI 的工作上”。

AI 带来的局部收益并未消失。87% 的开发者表示,AI 帮助他们更快交付软件;80% 的开发者表示,AI 帮助他们在不延长工作时间的情况下完成更多工作。

但日常工作中的障碍并没有因此减少。只有 28% 的开发者表示,与使用 AI 之前相比,工作中的摩擦明显减少;50% 的开发者则表示摩擦程度基本相同,报告中将其描述为“与使用 AI 之前不同类型的摩擦”。

其中一部分变化直接来自 AI 本身。49% 的开发者现在每周花费 4 小时或以上管理 AI 工具,65% 的开发者表示,他们需要花时间纠正未能理解原始意图的 AI 生成内容。工程负责人的这两个比例更高,分别达到 57% 和 72%。另有 29% 的开发者明确将审查或管理 AI 生成的代码列为工作摩擦的来源。

其他工作障碍在过去三年中几乎没有变化。查找信息以 51% 位居首位,其次是会议(50%)、上下文切换(45%)和技术债务(44%)。查找信息同样位列 2025 年报告 的首位,在 2024 年报告中排名第二。编码工作从未出现在这份障碍清单中。

报告对工作效率衡量方式的批评尤为直接。60% 的开发者表示,他们所在的组织将 AI 使用情况视为生产力指标;41% 的开发者表示,有时会因为觉得组织有所期待而过度使用 AI。与此同时,只有 42% 的工程负责人认为,自己拥有能够区分实际收益与活动量的正确指标。

在回应 Mandhana 时,为企业工作流构建生产级 AI Agent 的 Shan Huang 将其中两个数据联系起来:

如果人们因为觉得组织有所期待而过度使用 AI,那么每周花 4 小时以上管理 AI 输出的那 49% 开发者中,有一部分人面临的并不是工具问题,而是指标问题。

我把这种现象称为“表演式吞吐量”:AI 使用量被计入生产力,而清理这些输出的工作却落在了别人的日程上。

Athena Intelligence 的 Taylor Johnson 用一句话提出了替代方案:

AI 活动量不等于实际影响;我们要衡量被接受的工作成果,而不是使用量。

明确制定 AI 战略的组织仍然很少,但其表现似乎更好。17% 的开发者和 23% 的工程负责人表示,他们所在的组织在整个软件交付生命周期中拥有明确且正在积极实施的 AI 战略。在这些开发者中,41% 表示,与使用 AI 之前相比,工作摩擦明显减少;而在那些认为组织战略不一致或沟通不充分的开发者中,这一比例仅为 22%。

Atlassian DevOps 布道负责人 Andrew Boyagi 将这一差距称为关键的区分因素,但报告本身也提醒,这种关联并不能证明因果关系。

过去三年中,还有一个趋势始终在恶化:认为组织领导层未能充分理解自己所面临挑战的开发者比例,从 2024 年的 44% 上升至 2025 年的 63%,并在 2026 年达到 66%。

设计师、前 AWS 员工 Cam Turner 提出了一个 实际问题,而报告和相关讨论都没有给出答案:“一年内从 68% 降至 26%,说明工作已经从创造转向审查。有人在设计审查环节了吗?还是团队只是在默默承担这部分工作?”

关于标题中的数据,有两个需要注意的地方。首先,这是一项由开发者工具供应商开展的研究,而该公司最终得出的结论有利于推动 AI 交付流程的正式化。其次,调查的样本规模发生了变化:2025 年的调查覆盖 六个国家的 3,500 名开发者和管理者,而今年的调查只有 1,560 名受访者。此外,两份报告都没有公布调查的具体实施日期。

自我报告的工作时间本身就存在较大的不确定性,既可能高估,也可能低估。评论者 Harshit Jain 直接提出了这个问题:这一比例下降究竟是因为审查工作增加,还是因为组织对开发者的期望提高了?报告并未对这两种情况进行区分。

原文链接:

https://www.infoq.com/news/2026/10/atlassian-devex-2026/

声明:本文为 InfoQ 翻译,未经许可禁止转载。

点击底部阅读原文访问 InfoQ 官网,获取更多精彩内容!

。

END

转发,点赞,在看,安排一下?图片

图片

阅读原文

跳转微信打开

“AI生成的代码必须开源!”开发者吵翻了,被开源代码喂大的Anthropic怕是第一个不同意

2026年11月16日 12:29

原创 褚杏娟 2026-11-16 12:29 北京

“所有 AI 生成的代码都应该开源。”

作者 | 褚杏娟

“所有 AI 生成的代码都应该开源。”

11 月 15 日,开源开发者 Jakub T. Jankiewicz 公开呼吁将 AI 生成的代码全部开源,或者直接放入公共领域。他认为,AI 模型从开源社区几十年积累的代码和技术知识中受益,企业却可以利用这些模型生成闭源软件,将原本属于社区的集体成果转化为自己的商业资产。这种做法,在他看来已经有了“许可证洗白”(license laundering)的嫌疑。

这个观点迅速引爆了社区讨论。有人赞同,认为 AI 公司依靠开源代码发展壮大,如今应该让生成的代码重新回馈社区;也有人直接反驳:自己花几个月设计、调试的软件,难道因为使用了 Claude Code,就必须把全部源代码免费公开?

实际上,靠编程能力冲上 AI 顶流的 Anthropic 自己也在招股书中承认,使用 Claude Code 等工具生成的代码可能包含或复现开源软件,从而触发许可证义务,严重时甚至需要公开部分专有源代码。与此同时,Anthropic 的商业条款又明确向客户转让其拥有的模型输出相关权利。

而 Jankiewicz 的主张,恰恰触及了这套商业模式中的另一端:如果 AI 模型的能力部分建立在开源社区长期积累的成果上,那么企业利用它生成的代码,究竟能在多大程度上成为自己的专有资产?

部分开源开发者主张让 AI 生成的代码回归公共生态,Anthropic 等商业 AI 公司则需要让企业客户能够继续将生成代码用于专有软件开发。双方没有直接发生冲突,但代码归属、开源许可与商业利益之间的冲突,已经成为开发者社区公开争论的话题。

1 开源代码喂大了编程模型,生成的代码却在闭源赚钱

Jakub T. Jankiewicz 长期参与开源开发,是 JavaScript 项目 jQuery Terminal 的作者,也参与维护过 isomorphic-git。他对于开源与商业软件之间的关系并不陌生。在博客中,他首先质疑的是 AI 产业对开源代码的使用方式。

从 GNU 计划到现代软件生态,开源开发者花费数十年积累了大量代码。大语言模型的训练语料中也包含大量公开的软件代码和技术知识,其中部分内容受到开源许可证或知识共享协议约束。Jankiewicz 认为,AI 公司利用这些资源训练模型,再让模型生成可以闭源销售的代码,本质上有将集体知识转化为私人商业资产的嫌疑。

他甚至将这种现象形容为“许可证洗白”(license laundering)。在他看来,模型提供了一条间接利用开源软件的路径:原本受到许可证约束的代码和知识进入模型后,又可能以新的生成结果进入闭源产品。

他的第二个理由涉及版权。纯粹由 AI 生成的代码没有人类作者,按照他对美国版权原则的理解,这类内容不应该获得版权保护。因此,他主张开发者主动将 AI 生成的代码以开源许可证发布,或者通过 CC0 将其贡献给公共领域。

当然,他也承认,现在的软件开发很难严格区分人工编写与 AI 生成。有人只让 AI 写几行代码,有人让模型负责整个项目的实现,还有人直接接受模型输出,甚至不认真阅读生成的代码。他尤其强调,后面这种几乎没有人工审查和修改的代码,理应开放。

这显然是一项相当激进的提议。如果得到广泛采纳,AI 编程带来的技术成果将不再只由模型供应商和使用模型的企业控制,开源社区也能直接利用和改进这些代码。不过,公开源代码并不意味着企业不能继续通过软件和服务获得商业收入。

2 开发者反击:我花几个月做的产品,凭什么白送?

这场争论触及了开发者的切身利益。

一位开发者表示,自己同时站在争论的两边:他的开源代码可能被用于训练 AI,而他自己也会使用 AI 开发专有软件。对于后者,他坚决反对强制开源。

在他看来,AI 只是工具,某种程度上类似编译器。即便模型写出了全部代码,开发者仍然需要决定产品方向、设计系统架构、反复测试、解决错误,并承担整个项目的技术责任。他正在开发的一个项目就需要几个月的持续迭代。如果仅因为代码由 AI 输出,就要求整个项目公开,显然忽视了其中大量人类劳动。

他还提出了一个问题:如果其他人也能直接使用 Claude Code 开发相似的软件,强制公开他亲自设计和调试的代码,究竟能为社会增加多少价值?

这一观点得到了部分开发者支持。有人认为,随着 AI 生成代码越来越普遍,决定软件价值的可能不再是代码行数,而是开发者对需求的理解、架构选择,以及保证系统可靠运行的能力。

反对者则指出,不能因为 AI 降低了代码生产成本,就忽视原作者的许可条件。尤其当模型生成的代码高度接近已有开源项目时,用户可能在不知情的情况下利用受保护的代码。

开发者“blagie”分享了自己的经历:

我是多个采用 AGPL 许可证的软件系统的作者,其中不少已经得到广泛应用。早期的大语言模型(LLM)几乎可以逐字逐句地生成我的代码。如今的模型虽然不再直接复现代码,但仍然大量借鉴了这些系统的创造性设计。

有一家公司最初直接盗用了我采用 AGPL 许可证的代码,例如,在发布软件时删除我的名字、版权声明,也没有按照许可证要求提供源代码等。我向他们发送了侵权通知。经过数月的交涉和争执之后,他们使用大语言模型克隆了整个系统。

但这个 AI 克隆版本给我的感觉是:

a)与我的原版代码相比,质量很差,漏洞和错误百出。

b)尽管如此,它本质上仍然大量使用了我的原创内容。

这就好比你让大语言模型重写一遍《哈利·波特》:故事情节几乎一模一样,只是对话写得很烂。

这段经历也反映了开源维护者的一种担忧:复制一个成熟项目通常需要直接接触和修改原有代码,现在 AI 可能让重新实现变得更加容易,原作者要判断是否存在侵权也更加困难。

争论还出现了另一个法律难题:如果纯粹由 AI 生成的代码本来就不受版权保护,那么开发者能否通过 MIT、GPL 等依赖版权授权的许可证,对这些代码施加约束?如果企业选择根本不公开代码,所谓“没有版权”是否必然意味着它应当开源?

开发者们并没有对这些问题达成共识。

3 Anthropic 的矛盾:向客户承诺输出权利,却担心自家闭源代码公开

Anthropic 并不是完全的开源旁观者。

2024 年 11 月,Anthropic 开源了 MCP;2025 年 12 月,又将其捐赠给 Linux 基金会旗下的 Agentic AI Foundation(AAIF)。如今,MCP 已成为 Agent 连接外部工具和数据源的重要开放标准之一。公司的 SDK、开发示例和部分智能体工具也采用开放许可证。但另一边,Claude 模型权重并未公开,Claude Code 核心产品仍采用专有授权。

相比开发者之间的观点交锋,Anthropic 在正式商业文件中披露的内容更加具体。

根据 Anthropic 商业服务条款,在适用法律允许的范围内,客户拥有 Claude 的输出内容,Anthropic 也将自身可能拥有的相关权利转让给客户。

这项安排对于企业采用 Claude Code 尤为重要。企业可以把 AI 生成的代码用于商业项目,而不必因为使用了 Claude,就自动将成果交给 Anthropic。

与此同时,Anthropic 本身并没有放弃对专有技术的控制。其公开的 Claude Code 项目许可证保留 Anthropic 的权利,并规定使用须遵守公司的商业条款。项目仓库能够在 GitHub 上访问,并不代表整个工具已经采用符合开源定义的许可证。

值得关注的是,Anthropic 在 11 月 10 日更新的 IPO 招股书中,专门用一节讨论开源软件带来的经营风险。

公司承认,其模型、平台和应用使用了部分开源软件,同时也会使用 Claude Code 等自家 AI 工具开发软件。生成代码可能包含或复现第三方开源内容,从而在不知情的情况下触发相关许可证义务,尤其是著佐权(copyleft)条款。

如果这种情况发生,Anthropic 可能需要重新开发相关软件、承担诉讼和赔偿成本,甚至按照许可证要求公开部分专有源代码。公司还指出,类似担忧可能导致企业客户限制使用其产品。

这些担忧正出现在 Anthropic 估值和融资规模迅速扩大的阶段。

根据招股书,Anthropic 计划以每股 70 至 78 美元的价格发行 8.25 亿股 A 类普通股,其中约 8.01 亿股由公司发行,其余由现有股东出售。按发行价区间上限计算,公开发行总规模最高约 643.5 亿美元。

与此同时,Anthropic 还安排了规模达 260 亿美元的同步私募配售,参与者包括 Google、NVIDIA、AMD、Broadcom、Micron、Microsoft 和 TSMC。其中,Google 和 NVIDIA 分别计划认购约 100 亿美元股份。两部分交易合计规模最高可达约 904 亿美元,有望超过此前其他大型科技公司上市的募资规模。

尽管市场持续讨论 AI 投资泡沫、基础设施支出和商业回报之间的关系,投资者仍希望通过 Anthropic 获得直接投资前沿大模型公司的机会。外媒报道,Anthropic IPO 的认购需求已达到可供认购股票数量的约 6 倍。承销银行还向潜在投资者表示,现有支持者将在股份分配中被优先考虑,这可能使部分新投资者拿到的股份少于预期。

英伟达与 Anthropic 的关系也格外受到关注。英伟达既是 AI 芯片供应商,也是 Anthropic 的战略合作伙伴和潜在重要股东。

这种关系也让开源争论多了一个现实维度:AI 企业的估值越来越高,硬件供应商向模型公司提供算力并参与投资,模型公司再通过向企业销售智能服务和编程能力实现商业回报。开源社区多年贡献的技术积累,在这个体系中究竟应当获得什么样的回馈?

4 AI 写的代码,到底算谁的?

美国版权局已经为这场争论提供了部分法律依据。

在 2025 年公布的《版权与人工智能》报告第二部分中,美国版权局认为,纯粹由 AI 生成、缺乏足够人类创作贡献的内容,不应获得版权保护。仅仅提供提示词,通常也不足以证明人类对最终作品的表达拥有充分控制。

不过,版权局同时强调,使用 AI 辅助创作不会自动取消版权保护。人类对作品进行创造性选择、编排、修改,或者在其中提供能够识别的原创表达,仍可能获得保护。具体是否符合条件,需要根据实际情况判断。

这意味着,开发者让 Claude Code 写出数万行代码,并不必然失去整个软件项目的版权;同样,企业也不能因为代码来自 AI,就认定其中不存在第三方权利。

这里还有一个经常被混淆的问题:没有版权保护,不等于必须向公众公开源代码;采用了 AI 编程,也不意味着生成结果必然继承训练数据的开源许可证。是否需要开源,仍取决于具体的法律关系、代码内容和许可条款。

但对于正在进入企业核心业务的 AI 编程工具,这些边界已经变得越来越重要。企业需要知道,AI 生成的代码能否安全地纳入专有产品,是否复制了受保护的开源实现,是否会带来额外的源代码披露义务,以及应该由谁承担相关风险。

参考链接:

https://jakub.jankiewicz.org/blog/ai-code-open-source/

https://news.ycombinator.com/item?id=50507303

https://www.anthropic.com/legal/commercial-terms

https://github.com/anthropics/claude-code/blob/main/LICENSE.md

https://www.copyright.gov/newsnet/2025/1060.html

声明:本文为 InfoQ 原创,不代表平台观点,也不构成投资建议,未经许可禁止转载。

END

转发,点赞,在看,安排一下?图片

图片会议推荐

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。8 折优惠倒计时最后一周,现在报名立减 1160,查看更多详情可扫码或联系票务经理 13269078023 进行咨询。

图片

跳转微信打开

星云 Redis 容器化资源降一半交付不用等

2026年11月16日 12:29

InfoQ 2026-11-16 12:29 北京

星云的 Redis 容器化从立项到上线,用了两个月;但从“能部署”到“敢上生产”,又花了将近一年的时间做专项优化。

作者 | 星巴克中国平台工程

星云的 Redis 容器化从立项到上线,用了两个月;但从“能部署”到“敢上生产”,又花了将近一年的时间做专项优化。
这一年里我们做的事情,说穿了就一件:把过去靠供应商、靠熟练度、靠人盯着的运维能力,一条一条搬进平台里。哨兵高可用、持久化分离、猝死保护、数据与元数据分离、参数自动计算、自助化交付——每一个专项背后都是真实的故障场景或者真实被折磨过的伙伴。到今天,业务的 Redis 从申请到拿到连接信息只要几分钟,故障切换基本都是自动收敛,排障也不再需要先登机器执行一串命令。

背景:为什么要
 让 Redis“走进容器”

在那之前,我们的 Redis 一直跑在虚拟机上,由第三方云管平台 UMP 统一管理。业务想用一个 Redis,要先提资源申请,等 infra 批机器、装环境,再由中间件团队建实例,整个链路走下来,交付以天计。更麻烦的是后面三件事:一是排障。云管平台是个黑盒,出现性能问题、数据问题,我们只能配合供应商一起看,问题定位的主动权不在自己手里。二是成本。虚拟机上跑 Redis,资源都是按峰值预留的,实际利用率经常连一半都不到,但机器已经占住了。三是保障。这类平台是跟着合同走的,合同一到期,版本升级、漏洞修复这些后续支持直接断档——等于把生产数据库的长期可靠性押在了一份采购协议上。

方向定下来之前,我们也反复问过自己:Redis 到底该不该跑在容器里。快手公开过他们大规模 Redis 上 K8s 的实践,同样是把 Redis 从虚拟机搬到容器,规模比我们现在大得多,正面回答过这个疑问。他们给的口径是性能差距通常在 10% 以内,很多场景基本持平。这是别人公开分享的数字,不能直接套到我们身上,但它至少说明这条路有人走通过、也量过,不是硬闯。

项目立项之后,我们没有从零造一个 Operator。数据库的生命周期管理是一个非常专业的领域,自己写一套 Operator 的维护成本会很高,所以最终选了 KubeBlocks 作为底座。它是一个通用的数据库 Operator,API 设计上跟具体引擎解耦,常见的数据库都能接,对我们后面扩展其他中间件也友好。上层我们自研了星云数据服务管理平台,负责面向业务的交付、运维和治理。简单说就是:底层用开源把数据库生命周期管起来,上层自己做,把内部体系集成和定制需求快速落地。

图 1 星云 Redis 容器化整体部署架构

项目推进得很快,两个月时间容器化 Redis 就基本达到上线要求:主从复制和分片集群两种拓扑都支持,扩缩容、配置热更新、备份恢复、监控看板这些功能都开发完了。做演示的时候一切都很顺利。

但真正的考验是从测试环境接入第一批业务开始的。上线前我们自己压测加业务试用,暴露出不少问题,现在回头看,这些问题的暴露是好事,因为如果直接上生产,代价会大得多。

问题大概有这么几类:

哨兵是高可用的核心,当时为了节省资源,所有主从集群都注册到同一套公共哨兵上。这套哨兵一旦不可用,受影响的不是一个业务,而是一批业务。而且业务改造哨兵地址的成本很高——我们自己盘了一下,一次切换要同时改好几个地方的配置,故障时根本快不起来。测试环境还出现过哨兵记录和主从记录对不上的情况,排查了半天才发现两边记录的实例信息一个用 pod IP 一个用 DNS。

持久化对写入的影响比预期大。主节点既要扛业务读写,又要承担 RDB 快照和 AOF 追加的写盘开销,磁盘 IO 一抖动,写请求就被拖慢,集群健康检查的告警随之就来了。

存储这条线当时也想得不够细。为了让盘能跟着 Pod 走,把持久化文件放到共享存储上,结果 Redis 最重的写盘行为全压到了存储系统;而实例一旦换个节点启动,连“自己是主是从”都要靠人工恢复。性能和高可用两头都没落下。

开源 Operator 的默认参数是通用值,不是为我们这种规格和负载调的。容器里跑 Redis,CPU 核数、内存配额都是受限的,不做针对性调整,性能和稳定性都到不了生产的标准。

缺可观测。日志要登机器去看,没有告警体系,出问题基本靠人肉救火。

这几件事让我们意识到:容器化最难的不是“把 Redis 跑在容器里”,而是“让业务敢把生产数据放进来”。后面这一年多的专项优化,就是围绕这个目标展开的。

优化方法论:把“救火”
变成“产品能力”

我们的优化工作有一条主线:每一次故障处理结束,除了修复当场的问题,还要问一句——这类问题能不能在平台层面彻底消掉?

比如早期主从切换要靠伙伴写脚本手工执行,步骤多、依赖熟练度、还有操作风险。后来这块能力做成了标准化的运维操作接入平台,节点维护的时候可以批量执行,一次操作就能把节点上所有主节点全部切换走。再比如拨测误告警,根因是“没有地方表达集群当前处于什么状态”,于是给集群加上了生命周期标签,初始化、维护中、待回收这些状态显式声明出来,拨测和告警按状态区别对待,噪音一下就降下去了。

这就是我们总结的“专项”模式:一个专项对应一类真实问题,解决方式要么是平台功能,要么是运维能力的产品化,要么是参数和脚本的标准化。最终沉淀下来八个方向:

① 高可用与哨兵方案

② 持久化策略与 IO 治理

③ 业务数据与集群元数据分离(让 Pod 能漂)

④ 参数治理与性能调优

⑤ 数据安全

⑥ 可观测与稳定性

⑦ 交付与运维提效

⑧ 业务自助服务(SKU 规格体系)

时间上大致分三段:2025 年下半年平台起步,年底到 2026 年初是集中建设期,绝大部分基础能力和优化都在这个阶段完成;之后进入持续打磨期,随着接入业务变多、生产流量上来,又陆续暴露出新的边缘场景,一个一个补齐。

专项优化

前面列的那些方向,这一年多落地成了七个专项。下面逐个展开,先说当时卡在哪,再说最后变成了什么能力。

专项一:高可用与哨兵方案

图片问题

基于前面说的情况,我们把问题拆成了三条:

公共哨兵集群故障会影响多个业务,影响面必须收窄;业务修改哨兵地址的成本太高,故障恢复链路必须缩短;哨兵与主从之间记录的实例信息不一致,隐患必须消除。

图片方案

最终定的方案是:给业务提供固定的服务地址,底层搭建多套哨兵集群。服务地址通过标签选择器绑定到其中一套哨兵上,当前这套出问题,就把选择器换到另一套,业务侧完全无感。同时我们做了一套迁移操作,把 Redis 集群换绑到新的哨兵集群上,整个过程从以前“改一堆配置”变成后台几分钟完成。

图 2 固定服务地址与多套哨兵的换绑关系

配套还做了两件事:

一是统一哨兵的宣告地址。让哨兵在集群里宣告时直接使用自身 Pod IP 并固定下来,从根上杜绝“记录与实际不符”这类问题。这个问题排查非常痛苦,因为它平时不发作,只在故障切换时才变成坑。

二是把哨兵的运维能力产品化,包括从哨兵端发起主从切换、卸载指定 master 的注册信息、哨兵实例的指标暴露等。

还有一个问题绕不开:Redis 搬进容器之后,外面那些没跟着搬的业务怎么连进来。我们的做法是两条链路并存。集群内的应用走服务和集群 DNS,这层最干净。集群外还有一批跑在虚拟机和物理机上的应用,短期不可能一起迁过来,就给它们留节点端口这条路:先问哨兵拿到主库地址,再直连。查询和运维访问另走一条只读入口,不占业务链路。这条路上踩过坑——节点端口场景下分片集群扩容,扩出来的实例在集群内可达、从集群外连不上,最后是靠把暴露方式统一收敛成服务地址解决的,细节在 3.7。

图片深水区攻坚

高可用这个专项其实持续了很久,因为大量问题只在边缘场景出现,测试怎么都测不出来,接入业务越多才越暴露。我们前前后后修掉的问题包括:

  • 分片集群在极端情况下分片成员之间的 meet 异常——集群拓扑会错乱,修的时候要重新 meet 节点,我们也把它做成了标准操作;

  • 分片成员因角色残留导致的启动死锁——节点重启后卡在启动阶段,需要先修复角色元数据;

  • 一批 Redis 容器多次异常重启、恢复后部分数据丢失的故障。复盘下来根子在存储和调度而不是 Redis 本身,由此定下两条硬性约束——主从节点强制反亲和、虚拟机不落在同一台物理机上,也推动了持久化策略的调整(调度打散这部分在 3.3 展开);

  • 哨兵整体宕机后恢复,不能自动完成切主——这条最危险,因为哨兵“看起来活着”,但实际上已经不再主从切换了。修复后哨兵全挂恢复也能自动收敛;

  • 远程存储异常导致主从都异常之后,哨兵不做自动切主——也是同类问题;

  • 停止集群后哨兵侧的注册信息残留,需要人工清理。

这块后来改成了停服自动清理,清理操作本身也做了增强,支持按状态批量执行。

这些问题,有的来自我们自己的使用方式,有的来自开源组件的边缘逻辑,每一个的修复过程都在提醒我们:高可用不是“部署时配置对”就完了,它是一个需要持续验证和持续修复的能力。

专项二:持久化策略与 IO 治理

这是整个优化历程里最亮眼的专项。

图片问题

Redis 的持久化(RDB 快照、AOF 追加)是数据安全的根本,但写盘产生的磁盘 IO 会跟业务读写争资源。主节点上这个问题尤其突出:一边处理业务请求,一边做后台落盘,磁盘一抖动,请求延迟就上去了,集群健康检查的告警也跟着响。

图片第一版方案:主关从开

思路很直接:主节点关闭持久化,专心服务业务读写;从节点开启 AOF,承担持久化职责。这样 IO 压力从主节点卸载到从节点,写入性能稳定了,数据安全也保住了——毕竟数据在从节点上有 AOF。我们把它做成了可配置的能力,通过环境变量开关控制。

这个方案上线后效果很好,IO 相关的告警明显少了。但它有一个隐患,我们当时就意识到了,并且在设计上做了防备。

图片隐患与猝死保护

隐患是这样的:主节点如果发生闪断——比如容器被 OOM Kill、节点瞬时故障——Kubernetes 会很快把 Pod 拉起来。这个“快”反而带来了风险:哨兵可能还没来得及感知主节点掉线,主从切换还没发生,主节点就已经复活了。而这个复活的主节点,因为在“主关从开”配置下不落盘,内存里是空的。

空的从节点不可怕,同步一下就恢复了。空的主节点是灾难:客户端连上去,写进去的数据全在内存里,一旦这个节点再挂一次,数据全丢。而且这个问题不一定会立刻暴露,可能埋很久才炸。

我们的解法叫“猝死保护”,核心是三条原则:数据安全优先、自动恢复优先、人工兜底。

具体机制是这样:

主节点在成为主的时候,往数据目录里写一个角色标记文件。节点启动时先做检查:

    启动检查:
    ├─ 有持久化数据(AOF 目录存在)? → 正常启动
    ├─ 无数据 + 无标记文件? → 正常启动(初始化场景)
    └─ 无数据 + 有标记文件? → 进入阻塞恢复循环

    只有“无数据 + 有标记”这一种情况会进入阻塞——它意味着“这个节点之前当过主,但现在数据没了”,是最危险的组合。进入阻塞后,节点不对外服务,而是进入一个恢复循环:每轮先看三件事,数据是否恢复了、标记文件是否被人工删除、是否已经选出了新的主节点;等待超过阈值后再去探一次从节点的数据量,从节点有数据就触发强制接管(TAKEOVER)等新主选出,从节点也没有数据,说明这个分片本来就是空的,正常启动。

    超时之后自动尝试接管,是尽可能让系统自愈;如果自愈也失败,就停在阻塞状态等人工处理。

    图 3 猝死保护的完整判断链:只有“当过主 + 数据没了”这一种组合会被拦住

    这个机制的含义是:宁可让这个实例阻塞几十分钟等人来处理,也绝不允许它拿着空数据对外服务。对数据库类产品来说,“暂时不可用”和“数据丢失”是完全不同量级的后果,前者业务能接受,后者不可原谅。

    后来我们把同一套机制也应用到了分片集群,还补了一些工程上的细节。比如主节点重新打开 AOF 时要清理历史遗留的 AOF 目录,我们选择先重命名备份而不是直接删除,留一个后悔的机会;再比如加了总开关,在特殊情况下可以完全关闭“主关从开”的控制逻辑,让 Redis 回到原生行为。

    “主关从开”配合猝死保护,现在是所有生产主从和分片集群的标配。

    专项三:业务数据与集群元数据分离

    这个专项解决一个很具体的问题:Pod 到底能不能挪。

    图片问题:跟一块盘绑死的 Pod

    容器化最有吸引力的地方,是 Pod 可以被随时驱逐、重新调度到别的节点——节点要维护、负载要均衡、机器要下线,这些都是常规操作。但数据库的 Pod 一旦跟某一块盘绑死,它实际上就动不了了。

    早期 Redis 的持久化文件和集群元数据放在同一个数据目录里,一起挂一块盘。这个目录里既有业务数据(AOF、RDB),也有角色标记、配置快照、集群成员和分片拓扑记录、哨兵注册信息这些小文件。混在一起的代价体现在两件事上。

    一是漂移动作变成了有损操作。Pod 漂到新节点,原来那块盘跟不过去,实例重新起来的时候“不知道自己是谁”:原来当的是主还是从、属于哪个分片、哨兵那边注册的地址是哪个。这些信息全在元数据里,元数据一丢,就得人工恢复元数据、重新注册主从关系,一次普通的重新调度要人守很久。

    二是共享存储被写穿。为了让盘能跟着 Pod 走,我们试过把持久化文件放到远程分布式存储上。Redis 的写盘行为在这条路上暴露得很充分:AOF 是持续追加,RDB 快照是把整个内存刷下去,实例内存越大、快照那一下的吞吐越吓人。几套大内存集群的快照时间一撞,共享存储的 IO 直接被打满——而被拖慢之后,受影响的是挂在它上面的所有实例,不只是发起快照的那一个。

    图片方案:按“谁在读”把挂载拆开

    后来我们不再纠结存储规格够不够用,而是先把“什么东西放在了共享存储上”这件事想清楚,按读写方把挂载拆成三类。

    业务数据走本地数据盘。AOF、RDB 这些引擎自己要频繁读写的文件放本地盘,IO 延迟稳定,快照突发不会去挤共享存储的带宽。配套的改动还包括把本地存储的数据目录从系统盘挪到独立数据盘,日志和临时文件写满系统盘这类事情从机制上断掉。

    集群元数据单独一块小卷。3.2 里提到的那个角色标记文件、配置快照、集群成员与分片拓扑记录、哨兵注册信息,全都归到这一类。它们的共同特点是:读的人是平台而不是引擎,体量只有 KB 到 MB 级,对 IO 几乎没有要求,但对一致性要求很高。把元数据从数据目录里拎出来独立存放之后,实例恢复身份这件事就不再依赖原来那块数据盘了。

    备份走对象存储。全量备份压缩之后落对象存储,属于离线链路,完全不占在线存储的资源。

    拆开之后,漂移的链路就顺了:调度器把 Pod 挪到别的节点 → 平台按集群身份找回元数据,实例先搞清楚“我是哪套集群的哪个分片、原来什么角色” → 本地数据盘重新分配 → 以从节点身份加入,通过 Redis 原生复制把数据同步回来 → 需要的时候再做一次主从切换。

    这里有个关键点:数据不是从旧盘上“搬”过来的,而是重新复制出来的。也正因如此,这个专项必须和“主关从开”配套用——主节点不落盘省掉 IO 压力,从节点落盘保证数据始终在盘上有一份,实例重建时才有东西可同步。快速摘除异常节点、重新注册主从关系、重置哨兵的 master 信息这几个动作,也都做成了平台上的标准运维操作,不再是靠人手改配置。

    本地盘不是白拿的,代价得摊开说。腾讯云有篇讲有状态服务上 K8s 的文章把本地盘分两句讲:好处是避开网络 IO 开销,换来更高的读写性能;坏处是节点故障之后数据访问不到、可能丢失,也没法垂直扩容。前一句就是我们选它的全部理由,后一句得自己补上。共享存储被写穿那一下,挂在它上面的实例一起被拖住,形态上就是“数据访问不到”,只是当时出问题的是存储侧,换成本地盘之后出问题的是节点侧。所以反亲和要做成强制的、备份要能随时拖起来、漂移的时候数据靠复制重建而不是等盘回来,这三件事少一件,本地盘就从性能方案变成风险放大器。

    图 4 分离之后:元数据找回身份,本地盘承接写压力,数据靠复制重建

    图片共享存储的 IO 压力降下来了

    分离之后,共享存储上基本只剩元数据这一类小 IO,Redis 的写放大和快照突发全部落在本地盘。远程存储不再站在在线读写路径上,之前那种“几套大实例同时做快照把存储打满”的场景就消失了。同期我们把数据节点从提供存储的机器上迁了出去,存储机器只做存储——数据的性能和存储的服务能力从此互不拖累。

    图片漂移的前提:别把鸡蛋放在一个篮子里

    Pod 能挪,还得保证挪出去的位置不制造新的风险。两条约束固化进了集群创建流程。Pod 这一层,同一套集群的主从节点强制反亲和,不允许调度到同一个节点上;虚拟机这一层,节点所在虚拟机的宿主机也要打散——Pod 反亲和只能保证“不在同一个节点”,但两个不同节点完全可能是同一台物理机上的两台虚拟机,物理机一挂,两个“不同节点”同时下线,Pod 反亲和就白做。

    物理机、虚拟机、Pod 三层故障域都打散,一次漂移才真的是换了一个故障域,而不是换个位置继续挤在一起。

    图 5 少一层反亲和,故障域就没打散

    图片边界再说清楚一点

    这套机制覆盖的是“实例能重建、身份能恢复、数据能重复制”。极端场景下本地盘的整块故障自动转移、元数据的定期备份回滚,目前还在治理中,也一并列进了文末的未来规划。把边界说明白,是因为这两块恰恰是分离架构新引入的关注点:数据可以靠复制重建,元数据不行。

    专项四:参数治理与性能调优

    Redis 的参数有两百多个,跟规格、负载场景强相关。这个专项我们分四层做了系统性治理。

    图片第一层:分版本默认参数基线

    Redis 6、7、8 三个大版本的参数体系有差异,同样的参数在版本间的行为也可能不同。我们基于兼容性测试和性能测试,整理并落地了三个版本各自的默认参数集,目标是开箱即用、保证稳定性。所有新集群创建都从基线出发,这是后面一切优化的地基。

    图片第二层:配置热更新产品化

    参数总归是要改的。以前改参数要么进容器改配置文件重启,要么让平台侧执行命令,都不安全也不方便。

    我们做的方式是让平台从引擎的参数元数据里自动读取全部可调参数,在页面上以下拉框的形式提供配置入口。关键设计是区分动态和静态:动态参数在线修改、立即生效,适合应付流量突增或者限流调整;静态参数则走滚动重启流程,但不是简单重启——先生效从节点,再触发一次主从切换,最后重启原主节点。这样滚动重启的风险被控制在单节点范围内,参数生效的同时业务几乎无感。

    图 6 静态参数的滚动重启顺序:从 → 切 → 主

    图片第三层:参数自动计算

    Redis 不少参数需要跟规格匹配,手工填很容易出错,比如内存上限填得比容器配额还大,实际运行时会出各种奇怪问题。

    我们把这类参数从“手工填写”改成“按规格自动推导”。举几个原则性的例子:

    • 内存上限按规格的 80% 左右计算,留出客户端缓冲区和系统开销的空间;

    • 客户端缓冲区上限再取内存上限的一个小比例(5% 左右);

    • 复制积压缓冲区按规格大小自适应,设了下限和上限,小规格不至于占太多内存,大规格不至于不够用;

    • 客户端输出缓冲区的软硬限制跟积压缓冲区联动,避免慢客户端把内存吃光。

    这些公式都不复杂,但它们跟着规格走,同一套模板在不同规格上都能得到合理的配置,这一点比任何一份“最佳实践文档”都可靠。

    图片第四层:性能细节

    三个具体的点:

    IO 线程数(io-threads)之前是固定值,在小规格上出了问题。CPU 核数不够的时候开多线程 IO,线程之间频繁上下文切换,延迟反而变大。后来改成按核数动态设置:小规格不开启或者用 1,核数够了再开到接近核心数,把 IO 线程和主线程的 CPU 争用避免掉。

    自动碎片整理之前没有开启,长时间运行的实例内存碎片率会上来。我们把碎片整理的参数补进默认配置:启用碎片整理,调整触发阈值的下限,同时控制好整理的天花板,避免碎片整理本身消耗太多 CPU。

    大 Key 治理,包括热 Key 扫描和大 Key 分析的展示优化,把“哪些 Key 有问题、问题有多大”直观地摆在业务面前。

    专项五:数据安全

    高可用解决的是“故障时服务还在”,数据安全解决的是“不管发生什么,数据都在”。这个专项做了三件事。

    备份体系。 支持全量备份,可以定时也可以手动触发,备份数据自动持久化到对象存储。运维人员可以随时从备份恢复数据、回滚。后来我们还做了两个升级:一是从备份创建新集群——用生产备份直接拉起一个隔离的新环境,问题复现、功能验证、变更演练这三个场景都特别有用,以前要么在生产上冒险操作,要么手动导数费半天劲;二是恢复不必回到原来那套集群——同一个备份既能原地拉回来,也能恢复到另一套集群上,我们在测试环境完整验证过恢复流程,确保备份真的能恢复,而不是“备份任务成功但恢复失败”这种最尴尬的情况。

    图 7 数据安全三件事:备份的三条出口、Key 治理、凭据初始化

    数据治理工具。 热 Key 扫描在线分析实例里访问频率最高的 Key,帮助定位热点;大 Key 过滤在备份和分析过程中识别过大的 Key,避免单个大 Key 拖垮内存和性能。快照分析这一块也做了增强:业务以前拿到快照数据后要自己想办法分析,现在平台支持按前缀过滤和导出具体 Key,想让业务看什么就能给什么。这几项在原来那套托管平台上是提不出来的需求——它只做虚拟机部署,热 Key 分析、备份统一管理这类事不在它的路线图里。业务报了问题,我们也只能陪着一起等。

    账号安全。 早期 Redis 用的是固定密码,现在改成随机密码初始化,降低凭据管理体系里的风险面。

    专项六:可观测与稳定性

    日志。 运行日志和慢日志都接入了日志平台,慢日志还单独做了 exporter。容器里的日志有堆栈场景,我们配置了多行合并规则,保证错误堆栈在日志平台上是一条完整的记录而不是散着的几十行。现在排查异常不需要登机器了,这是运维体验改善最直观的一项。

    告警。 从零建立了告警配置,配合告警专群做触达。告警规则本身也做了治理——比如集群刚创建还没交付时不告警,避免干扰值班。

    拨测。 我们用拨测做业务视角的可用性验证,参考了 blackbox 的思路。这里有个挺有意思的设计:以前拨测和告警最烦的场景是“初始化时误告警”“维护时误告警”——变更窗口内的实例状态跟业务预期不一致,拨测结果就没法用。

    根因是集群没有一个地方表达“我现在处于什么状态”。所以我们给模板加了生命周期标签,集群在整个生命周期里有明确的状态:初始化、已交付、维护中、待回收、已回收。拨测和告警根据状态区别处理——维护中的集群不告警不拨测,已交付的集群正常告警正常拨测。变更窗口的噪音一下就消掉了,值班同学再也不用在维护时手动屏蔽告警。

    图 8 生命周期标签:每个状态对应一套拨测与告警策略

    业务关联。 这个能力我们觉得是最实用的:平台可以拿到连接 Redis 的客户端 IP,然后关联到对应的业务 Pod 并展示出来。以前排查一个连接数暴涨或者大 Key 是谁的,要在库里查半天客户端信息再去对业务;现在打开页面就能看到“是哪个业务的哪个 Pod 在连这个实例”,排查时间从几十分钟缩短到一眼。

    监控看板。 指标导出接入统一的监控平台,集群级的监控看板、全局仪表盘都建起来了,多集群的健康状态集中展示。

    专项七:交付与运维提效

    图片业务自助:modio 工单 + SKU 规格

    容器化中期,Redis 的开通入口接到了内部工单系统 modio。业务直接在工单里选规格、提交申请,平台收到工单后自动完成集群创建,再把连接信息回填到工单里。业务从“提申请、等排期、等运维操作”变成了“选规格、等几分钟、拿地址”——规格选择、组件版本、资源配额、监控开关,全在工单里选完,不再需要来回沟通确认。

    规格这一块(我们内部叫 SKU)开放了多个标准化档位,从入门规格到大内存规格都有,用户按需选。背后是一套规格体系:每种规格对应一套固定的资源配额和参数基线,跟内部原来的托管平台规格对齐,业务迁移过来不用重新理解一套规格定义。

    图 9 一次自助开通:业务只提交一次申请,剩下的都在平台里

    交付质量兜底。 自助化之后,交付质量的要求反而更高了,因为流程里没有人工兜底。所以几个交付动作被固化进了流程。

    其中一个是交付后的自动化钩子。平台在“集群创建完毕”这个节点上挂了 hook,可以接着自动执行一批集群级的 ops 操作,第一个用起来的就是主动主从切换。

    这一步看着有点多余——集群刚建好,主从本来就有了,为什么还要再切一次?因为它要保证的是编号 -1 的实例落在 primary 上,而后面那套自愈逻辑正是按这个假设写的。平时看不出差别,可一旦遇到极端故障、一整套集群同时失联再恢复,恢复顺序和角色判定就会跟这个假设对不上,最后还是得靠人工去指定谁是主。让 -1 在交付时就位,等于把自愈的前提提前铺好:真出事的时候,集群自己就能收敛,不需要人半夜上手。

    另一个是返回给业务的连接地址按交付规范生成——sentinel 主从返回固定的服务地址,集群内和集群外访问分别提供对应的方式;期间发现过返回地址错误的问题,也一并修复了。

    变更审批与追溯。 自助化把开通的门槛降下来了,但生产环境的变更不能靠自觉。关键操作一律走审批:谁申请、谁批的、改了什么参数、什么时候生效,链路上全程留痕,事后能一条一条倒回去看。这一层首先是合规要求,对我们自己更有用的地方在于——只有变更可追溯,复盘时才分得清是代码写错了还是某个人在某个时间点手改了一下。分不清这件事,问题清单就永远消不干净。

    双向集成。 星云侧提供了跳回 modio 的入口,两边业务信息关联展示,排查问题时能快速找到工单信息。

    modio 侧的管理能力。 我们还把一批运维操作通过 ops 暴露出来,支持 modio 侧的泳道开发:Kafka 的 topic 管理,RabbitMQ 的用户、vhost、交换机、队列、权限的增删查,以及 exchange 的 bind/unbind,都可以通过 ops 自助完成一部分。

    通用提效。 集群模板、模板克隆、连接信息一键拷贝这些功能把日常交付和复制环境的时间从“按步操作”压缩到“点几下”。节点维护模式支持批量把节点上所有主节点切换成从节点,维护前跑一次,业务无感。主动、被动主从切换、指定实例提升这些都产品化了,让切换从“写脚本执行”变成“页面点选”。

    扩容缩容与网络。 扩缩容期间修掉了一批问题:水平扩容启动脚本失败、副本缩容异常、扩容从节点时出现多个主、nodeport 场景下副本扩容异常。网络暴露方式也做了一次演进——之前主从模式给业务暴露的是 pod IP,现在改成服务地址。服务地址的好处是 Pod 重建、调度变化对业务透明,连接不会因为一次重建产生一次故障。分片集群的 IP 宣告也做了优化,让它跟服务地址一致。外部访问的兼容性问题也一并处理了。

    成果与收益

    稳定性。 现在前面提到的那些故障场景基本都能自动收敛:哨兵切换不需要人工介入、主节点空数据不会对外服务、哨兵全挂恢复后自动切主、维护窗口不再误告警。值班同学从“随时准备登机器救火”变成“处理平台推送的告警”。这些结论不是推演出来的,是一场一场演练打出来的:节点整机宕机、节点计划维护与网络隔离、节点 CPU Soft Lock、实例内存 OOM、分片集群主从切换、哨兵注册信息迁移与快速切换、CoreDNS 出问题时的哨兵行为、用备份拉起一套新集群。演练报告是发布准入材料之一,一个场景没演练过,就不能说它“能自动收敛”。

    交付效率。 交付从天级缩短到分钟级;自助开通后,业务从工单流出到拿到连接信息只要几分钟。规格、版本、资源配额、监控开关都在一张工单里选完,平台按模板把整套集群拉起来,一套三主三从的分片集群三分钟起。链路短了,中间的人工确认和排队都省掉了。

    成本。 资源池化管理,按实际用量分配,专用节点池保障性能——生产环境的 Redis 有独立的专用节点,不会跟其他业务争资源;测试环境按需分配。省了多少,测试环境有一组前后对比:同一批 Redis 集群容器化之后,CPU、内存、存储三项都降到原来的三分之一左右,降幅在 63% 到 69% 之间。这组数字不能直接推到生产——测试环境的负载形状比生产规整,也没有真实的峰值流量,生产上不会降得这么整齐。但省下来的东西是同一类:过去按峰值留给每台虚拟机的余量,现在被资源池吸收了。还有一块是看不见的成本:不再为第三方托管平台的许可付费,长期成本从跟着合同走变成自己算得清。行业里也有量级参照,B 站把 Elasticsearch、ClickHouse 这些有状态服务搬上 K8s,存储选本地盘加 LVM、靠反亲和防单点,公开的数字是资源利用率从 5% 提到 15%、省下上百台物理机。

    测试环境容器化前后资源对比

    基础设施解耦。 业务数据、集群元数据、备份各走各的存储,共享存储不再承接在线写压力;节点维护和实例重调度从“要提前几天准备的人工工程”,变成了平台上的常规动作。

    体验。 业务侧基本无感:故障时不用改配置,开通时不用等排期,排障时有人帮他定位是哪个 Pod 在连。

    经验与感悟

    容器化真正难的部分,是让“人”的经验不再被需要。 容器化本身不复杂,把 Redis 跑在容器里几天就能做到。难的是把过去靠供应商、靠熟练度、靠流程保证的东西,变成代码和产品能力。我们做的每一个专项,本质都是把一条“只有某个人知道怎么处理”的经验,变成“平台自动处理”。这件事没有尽头,但每做一条,系统就强一分。

    数据库产品的底线思维和业务系统不一样。 业务系统出故障,降级、限流、fallback,有很多手段。数据库不行,数据没了就是没了。所以“猝死保护”我们选择了最保守的设计——宁可阻塞等待人工介入,也绝不以空数据启动。这类原则要写进代码里,不能只写在文档里,因为真正出事的时候,没有人会记得文档上写过什么。

    先分清数据流,再选存储。 共享存储扛不住的时候,我们一度以为那是规格问题,加盘、扩容都试过。真正的转折点是换个问法:这份数据是谁在读、读得有多频繁。想清楚这个,业务数据落本地盘、元数据走独立小卷、备份进对象存储就是自然的结果,而不是权衡出来的妥协。存储架构的账,最后都是数据流的账。

    开源 Operator 和自研平台的边界要清楚。 KubeBlocks 帮我们省掉了大量底层工作,但通用产品到生产产品之间有一段距离——哨兵高可用方案、持久化策略这些,都要结合实际场景自己做。选开源组件的时候想清楚“我用它的什么、哪些自己做”,比单纯比较功能列表重要得多。

    快手公开的那份大规模 Redis 上 K8s 的实践是同一条路:也用 Operator 管生命周期,也靠细粒度打散调度把故障域切开,也用 Admission Webhook 挡非预期的变更。这类分享对我们最有用的地方不是抄方案,而是确认了边界在哪:开源组件替你把实例的生命周期管了,但它不会替你把 SLA 兜住。

    这一年做的专项,几乎都能在别人的问题清单里找到对应项。 B 站把 Elasticsearch、ClickHouse 这些有状态服务搬上 K8s,腾讯云那篇讲有状态服务上 K8s 的文章,包括前面提到的快手,踩坑的位置高度重合。这说明容器化中间件要补的能力是共性的,不是我们特殊;也说明没有谁能替谁走一遍。

    团队的坚持才是最关键的。 这一年的优化里,相当一部分工作是在夜里、在业务低峰期完成的——迁移、切换演练、参数调整,很多动作必须放在业务量最低的窗口。也是这一年的坚持,让平台从“能演示”变成了“业务敢用”。回头看,问题清单是一步一步消掉的,没有捷径。

    未来规划

    存量迁移。 新建集群已经不再走虚拟机的交付方式,接下来的重心是把存量一套一套搬过来:按业务等级分批,先做内部业务系统和等级高的集群,每一批都带着演练报告和回滚方案走。

    多数据库矩阵。 Redis 的这套能力还在往外扩:MySQL、PostgreSQL、MongoDB、消息队列(RabbitMQ、Kafka、RocketMQ)、搜索引擎都在推进中,部分已经上线。数据服务管理平台的目标是成为内部所有有状态服务的统一交付入口。

    可用性继续往上走。 有几个方向在进行中:本地盘数据漂移治理——极端故障场景下实现本地存储数据的自动故障转移;远程存储元数据定期备份到本地——控制远程存储整体故障时的爆炸半径;主从状态实时感知集成——让平台对 Redis 主从状态的变化更实时;实例整体宕机后的自动恢复能力。

    自助能力深化。 批量配置变更、和 CMDB 的联动、SKU 体系的持续演进都在排期里。方向只有一个:中间件的交付和运维尽量不再需要人工介入。

    参考资料

    《是否应在 Kubernetes 上运行 Redis?快手这样做》

    《谁说数据库不应放在容器中?B 站 Kubernetes 有状态服务实践》

    《揭秘有状态服务上 Kubernetes 的核心技术》

    END

    转发,点赞,在看,安排一下?图片

    图片

    跳转微信打开

    AI 写得快,谁来接住生产责任

    2026年11月16日 12:29

    InfoQ 2026-11-16 12:29 北京

    AI 已经能在几分钟内把一个应用的 Demo 写出来,这件事早就不新鲜了。真正悬而未决的,是这些 Demo 能不能走到生产环境,并且一直活下去。

    近日在 DBTalk 数据库 AI 技术沙龙成都站上,腾讯云 PG 数据库技术专家黄辉把这个问题摆上了台面,并给出了自己的判断:AI 缩短的是代码生成的时间,不是生产工程的责任清单——这份责任没有消失,只是从"谁来写"变成了"谁来扛"。

    AI 写得快,不代表接得住

    他举了一个团队任务管理系统的例子:一个账号、几个页面,接上数据就能演示。但要推向生产,问题立刻浮现:这个应用给多少用户用?用户归属哪些团队、有什么权限?某个用户突然发出大量请求怎么处理?数据被误操作了怎么恢复?

    这些问题可以归纳成三道工程鸿沟,而且都指向同一个结论——AI 没有分担这部分责任,只是把它推后到了上线之后。

    成本结构不匹配:传统数据库固定规格、长期计费,而 AI 应用负载波动极大,为了兜底高峰去买高规格,平时大部分时间反而在为闲置付费。

    资源供给不匹配:传统应用上线前有数周到数月的评估周期,资源可以提前准备,而 AI 应用要的是快速试错,等不起这个周期——现在最快的云数据库创建也要几分钟,在 WorkBuddy 这类 AI 平台上跑一个任务,光等数据库就位就要十几分钟,用户的耐心早就耗尽了。

    运行治理不完整:身份认证、权限隔离、数据保护、容灾恢复,这些能力在 Demo 阶段都不需要,但在生产环境里一样都不能少。

    三道鸿沟各自有解法,但思路是一致的:把本该由人盯着的责任,写进系统的默认行为里。

    把责任,写进系统的默认值

    先看成本结构不匹配怎么补。解法是把计费单位从"固定规格 × 时长"换成按活跃时间片计算的 CU(1 核 2G 每小时),计费精确到分钟,没请求不产生计算费用。偶尔被调用几次的小应用,不再需要为一整月的闲置买单。

    那资源供给不匹配呢?解法是把数据库创建这件耗时的事,提前挪到用户请求之前:平台预置好一批初始化完成的实例,放进资源池,请求来了直接分配,只需补上身份绑定和网络配置这两步轻量动作。交付时间因此从行业常见的 5 分钟级,压到 3 秒以内,提速约 100 倍。

    最后是运行治理不完整,解法分两步。

    第一步,让权限默认写进数据层。 思路对标了 Supabase 范式——把 PostgreSQL 的 Schema 当成 API、权限和 AI 共同理解的唯一后端契约。权限上分三种角色:匿名角色只访问公开数据,登录角色承担绝大部分业务访问(由 GRANT 控对象权限、RLS 控行级可见性),高权限角色只给服务端用。一个最小示例看得更直观:先开启行级安全,再用一条策略把访问和写入都綁在同一个租户上:

      ALTER TABLE tenant_data ENABLE ROW LEVEL SECURITY;
      CREATE POLICY tenant_isolation_policy ON tenant_data
        FOR ALL TO app_user_role
        USING (tenant_id = current_setting('app.current_tenant')::UUID)
        WITH CHECK (tenant_id = current_setting('app.current_tenant')::UUID);

      这条策略效果是:应用代码不用处处写 WHERE tenant_id = ?,漏写了,数据库自己会拦下来。

      第二步,让同一资源池里的应用互不干扰。 答案是 Serverless 模式:让渡的是资源长期独占,换来低成本按需计费和秒级交付。隔离拆成三层:路由只到自己的实例,连接权限不属于别人,Schema 和对象权限严格隔离。一个实例回收重新入池前,要按顺序走完这套流程:

      1. 摘除路由:网关和连接层不再把新请求路由过来

      2. 关闭新连接:回收上一个使用方角色的连接权限

      3. 清理存量连接:把已有会话排空或终止

      4. 权限重置:回收残留权限,重建默认权限基线

      5. 校验后再入池:确认无旧路由、无旧连接、无旧授权,才能放回资源池

      任何一步没做干净,都可能让旧凭证重新访问到已回收的数据。应用变大之后也有退路:小应用先在 Serverless 资源池里跑,访问量上来了就在池内调高配额,业务稳定后再一键迁到预置规格实例,全程不用改代码。

      这套数据层隔离的思路,还延伸到了 Agent 场景:用 Branch 和沙箱让 AI 先在隔离环境里验证,而不是直接在生产数据上试错。而 Serverless 这套隔离机制本身,也正好划出了整套方案的边界。

      边界划清楚了,分工才清楚

      整套解法的前提是一次价值交换:用户放弃长期预留的固定资源,换来低成本和秒级交付。这笔交换也划出了 Serverless 模式的边界——需要长期保持大量并发连接、负载持续高位,或者对性能隔离、故障域和 SLA 有明确要求的核心交易系统,按需模式省不了多少钱,也给不了固定资源那样的确定性,直接选预置规格实例更合适。

      这条界线划清楚,开发者和平台的分工也就跟着清楚了:开发者继续负责业务模型、业务权限、业务逻辑和产品体验;可用性保障、数据备份恢复,以及安全合规所需的基础能力,则由平台通过架构和托管能力统一承接。

      他最后用一句话结束了这场分享:让 AI 写出的每一个应用,都有一套能长期运行的生产级后端。这句话回应的正是开头那个问题——AI 写应用之后能不能活下去,答案不在模型写得多快,而在谁来接住代码落地之后那一串没人替你扛的工程责任。

      从 Demo 到生产的鸿沟,从来不是今天才有。每一次开发范式换代,都要重新回答一次"谁该接住这份责任",这一次,轮到数据库来接。

      END

      转发,点赞,在看,安排一下?图片

      跳转微信打开

      谷歌 SRE 圣经被迫重写:AI 时代,硬技能在塌陷,第一性原理在升值

      2026年11月15日 10:15

      原创 林绮蓓 、Tina 2026-11-15 10:15 北京

      十年后全面重写,AI 成为《SRE 圣经》的新课题。

      编译|林绮蓓

      策划|Tina

      2016 年,一本蓝色封面的书砸进了整个技术行业,把“运维”这两个字从地下室拽进了工程学科的殿堂。

      在它之前,运维在大多数组织里是一个成本中心,是一群被凌晨告警叫醒的人,是开发团队眼中“拖慢发布速度的那帮人”,是一门靠师傅带徒弟、靠口口相传、靠个人英雄主义在机房里临场发挥的手艺。系统出了故障,运维的默认答案就是:“加人、加班、加流程”。

      第一版《SRE》做的第一件事,就是用一套冷峻的工程语言,正式宣告了传统运维时代的终结。 它向全行业抛出了一个不可辩驳的等式:SRE 等于用软件工程师的标准来设计运维团队。

      《SRE》这本书将日常运维的时间被硬性封顶在 50%,剩下的必须投入工程工作。这揭示了运维(Ops)的本质是一个软件工程问题,不该靠加人来扛故障,而应该靠写代码来消灭故障。从这本书出版那天起,SRE 不再只是一个谷歌内部的岗位名称,它成了一个新学科的名字,催生了全球范围内这一全新岗位的普及,重塑了无数科技公司的组织架构和招聘标准。

      这本书不仅让 SRE 走向更广泛的技术行业,更给整个行业发放了一套通用的“工程语言”和黄金法则。在该书出版之前,DevOps 运动已经喊了七年“要协作、要自动化、要拥抱失败”,但就像是一面插在散沙上的旗帜,它告诉你“要协作”,却没有告诉你凌晨三点告警响了谁看;它告诉你“要拥抱失败”,却没告诉你失败到什么频率才算正常。

      第一版《SRE》给这套哲学浇了钢筋混凝土。微软官方文档后来用一句话精准总结了这种关系:“SRE 类实现 DevOps 接口。” 更重要的是,它将 Google 多年积累的 SLI、SLO、错误预算、toil 管理和无责事后复盘等工程实践系统化地介绍给外界,为不同组织讨论系统可靠性提供了相对统一的概念和方法。

      例如,错误预算彻底改变了“追求 100% 绝对稳定”的错误执念,用数学量化了“系统稳定性”与“业务迭代速度”之间的博弈,解决了开发与运维之间长达数十年的矛盾。在任何一家公司的可靠性评审会上听到的“这个季度的错误预算还剩多少”,这句话的源头就藏在这本书里。它不仅仅是被阅读,还被翻译、被拆解、被贩卖、被模仿。

      出版几个月后,该书其中的一位作者 Niall 在都柏林办公室被一家咨询公司的六个人堵住,他们拿着文件夹,花了一个小时逐条盘问书中细节,准备包装成咨询服务卖给客户。Forrester 甚至发文《SRE 一书中可以立即应用到你组织的 19 个要点》。一本谷歌内部手册,在不到一年里变成了全球咨询业的商品目录。这就是“黄金法则”的实际含义:它成了别人拿来卖钱、拿来照抄、拿来当标准的东西。

      此外,它更是直接推动了云原生与 DevOps 生态的爆发。这本书出版的时间点,恰好撞上了整个行业的基础设施大迁移。企业数字业务规模急剧扩张,IT 从“地下室里的事情”变成业务的关键组成部分,系统停机开始实实在在地烧钱。Kubernetes 在 2015 年发布 1.0,CNCF 在同年成立,云原生运动正在寻找自己的方法论。《SRE》给了这场运动一套可执行的可靠性框架:平台工程、可观测性、SLO 驱动的发布决策,这些后来云原生生态里的核心议题,都能在这本书里找到最初的语言。它和 DevOps、云原生并非三个孤立的故事,更像是同一场运动的三层:DevOps 提供文化,云原生提供基础设施,SRE 提供在那些基础设施上把可靠性当成工程问题来管理的操作手册。没有这本手册,云原生的爆发会少一根关键的承重梁。

      可以说,第一版不仅是一本书,它是现代互联网运维的“开山鼻祖”和“范式转移之作”。

      但十年后,这本书被它的作者们亲手推翻了。

      不是修订,而是重写。今年 10 月,谷歌发布了该书的第二版。作者团队明确表示,第一版已经过时了。过时的原因远比“技术栈更新”更麻烦:第一版默认的那个世界——工程师亲手触碰代码、亲手调试基础设施、在故障现场用肌肉记忆做判断的世界——正在被两层力量同时侵蚀。

      第一层是基础设施与平台工程的全面重构。第一版描述的是“每个团队自己搭建、运行基础设施”的时代。十年后,大量运维工作被下沉到平台层,内部开发者平台接管了 provisioning、部署、可观测性配置。静态仪表盘和手动查日志被 OpenTelemetry 和分布式追踪取代,根因定位从“人肉 grep”变成系统自动推送;第一版教的“写脚本消灭 Toil”,变成了声明式基础设施和自愈系统,故障发生后,系统自己往回拉,不需要等人醒来敲命令。SRE 不再亲手碰那些东西,他们变成了平台的消费者和设计者。

      第二层是 AI 的双向重塑。谷歌官方把 SRE 与 AI 的关系拆成两个方向:

      “为 AI 做 SRE”:AI 系统本身正在给可靠性工程带来新的挑战,大规模 GPU 和 TPU 集群的可靠性、网络拓扑的复杂性、非确定性输出的监控、模型训练和微调管道的稳定运行。模型输出的可靠性也尤为棘手:传统 Web 服务出现 5xx 错误,通常会被监控系统发现,并可能计入错误预算;但一个“自信地给出错误答案”的模型,即使服务运行正常,也可能损害用户的信任。

      “用 AI 做 SRE”:AI 也开始参与生产系统的故障诊断和处理,而且已经不再停留于概念验证阶段。Google SRE 团队已经在用 Gemini CLI 处理真实故障:在一段模拟故障演示中,Agent 自动拉取告警详情、做因果分析、关联时序数据、推荐缓解方案,SRE 只需要输入一句“SGTM(听起来不错),执行重启”,便可触发相应操作。Komodor 的 CTO 说得更直白:大约 30% 的案例,Agent 可以独立解决,人类只收到一个 FYI 通知。TechTarget 的报道甚至描绘了一个“理想场景”:凌晨三点 Agent 发现异常、测试修复、灰度发布,第二天早上人类醒来看到一条“昨晚避免了一次事故”的通知。

      这也是第二版重写的理由。SRE 赖以生存的两个底层假设,同时崩塌了。

      第一版教的那些黄金法则:SLO、错误预算、toil 消灭,全部建立在“系统行为是可被度量、可被预测、被人工工程化控制的”这一前提上。但现在,对传统系统,SRE 不再亲手操作;对 AI 系统,代码根本不按确定性规则运行。AI 更像一个黑箱里的同事,有时候能力超神,有时候胡说八道,而你必须在生产环境中和它共事,还要保证用户不遭殃。Niall 在播客里的那句“LLM 会产生幻觉,准确率是 99.9% 还是 99.5% 后果天差地别”,这句话指向的是:SRE 赖以存在的“确定性”正在被抽走。

      Google 在第二版里反复强调:技术变了,但文化没变,无责复盘、心理安全感依然是根基。但真正致命的问题在于:当你的日常变成审核 AI 的提案,当 30% 的故障判断被机器接管,你对系统的“体感”从哪里来? 第一版 SRE 文化的绝对核心,是“你亲手碰过、被凌晨三点的告警烧过,所以你真懂系统”。错误预算之所以有分量,是因为按下“停止发布”的那个人,曾经在故障中感受过切肤之痛。如今,这个根基正在被抽走。

      播客里 Christoph 的发言值得留意。他说第一版忠实地体现了副标题:“谷歌如何运行生产系统”,但它没有说清楚,这只是一种做法。第二版引入了 Spotify、Microsoft、Etsy、Disney、Waymo 的视角,展示它们如何采用 SRE、哪些做法有效、哪些没有。这个转向本身就是一个信号:SRE 正在从“谷歌怎么做”变成“你在你的环境里,在 AI 介入之后,还能抓住什么不变的东西”。

      如果你在运维、平台工程、或者任何需要对生产系统可靠性负责的岗位上,不妨听听这期播客对话。这段对话并非给出了 AI 时代的答案,作者们自己也在焦虑十年后这本书会不会显得荒唐。第二版书诚实地呈现了一个正在发生的断裂:一本终结了传统运维时代、定义了行业语言、托住了云原生爆发的书,被它的作者们亲手宣告需要重写,而重写它的理由,恰恰是他们还无法完全看清的东西。

      Betsy 在播客里说了,想成为 SRE 的人,她的建议仍然是“从第一版开始”。但如果你想知道 DevOps 和云原生走到 2026 年之后,当 AI 开始接管操作、当平台工程把 SRE 从机房里拽出来,那套曾经让运维变成一门工程学科的东西还剩下什么?第二版的书籍和这期对话,是目前的起点。

      以下是访谈内容,InfoQ 在不改变原意的前提下进行了编辑整理。

      1从人工救火到工程化运维,Google 如何改变了 SRE?

      David Blank-Edelman:大家好,欢迎收听 Prodcast。我是今天的客座主持人 David Blank-Edelman。今天,我们要聊一部在我们这个领域具有开创性意义的著作。虽然参加这次讨论的人可能不太愿意承认这一点,但《SRE》这本书确实帮助推动了整个领域的发展,也成功地让更多人认识了 SRE。

      而且,我们还有一个令人兴奋的消息:今天我们还会重点讨论即将问世的第二版。我想先从这本书的起点聊起。Niall,当初怎么会想到要写这样一本书?等聊到第二版时,我还想再问问你这个问题,听听你当时有哪些不同的考虑。

      Niall Richard Murphy:第一版的想法在正式立项前几年就已出现。随着 Google 内部 SRE 实践不断发展,工程师们意识到,这套知识和工作方法已经复杂到值得系统整理成书。经过约一年半到两年的编写,第一版于 2016 年出版。

      David Blank-Edelman:Christof,你认为为什么第一版会受到如此广泛的欢迎?在你看来,这本书究竟提供了什么价值,能够让这么多人从中受益?

      Christof Leng:我认为,这与当时的时代背景有很大关系。那段时间,很多公司的数字化业务都在快速扩张。IT 系统不再只是发生在地下机房里的事情,而是逐渐成为企业运营的关键组成部分。人们开始意识到,一旦系统宕机,就会真正影响业务。

      于是,大家需要弄清楚几个问题:面对规模越来越大的系统,我们该怎么办?面对各种系统相互交互带来的复杂性,我们该怎么办?又该如何以可持续的方式管理这些系统?很多公司开始尝试采用书中的实践方法,而结果表明,它确实在很多公司中发挥了作用。

      David Blank-Edelman:我想,读者从这本书中看到的应该不只是 Google 的经验,也看到了自己的处境。这其实是一个很值得探讨的问题:这本书解释了 Google 是如何取得成功的,但其中的方法似乎也适用于其他公司。

      你们当初写这本书时,是否已经意识到,Google 的经验也能在其他组织中发挥作用?那么,其他公司是如何借鉴这些经验的?你们当时观察到的情况是什么?

      Christof Leng:我认为,第一版确实有一些内容非常具有 Google 的特点。在我看来,真正成功引入 SRE 的公司,并没有完全照搬 Google 的做法,而是根据自身情况进行了调整。每个组织都有不同的文化和需求,不可能与 Google 完全一样,这其实是件好事。我认为,书中的许多原则具有普遍适用性,其他公司完全可以结合自身的实际情况加以应用。

      2Google 的最佳实践,为什么到了其他公司就失灵了?

      David Blank-Edelman:David,你先来说说?

      David Huska:我在 Google Cloud SRE 团队工作时,主要负责帮助一些大型客户将系统迁移到 Google Cloud(GCP),第一版 SRE 书也恰好在那时出版。当时,云计算已经出现了一段时间,而且正在越来越普及。在与客户合作的过程中,我们逐渐意识到一个问题:这些企业往往拥有规模庞大、运行多年的老旧系统,而系统原有的可靠性问题,并不会因为迁移到云上就自动消失。

      第一版出版的时候,SRE 的理念和实践开始受到广泛关注。很多公司希望效仿 Google,认为既然 Google 是这么做的,自己也应该照着做。但正如 Christof 刚才提到的,由于种种原因,直接照搬往往行不通。接下来的几年,我们与这些大型企业开展了大量合作,也积累了不少经验。这些合作有时像技术咨询,有时又像是在为客户提供情绪疏导,因为我们经常需要回答这样一个问题:“为什么这套方法在我们这里行不通?”

      与此同时,这些经历也不断印证了 SRE 的许多基本判断。有些问题几乎就像物理定律一样,无论在哪家公司,都会遇到类似的挑战。客户也非常希望了解 Google 是如何应对这些挑战的。毕竟,Google 一直被视为可靠性工程领域的典范,他们希望借鉴这些经验。其中不少方法确实有效,而且直到今天仍然适用。

      不过,走进其他企业,观察这些方法在不同环境下的应用效果,也让我们有了许多新的认识。这些企业拥有非常优秀的工程师,他们也十分了解自己的业务,但 Google 的方法并不总能与他们的实际情况完全匹配。客户的反馈促使我们重新审视这些实践:哪些经验具有普遍性,哪些做法需要根据具体环境作出调整?这些问题也成为我们后来总结经验、完善方法时的重要方向。

      Niall Richard Murphy:我简单补充一下。第一版出版几个月后的一次经历,让我第一次意识到,这本书或许也适用于 Google 之外的企业。

      当时,我正在 Google 都柏林办公室工作,突然接到前台通知,说有人来找我。我有些意外,因为事先并没有约人。下楼后才发现,来访的是一家咨询公司的六名员工。我把他们带进会议室,几个人随即拿出文件夹,里面准备了大量列有问题要点的资料。接下来一个小时,他们围绕书中的内容向我提出了许多非常细致的问题。直到谈话快结束时,我才恍然大悟,原来他们是想深入了解书中的各种细节,再把这些经验作为咨询服务提供给自己的客户。

      当然,十年后的我已经不像当时那么天真了。但那次经历确实让我意识到,这些咨询公司可能会把 SRE 的方法带给更多企业,涉及不同的行业,以及对技术有着不同需求的组织。又过了一段时间,我逐渐意识到,SRE 正在走向主流。

      当然,Google 与其他企业之间存在许多差异,比如组织规模、可用资源,包括资金和 CPU 等计算资源。这些差异很容易让人觉得,Google 的经验未必适用于其他公司。但咨询公司却认为,书中有大量方法可以直接应用到其他组织。

      我记得 Forrester 曾发表过一篇文章,标题大致是《SRE 一书中可以立即应用于企业的 19 条经验》。看到这样的文章,我更加确信,这本书对 Google 之外的企业同样具有价值。当然,初创公司可能是一种比较特殊的组织类型,我能够理解这种看法,甚至在一定程度上也认同。但对于大多数企业及其日常工作来说,书中确实有许多值得借鉴的方法。

      事实上,这也是我当初想写第一版的原因之一。在此之前,我长期处于开发与运维严格分离的传统工作模式中。整个职业生涯大约有 75% 的时间从事运维工作,另外 25% 从事开发工作。但我逐渐意识到,开发和运维并不一定要这样分开。

      而 Google 特别擅长的一件事,就是从第一性原理出发重新审视问题,探索不同于传统做法的解决方案。

      3从自建基础设施到平台工程,哪些经典实践已经不适用了?

      David Blank-Edelman:David,我想接着你刚才提到的内容再问一个问题,正好也聊聊即将出版的第二版。经过这么多年的实践和反思,现在回头看第一版,你们觉得有哪些地方当初理解得不够准确,或者处理得不够完善?又有哪些内容,是你们希望在第二版中补充或修正的?

      毕竟,人都会犯错,至少我自己是这样。而 SRE 一直强调从失败中学习,所以我很好奇,你们从第一版中吸取了哪些经验?如果你们能够挥动魔杖回到过去,重新审视第一版,会有哪些地方让你们觉得:“第二版必须补上这个缺口”,或者“这里需要纠正一下之前的说法”?

      David Huska:我认为,第一版很多观点在当时是成立的,也符合我们那时的写作定位,也就是介绍 Google 如何运行生产系统。只是经过这些年的发展,许多技术和实践已经发生变化,书中的部分内容也逐渐过时了。

      十年前,我们强调的是 SRE 文化,以及开发团队自行构建和运行基础设施的工作模式。如今,很多原本由开发人员承担的基础设施工作,已经下沉到平台层,由统一的平台来提供支持。这并不意味着当年的做法是错误的。那确实是 Google 当时运行系统的方式,而且取得了很好的效果。只是后来,我们发现许多公司读了第一版之后,也开始模仿 Google 的做法。

      所以,也许我可以换个角度回答你的问题:第一版推动了哪些实践,而现在回头看,我们希望 Google 之外的公司当初能够采用不同的方法?这样的例子确实有一些。比如,十年前的环境相对简单,我们拥有充足的闲置计算资源,可以采用 N+1 冗余配置,在发生故障时利用预留的计算能力完成故障切换。当时,我们使用的虚拟机环境也相对统一,并在此基础上推动了 Borg、Kubernetes 等技术的发展。所以我很高兴我们当时选择了这条路线,但今天的技术环境已经有所不同。

      平均故障恢复时间(Mean Time to Resolution,MTTR)也是一个例子。过去,这是一项非常实用的指标,其数据分布大致呈钟形曲线,因此我们一直用它来衡量故障恢复情况。但如今,这项指标已经不如过去那么重要了。类似的变化还有很多。

      不过,在我看来,第二版最重要的进步,是我们认识到 Google 并不是唯一能够成功实践 SRE 的公司。其他组织同样积累了丰富的经验,也探索出了许多行之有效的解决方案。因此,我们努力将这些经验纳入第二版,不仅邀请其他公司的工程师亲自介绍他们的实践,也分享 Google 如何借鉴这些经验,以及我们自身的工作方式发生了哪些变化。同时,第二版也开始面向第一版未能充分覆盖的其他读者群体。

      Betsy Beyer:我们后来意识到,第一版遗漏了一项非常重要的内容。当时,我们已经习惯了 Google 的企业文化,默认人员管理、团队协作以及无责文化(Blamelessness)等都是理所当然的。但实际上,这些恰恰是成功推行 SRE 所必需的基础条件。因此,第二版用了更多篇幅讨论社会技术系统(Sociotechnical Systems)层面的问题。与某个数据库表或者类似技术细节相比,这些内容更不容易过时,也更具有长期参考价值。

      David Blank-Edelman:根据我的经验,出版第二版的时候,通常不可能无限增加篇幅,因此,要加入新内容,就必须删减一部分旧内容。刚才 David 提到了平台工程,Betsy 也谈到了组织和文化方面的内容。那么,为了给这些新内容腾出空间,第二版具体删掉了哪些东西?

      David Huska:第一版包含的大量技术细节,比如负载均衡、分布式 Cron 等,这些内容在当时都很有价值。但如今,其中大部分技术已经商品化,即使是尚未商品化的部分,借助 LLM 等代码生成工具,实现起来也比过去容易得多,成本也大幅降低。因此,我们曾讨论过是否还有必要保留这些内容。最终,我们决定把更多篇幅留给第一版中相对欠缺的组织文化内容,比如团队成员如何协作、人与人之间如何互动,以及如何证明自己工作的价值。

      借用作家 David Foster Wallace 的一个比喻,这些东西就像我们生活其中的水。因为早已习以为常,我们反而很难意识到它们的存在,也就没有在第一版中充分介绍。当然,有些内容我们当时已经意识到了,甚至写成了章节,但最终受篇幅等因素限制,还是不得不删去。所以,第二版减少了大量具体的技术细节,转而增加了更多关于组织、人员协作和文化的讨论。

      Christof Leng:第一版很好地体现了它的副标题——“Google 如何运行生产系统”,但没有明确告诉读者,这只是实践 SRE 的一种方式,并不是唯一的方法。

      因此,第二版引入了更多来自其他公司的实践经验,包括 Spotify、Microsoft、Etsy、Disney 和 Waymo。这些公司都有各自的 SRE 实践方法和发展历程,可以分享它们是如何引入 SRE 的,哪些做法取得了成功,又遇到了哪些问题。我认为,这些经验对准备引入 SRE 的企业很有参考价值。毕竟,如果只看 Google 如今成熟的实践体系,而不了解它是如何一步步发展起来的,就很难判断哪些方法适合自己的组织。

      Betsy Beyer:我想特别强调第二版的一个重要特点,这与我们刚才讨论的保留、删除和更新哪些内容直接相关。但实际上,第二版《SRE》是完全重新编写的,并不是在第一版的基础上简单修改和增删。

      举个例子,第一版有一章专门讨论“简单性”(Simplicity)。简单性依然是 SRE 的一项基本原则,我们现在仍然认同它。而且,第一版关于简单性的那一章直到今天仍然非常有价值。

      因此,我们实际上把第二版看成第一版的补充,而不是替代品。事实上,我们还在第二版的前言中,为不同类型的读者提供了阅读建议——当然,前提是有人愿意认真读前言。其中,对于那些希望成为 SRE 工程师的读者,我们的建议很明确:先从第一版读起。

      4连 SLO 都开始讨论弱点了,Google 的可靠性标准变了吗?

      David Blank-Edelman:我还想知道,第二版有没有提出一些与第一版截然不同,甚至有些“离经叛道”的观点?比如,你们会不会说:“SLI 和 SLO 过去确实很不错,但现在已经没那么重要了。”或者说:“可靠性当然很好,不过,现在我想跟你们谈谈韧性(Resilience)。”

      David Huska:在讨论 SLO 和错误预算时,确实经常会涉及教条和异端之争。这两个概念可能是第一版中影响最广泛的内容,也是我们与云客户合作时最常被问到的话题。

      在 Google,我们把 SLO 和错误预算作为一种协调决策的机制。当系统运行出现问题时,它们可以帮助团队判断何时应该暂停发布、集中精力改善可靠性,以及何时可以继续推出新功能。如果所有人事先就这套机制达成共识,那么即使出现故障,团队也能按照既定方案作出决策。这套方法至今仍然具有指导意义。

      但在实际应用中,我们发现,一些企业认为这套机制限制了他们自主权衡风险的空间。毕竟,每个组织的业务情况不同,需要自行决定能够承担多大的风险。因此,他们更倾向于借鉴其中的原则,而不是完全照搬 Google 的做法。

      后来,我们发现,不只是 GCP 客户,许多读者也逐渐形成了类似的认识:只要组织内部的信息足够透明,能够充分理解自身的业务风险,就可以根据实际情况决定如何使用 SLO 和错误预算,而不必严格遵循某一套固定规则。

      不过,第一版中有一项核心原则始终没有改变,那就是 SLO 的价值在于帮助团队了解用户的真实体验,以及用户真正关心什么。Niall 在第二版中很好地强调了这一点。因为在编写第二版时,大家对 SLO 确实提出了各种不同的意见,最后由 Niall 负责把这些观点整合成一套连贯的表述,他完成得非常出色。

      正如 Betsy 刚才提到的,有些基本原则不会改变。至于如何根据 SLO 制定错误预算、何时暂停发布等具体做法,则存在不同的观点和取舍,也更容易引发所谓的教条与异端之争。我们自己的看法也在不断调整,而这些变化,很大程度上来自外界的反馈,以及其他组织在实践中积累的经验。

      Niall Richard Murphy:我认为,第二版中关于 SLO 的章节有一个非常独特的地方:它专门包含了一个讨论“SLO 的弱点”的小节。更广泛地说,第二版在很多章节中都更加充分地考虑了各种不同的权衡。因此,我们在描述如何采用某种方法时,也提供了更加细致、更有层次的讨论。

      当然,在这本书的讨论中,我们还必须谈谈大家最喜欢的两个元音字母。第二版有一章讨论 AI for SRE,还有一章讨论 SRE for AI。这是两个截然不同的主题。我就先说到这里。

      David Blank-Edelman:太好了。我们肯定会在最后继续讨论这个话题。不过,在那之前,我想先来一轮快速问答。

      5从自动化到组织文化,今天的 SRE 更需要关注什么?

      David Blank-Edelman:从 Christof 开始吧。我想知道,在这本书中,除了你自己写的章节以外,你最喜欢、最推荐读者阅读的是哪一章?最好还能用一两句话解释一下值得关注的原因。

      Christof Leng:对我个人来说,应该是关于 SRE 文化背景的那一章。因为它提供了很多背景知识,帮助读者理解在 SRE 领域怎样才能取得成功,以及为什么有时候你甚至还没有开始处理任何技术问题,就已经可能遭遇彻底的失败。

      我认为,这一点经常被忽视。如果你完全忽略文化层面的问题,就很可能遇到大量麻烦,甚至根本不明白问题为什么会出现。所以,我认为我们有必要深入讨论这个主题,并且把它放在全书非常靠前的位置。

      David Blank-Edelman:非常好。Betsy,轮到你了。这个问题对你来说可能有点难,因为你几乎参与了所有章节。即使选不出最喜欢的一章,至少能推荐一章吧?

      Betsy Beyer:当然可以。有一章我个人非常喜欢,就是“自动化与工具”(Automation and Tooling)。这一章最大的优点,是提供了一套循序渐进的实践方法,从最基础的步骤开始,逐步深入。无论读者目前处于什么阶段,都能找到适合自己的起点,这一点很有价值。

      此外,这一章还用了很长的篇幅讨论琐务(Toil)。这是 SRE 工作中一个非常重要的问题,书中不仅深入分析了琐务,还讨论了其中许多值得注意的细节,内容相当全面。

      David Blank-Edelman:非常好。David,你会怎么选?

      David Huska:我想我刚才已经回答过这个问题了。如果要推荐一章自己没有参与编写的内容,我会选“平台工程”(Platform Engineering)。这一章很好地展现了 SRE 从第一版到第二版的演变:我们当初提出了哪些建议,如今 Google 内部又是如何实践的,以及我们现在会向其他企业提出什么建议。它也很好地将软件工程与站点可靠性工程结合起来,体现了我们一直以来的初衷。

      更重要的是,这一章说明,SRE 的基本原则并没有改变,改变的是我们解决问题的方式。这也是贯穿第二版的一个主题。随着技术工具、系统规模和商业环境不断变化,我们需要调整这些原则在实际工作中的应用方式,而不是抛弃原则本身。

      如果可以再推荐一章,我还想介绍自己参与编写的“有价值的可靠性”(Valuable Reliability)。这一章体现了第二版的一种新思路:我们需要认识到,SRE 归根结底是一项业务职能,而不只是一门工程技术。SRE 的重要价值之一,是帮助企业在业务规模扩大的同时,避免运营成本以相同的比例增长,使企业能够持续经营和发展。但我们很容易只关注其中的技术问题,而忽略它对业务的实际价值。

      “有价值的可靠性”这一章讨论的正是这个问题。如果企业只是因为 SRE 流行而投入资源,却始终把它视为运营成本,而不是一项竞争优势,那么到了下一轮预算审议,或者需要重新评估投入的时候,SRE 项目就可能面临被削减的风险。相反,如果组织内部能够充分理解 SRE 的价值,明确为什么需要投入可靠性建设,就能在此基础上形成共识。这也是我非常喜欢这一章的原因,它体现了第二版新增的一个重要视角。

      6当 AI 开始管理生产系统,SRE 如何应对不确定性?

      David Blank-Edelman:最后,我们来聊聊那些即将统治人类的机器人吧。

      关于 AI,我有很多问题想问。其中最让我好奇的是,你们是如何在这本书中讨论 AI 的?以我的经验,写 AI 就像用会逐渐消失的墨水写字,刚写下的内容可能转眼就已经过时,因为技术发展的速度实在太快了。

      如今,几乎每位 SRE 都在思考 AI 将带来哪些变化。但对于一本纸质书来说,你们究竟该写些什么,才能让这些内容在出版后仍然具有参考价值,而不至于读者刚拿到书,里面的观点就已经过时?你们是如何解决这个问题的?

      Betsy Beyer:我认为,我们通过“Tipping Point”(转折点)这一章,回应了 AI 将会如何影响 SRE 这个职业这个问题。围绕这个问题,目前存在大量焦虑和不确定性。我不能说我们已经明确回答了 AI 究竟会给 SRE 带来什么变化,但我认为,书中还是提出了一些很有参考价值的预测。

      David Huska:有些事情我们还是能够确定的。作为 SRE,我们已经有多年运行机器学习系统的经验,现在也开始负责 AI 系统的运行。因此,对于其中一些问题,我们可以从基本原则出发进行讨论。这至少为我们提供了一个相对可靠的基础。

      不过,你刚才提到的,确实是编写这本书时最让我头疼的问题。第一版已经出版了十年,而 AI 技术几乎每周都在变化。我们究竟该写些什么,才能保证十年后再回头看时,这些内容不会显得荒谬?为此,我们反复讨论了很久。

      最终,我们还是决定回到第一性原理,重点讨论那些已经得到验证、能够确定成立的原则,以及为什么即使在 AI 时代,这些原则仍然适用。

      我同意 Betsy 的看法,考虑到 AI 技术变化如此之快,我们最终还是很好地完成了这项工作。至于具体采用了什么方法,就先留一点悬念,等大家读了这本书就知道了。总的来说,这确实是一个很大的挑战,但我对最终呈现的内容非常满意。

      Niall Richard Murphy:我想先提醒大家注意一个问题。相比今天参加讨论的其他一些人,我在日常工作中可能接触了更多 AI 领域的最新进展。比如,METR 有一张广为流传的图表,经常被用来衡量 AI 系统能够完成的任务有多复杂。从图中可以看到,AI 的能力正在快速提升。这也让我有些担心,我们现在写下的内容,可能今天就已经过时了,更不用说等到正式出版,或者读者真正拿到书的时候。

      为此,我们团队反复讨论和修改,仔细斟酌究竟应该从哪些角度来写。最终,我们延续了第一版的思路,尽量围绕那些具有长期价值的基本原则展开,而不是介绍某项具体技术或某个特定版本,比如 HTML5 入门教程之类的内容。毕竟,后者很容易随着技术发展而过时。

      但要准确评价 AI 在 SRE、软件工程等领域究竟能发挥多大作用,还有一个难题。除了技术迭代太快,更重要的是大语言模型本身存在一些固有局限。它们可能产生幻觉、编造信息,也容易受到干扰而偏离任务。从某些方面看,AI 的认知能力甚至超过了人类,但在另一些方面,它又可能是一个远远无法满足要求的协作伙伴。

      如何应对这种能力上的不稳定性,是我们必须解决的问题,尤其是在生产环境中。因为一项任务的准确率是 99.9% 还是 99.5%,看似只有很小的差距,却可能产生截然不同的结果。我们也尝试在书中提出一些应对这些问题的指导原则。

      最后,我想作一个预测:今年结束之前,我认为全球每一位 SRE 都需要对 AI 建立起足够深入、基于实际了解的认识,即使他们还没有亲自使用 AI 工具。到了这个十年结束之前,我们则必须学会如何有效控制这些系统。

      Christof Leng:AI 正在非常迅速地改变我们的行业。但科技行业一直都在发生变化,而这正是它如此令人兴奋的原因。所以,对于科技领域的任何一个主题来说,其实都不存在一个绝对合适的出书时间。但这并不意味着我们就不应该讨论这些事情。

      我认为,真正重要的是写下一本书,与阅读这本书的人交流,然后大家一起学习。我们在书中重点做的一件事,就是努力找到那些我们已经知道是正确的核心原则。现在,每个人都在尝试弄清楚,应该如何在生产环境中使用 AI。没有人知道,两年、五年或者十年之后,这件事究竟会变成什么样。但这本书有一部分内容,专门讨论如何安全地在生产环境中采用 AI。也就是如何一步一步地引入 AI,在这个过程中逐渐建立信心,同时尽可能降低风险。我认为,这是一种非常符合 SRE 思维方式的做法。

      David Blank-Edelman:我希望,在我们的第二次讨论中,还能继续深入这些话题。我个人特别感兴趣的一个问题是:过去这么多年,我一直在运维领域工作,我们基本上都是在尝试利用具有确定性的系统,获得确定性的结果。但现在,我们突然拥有了一种本身并不倾向于产生确定性结果的工具。所以,我非常期待我们能够继续讨论这个问题。

      好了,今天的讨论就先到这里。感谢各位参加这场分为上下两部分的讨论中的第一部分。在接下来的节目中,有些嘉宾会再次回来,也会有新的嘉宾加入。非常感谢大家今天与我们分享有关这本即将出版的第二版《SRE》的讨论。

      播客链接:

      https://t.co/nkzVrTfQG0

      声明:本文为 InfoQ 编译,不代表平台观点,也不构成投资建议,未经许可禁止转载。

      END

      转发,点赞,在看,安排一下?图片

      图片会议推荐

      12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。8 折优惠倒计时最后一周,现在报名立减 1160,查看更多详情可扫码或联系票务经理 13269078023 进行咨询。

      图片

      跳转微信打开

      AI能力,如何变成真金白银?|赠书福利

      2026年11月15日 10:15

      InfoQ 2026-11-15 10:15 北京

      AI 很热,但企业真正用它赚到钱了吗?

      不少企业尝试将 AI 嵌入产品做局部提效,却发现客户不愿为此付费,根源在于仍沿用旧软件思维看待 AI——AI 作为全新生产力,其价值边界不在于模型能力,而在于人的认知。

      企业用好 AI 的核心,是厘清 AI 的权责边界、重构人机协作模式,挖掘被低效与组织结构所掩盖的利润,这正是 AI 时代企业重构利润的转型之路。

      本文把复杂的 AI 转型拆成找矿、采矿、炼矿、分矿四个看得懂、记得住的动作。企业在 AI 时代重构利润的完整路径,如图 1 所示。

      Word 内嵌图片

      产品创新的两条路

      如果我们把企业 AI落地比作一场价值“找矿”,那么最先要辨别清楚的就是矿脉的分布类型。回望电气化革命的历史,两种截然不同的创新路径恰好为今天的企业 AI转型提供了清晰的底层参照,如图2所示。

      Word 内嵌图片

      ①延展式创新

      一种路径是沿着电网架设电灯,可以叫作“延展式创新”。

      电的普及带来了无数看似微小却体量巨大的商业机会:看到灯泡在发光的同时会发热的特性,人们发明了烤箱和电暖器;有了灯泡照明产生的光影,由传统的皮影戏衍生出了银幕上播放的电影;后来人们想把电影装在盒子里带回家,于是就有了电视;再后来又有了手机和平板电脑,直到今天的新能源汽车,整个社会的电气化已经无处不在。

      这些五花八门的终端应用,才是真正创造巨大商业价值、改变人们生活的关键。

      电灯这种延展式创新的逻辑是,沿着已经铺好的“数据网络”去找矿,寻找 AI应用落地的产品创新点。哪里有电网,哪里就可以安灯泡;哪里有对灯泡的高密度需求,就在哪里率先铺设电网。

      AI的商业创新亦是如此,哪里数字化程度高,哪里就是 AI创新的富矿。

      ②跨越式创新

      另一种路径是点对点安装设备发电报,可以叫作“跨越式创新”。1858年第一条跨大西洋电缆铺设成功之前,纽约交易所和伦敦交易所之间的行情传递完全依赖跨大西洋蒸汽船,单程就需要 10~ 14天。一条从伦敦发出的棉花价格消息,等到达纽约时已经完全失去了时效性,无数商人因为信息差倾家荡产。

      正是这种极端迫切的高时效性需求,催生了电报这种跨越式创新——它不需要等待全国性电网的建设,甚至不需要统一的电力标准,只要解决了点对点的通信链路问题,就能直接产生巨大的效率提升。

      电报这种跨越式创新的逻辑是,无须等待数据完备成熟,只要价值足够大,就可以为企业提供跨越式破局的可能。在高价值场景中深耕研究,寻求点对点突破,也可以找到 AI应用的富矿脉。

      金句图

      这两条路径不是二选一的关系,而是互补的。电灯式创新从已有优势出发,在成熟的基础设施上做确定性高的应用创新,适合稳扎稳打、步步为营。电报式创新从价值机会出发,在高价值场景中做跨越式的单点突破,适合开辟新战场、建立新壁垒。

      前者是“顺着电网点灯”,后者是“为了通信架线”,但它们有一个共同点:都必须扎根在具体的业务场景里,解决真实的问题。

      延展式创新的必要条件

      AI的发展依赖三个要素:算力、算法和数据。

      当前的 AI产业格局中,赚得最多的是大模型厂商和英伟达(NVIDIA)这样的算力供应商。这就类似于电气化革命早期,最赚钱的是修发电厂和铺电缆的人,所有东西都在按电量计价,这是基础设施建设期的必然现象。

      但长期来看,发电厂虽然重要,但如果没有灯泡这样的终端应用,发电厂根本不会普及,也没有真正的使用场景。

      麦肯锡 2018年发布的一份关于 AI产业应用现状的报告显示:预计到 2030年,AI将为全球经济贡献高达 13万亿美元的增量价值,其中垂直行业应用将占据最大份额。

      制约 AI发展的瓶颈已经转移到了第三个要素:数据。更准确地说,是数据的完备性、规则的清晰性和适配场景的规模这三个必要条件决定了“数据电网”的建设质量。

      在AI时代“找矿”,如果选择“沿着电网点亮灯泡”这条路径,企业自身的这张“数据电网”一定要建好,不然有灯泡也点不亮。

      “数据完备”是延展式创新的第一个必要条件。一项业务如果没有完成数字化,就无法通过 AI激活价值。数据不存在,AI就无从下手。数据完备不仅要求“有数据”,还要求数据的质量、格式、连续性和可获取性都达到了 AI可用的标准,业务全流程能够形成闭环的数据链路,并且数据沉淀充足、质量可靠。

      第二个必要条件“规则清晰”是 AI能在企业中稳定运行的保障。规则清晰就是,什么被允许、什么被禁止、操作的边界在哪里都有清晰成文的标准,不依赖个人经验,不依赖主观判断,不存在模糊地带。数据是 AI的土壤,清晰的规则是 AI生长的框架。没有明确的规则边界,即便数据再完备,AI也容易出现逻辑混乱,带来效率和风控的双重漏洞。

      第三个必要条件可以描述为“规模够大”,这是确保 AI落地具备经济可行性的前提。一个应用场景如果数据完备、规则清晰,但一年只发生十几次,AI落地的投入产出比就过低。值得 AI介入的场景必须是发生频率高、覆盖面广、涉及大量重复性劳动的业务实践。

      采矿:从 SaaS 到 RaaS 的商业模式变革

      AI 让软件的价值透明化

      2026年春节,几家 AI大厂搞了一轮大规模补贴,发放了各种红包、优惠券,试图拉动用户使用自家的 AI应用。效果怎么样呢?大量用户领了补贴之后,用 AI干的最多的事情无非尝试一下“帮我点杯奶茶”。

      他们没有因为 AI应用发了补贴就改变自己的消费习惯,平时该用哪个外卖软件还是用哪个,该在哪家店点奶茶还是在哪家。补贴一停,这些用户就消失了。

      传统的用户增量已经见顶,流量也越来越贵。在一个存量市场里搞补贴大战,烧的每一分钱换来的都不是真正的用户增长,而是用户暂时的注意力,一种脆弱、容易消散的东西。

      各行各业的价格战都是一样的。你把价格打到极限,抢来了一个客户,但这个客户不是因为认可你的价值才选择你,只是因为你的价格便宜。明天出现一个更便宜的,他就会走,你并没有建立起真正的市场优势。

      说了这些行业顽疾,画面看起来挺灰暗的,低价竞争的局面真的无解吗?我想说:AI时代的到来,让我们看到了这个死结被解开的希望。

      原因很简单:AI让软件的价值变得可量化、可验证了。

      AI 重新定义市场格局

      产品的 AI能力升级和按结果付费的商业模式变革,组合到一起产生了化学反应,实现了一个我们追求的战略目标:把 AI能力从合思的费控系统中解耦出来,如图 3所示。

      Word 内嵌图片

      我们曾经尝试的路径是“费控 +AI”,客户要用合思的 AI智能审核,就必须先买合思的费控系统,整个销售逻辑是捆绑的:我们的 AI能力基于我们自己的平台,离开这个平台就无法使用。

      这意味着每拓展一个新客户,都需要先说服他把现有的费控系统换成合思的,然后才能用上AI。这个门槛很高,很多企业的财务系统是和 ERP系统深度绑定的,牵一发而动全身。常见的结果是我们的AI能力确实很好,但大量潜在客户因为系统切换的成本太高而被挡在门外。

      解耦之后,逻辑完全变了。新客户不需要采购合思的费控系统,他可以根据自身的具体情况,选择最需要合思先帮他解决的那个问题所对应的产品。客户现在最头疼的是审核效率?那先上智能审核 Agent。客户的痛点是商旅管控?那先上商旅 Agent。

      这极大地降低了新客户的进入门槛。过去是“全家桶”式的销售,现在是“单点切入、逐步扩展”。我们可以先用一个最轻、最急需的产品同客户建立信任和合作关系,后续再根据客户需求逐步展开其他合作。

      “按结果付费”的逻辑降低了客户的决策门槛和试错成本,让合作得以从小处开始,从信任开始。

      金句图

      要做“懂客户”的基础设施

      未来 AI编程构建产品的能力会越来越强,我估计再过不到 10年,除了 AI技术本身的提供者,可能没有人会再用传统意义上的“软件”了。大家用的应该是各种各样的 AI智能体,AI的底座能力来自大模型厂商,而中间那些做应用层软件的公司,如果不完成转型,就会被夹在中间,两头承压。

      面对这种局面,软件厂商怎么活下去?我认为有两条路:一方面深耕客户需求,积累行业 know-how(技术诀窍),把 AI审核的准确率和场景覆盖率做到极致;另一方面持续投入底层能力研发建设,确保我们的系统在底层是可靠的、精确的、经得起检验的。

      上层用 AI做灵活的智能处理,下层用确定性的代码做精确的逻辑保障,我相信这种“AI+基建”的组合才是软件厂商最坚固的护城河。

      我们谈的主要是商业模式转型,在转型的过程中,我越来越强烈地感受到一件事:产品和商业模式的变化一定会倒逼组织革新,如图4所示。

      Word 内嵌图片

      产品变了,商业模式变了,市场生态关系变了,组织不可能不变。如果组织的能力、结构和文化不匹配,再好的产品和商业模式都会在执行层面变形走样。

      金句图

      组织重构:前线深耕与前沿探索

      AI时代的到来,数据的获取和处理方式在变,流程的形态在变,算法的调用逻辑在变。如果底座变了,而我们还站在原来的位置上,那么做出来的产品、搭建出来的组织都会与新的现实脱节。

      要理解 AI时代的组织变革该怎么做,就得理解一个更底层的问题:从“流程驱动”到“模型驱动”,中间到底经历了什么? 这个演进可以分成三个阶段,如图 5所示。

      Word 内嵌图片

      第一个阶段是流程驱动。

      在流程驱动模式下,员工要办什么事,就知道“这个单子该找谁审批签字”;到了数字世界,我们的管理软件也是根据每个企业的管理流程来设置节点和程序,员工填完一个单子就转移到他的上级主管那里审批,层层递进。流程驱动的管理软件提升了企业各层级之间信息流转的效率,也减少了人为的疏漏,降低了随意性。

      但它的局限也很明显:流程是固定的、线性的、单向的。一旦业务场景发生变化,比如新增了一个审批层级、调整了一个费用标准,就需要去修改软件平台上的流程配置,整个系统的灵活性受限于流程设计的精细程度。

      第二个阶段是数据驱动。

      数字化时代带来了一个根本性的变化,数据开始替代流程中的部分人工环节。数据驱动的核心逻辑是让数据自己说话,减少人在流程中的介入。但本质上,数据驱动还是在流程的框架内做优化。流程还在,只是其中一些人工节点被数据自动化替代了。

      第三个阶段是模型驱动。

      当 AI不再是一个附加功能,而成为组织运转的核心枢纽时,就从数据驱动进入了模型驱动阶段。这是一个质的变化。过去的流程驱动是线性的、单向的,填好表格,沿着固定的流程线走一趟,每个节点的人看一眼、签个字。整个交互是一次性的,信息传递是结构化的。

      但模型驱动完全不同,模型就像一个枢纽,它会识别、推理、分发、决策和控制。每次交互不需要填写复杂的结构化表单,三言两语让模型理解了意图,它就自动去做下一步动作,该调用什么数据就调用什么数据,该触发什么规则就触发什么规则,该转给谁就转给谁。

      组织管理:从岗位进化到管理升维

      转型必然伴随阵痛:AI的不确定性、人的路径依赖、尝试后的预期落差,都可能构成转型的负向循环。而穿越阻力的核心终究要回归人本:激活懂业务的核心人才,以深度连接替代流程管控——技术越向前,管理越要回到人本身。

      金句图

      理论是理论,落到实践中,我逐渐形成了三个具体的思考维度,如图 6所示。

      Word 内嵌图片

      第一个维度:AI优先。

      这几个字说起来容易,做起来要考虑两个层面。

      第一个层面是使用习惯,能用 AI的时候就用 AI,让它成为日常工作的默认选项而不是可选项。这一点现在越来越多人开始接受了。

      第二个层面更为重要,即从 AI带来的新生产模式出发,去思考新的机会点。不去思考“我现有的业务哪里可以用 AI优化”,而去思考“如果我从一开始就假设 AI的能力存在,我会怎么设计这个业务”。

      这两个问题看似相近,答案却可能截然不同。前者是改良,后者是重构。

      第二个维度:不做端到端的规划。

      过去上线一套系统之前必须把流程全部梳理清楚,因为传统软件的开发成本高、试错成本高,上线后如果发现流程设计有问题,改起来代价巨大,所以必须设计得严丝合缝,而端到端规划是基本功。

      但 AI时代完全不同。AI的能力恰恰在于它可以“截断式”地完成。哪里有问题就在哪里治理,不需要等一套完整的规划做好才动手。过去靠周密的前期规划来保障的可靠性,现在可以由快速试错来保证。错了就改,改了再试,试的成本极低、速度极快。

      这个逻辑放到组织变革上同样适用,组织变革也要在动态中快速添加 AI的能力。

      第三个维度:消灭比改善更有效。

      这个观点受到资深财务专家付军华的启发,大意是:管理过程原来有很多环节,你在一个环节上提升 5%、10%,效率确实在提升,但其实最好的方法是把这个环节拿走。不是优化它,而是消灭它。

      管理学界也有类似的洞见,省下5%很难,但省下 50%反而容易,因为省 5%靠的是在现有框架内抠细节,而省 50%靠的是重新设计框架、把不必要的环节直接砍掉。

      到了 AI时代,“消灭”的能力被进一步放大了。过去很多管理环节存在的原因是“防止舞弊作假”,所以不同岗位之间要设置互相监督、层层审核的机制。但 AI不需要这些,只要让 AI去监控,它就会时时刻刻、不知疲倦地监控,不会漏掉,不会偷懒。

      过去需要三个人互相牵制才能保障的合规性,现在一个 AI就能覆盖,而且覆盖得更全面、实时性更好。这意味着大量原本为了监督而存在的管理环节可以被直接消灭。

      分矿:人本价值激励与人机共生社会

      分解任务,为 AI 服务

      光能看清问题还不够,你还得能把问题表达和拆解清楚,AI才能真正为你工作。这就是 AI时代人的另一个重要技能:任务分解。

      把一个大任务分解成足够小、足够聚焦的子任务,每个子任务的目标明确、边界清晰、验收标准清楚,AI的执行可靠性就会非常强。反过来,如果你甩给 AI一个模糊的大目标,例如帮我把这个报表做了,它大概率会做出一个看上去像那么回事但经不起检验的东西。

      我们通常说 AI是为人类服务的,帮人干活、替人审核、给人做分析,但从另一个角度来看,也可以认为是人类在为 AI服务,帮助 AI进化得更完善。

      AI时代对人的能力要求可以归结为一个链条:分析问题的本质→规划和分发任务→把任务翻译成 AI能理解的指令→不厌其烦地调试以找到驾驭 AI的合理方式。

      人机共生时代的价值锚点

      人和 AI各自创造的价值该怎么衡量?这是一个看似抽象但极其实际的问题。

      当 AI成为人类普遍使用的生产工具,一个劳动者操控工具的能力本身就是一种价值创造。就像开车技术好的人可以当司机,用 AI写代码的人就是程序员,用 AI作曲的人就是音乐人。

      当然,用 AI写的代码能不能跑通、用 AI谱的曲子是不是好听,这就是产品价值判断的问题了。

      进入 AI时代后,对 AI工作成果的定价催生了新的商业模式。而对人与 AI协同能力的定价则决定了我们如何找到自身存在的意义,这其实是个存在主义哲学范畴的命题。

      我并没有完全想清楚这个命题的内涵和外延,但有一个可能的思路是,我们要敢于定义自己的任何一份工作,就像瓦特定义了“马力”一样,每个行业的每个工作者,都需要找到定义自己工作价值的“马力”。

      金句图

      总    结

      AI不会让人变得多余,它会让人变得更加全能。组织不会因为 AI而瓦解,它会让组织变得更加高效。AI时代的商业逻辑改变的是人类与工具的协同方式,而企业追逐效益的永恒目标以及以人为本的价值导向始终不变。

      跳转微信打开

      Cloudflare KV Instant:读取 p99 仅 1.62 毫秒,写入一次却要 0.1 美元

      2026年11月15日 10:15

      InfoQ 2026-11-15 10:15 北京

      同一套 API,两种相反的成本逻辑。

      作者 | Steef-Jan Wiggers

      译者 | 田橙

      Cloudflare 最近首次 向客户开放 Quicksilver,将其作为 Workers KV 的一种新模式,名为 KV Instant。其读取延迟在第 99 百分位为 1.62 毫秒,而经典 KV 为 287 毫秒。但决定团队能否使用它的,不是延迟,而是它的使用限制。

      Quicksilver 是 Cloudflare 自己的配置存储系统,于 2020 年推出。Rob Sutter 写道,几乎每个发往 Cloudflare 的请求都会从中查询至少一个键,但它此前从未作为面向客户的产品提供。Cloudflare 开发者平台团队的 Brendan Irvine-Broque 在 X 上宣布了这一变化:

      我们在 Cloudflare 有一个性能惊人的键值存储,叫 Quicksilver。

      它能即时将键的更新传播到我们的整个网络,在每个地点都能实现微秒级读取,快得离谱。

      多年来,客户一直希望我们开放它。

      我们终于做到了,而且采用了一种我们认为相当简单的方式:将它作为 Workers KV 的一种新模式。

      以下公布的数据是在 300 多个边缘地点测得的:

      Cloudflare 指出,它无法以亚秒级精度测量经典模式的复制延迟,因此经典模式的中位数和 p95 数据是上界,而非测量值。据报告,Instant 模式的 p95 读取延迟为微秒级。

      它使用 Workers KV 的 API,但有三处区别。模式在创建命名空间时通过 "mode": "instant" 属性设定,此后无法更改。它不支持元数据,因此 getWithMetadata 始终返回 null。此外,list 会返回所有匹配的键,不进行分页。

      接下来是限制。一个命名空间最多容纳 10000 个键值对,总容量不超过 1 MB,键最长为 300 字节。写入上限是每个命名空间每秒一次;相比之下,经典 KV 是每个键每秒一次。Cloudflare 认为,单一的记录来源“让你更容易推断应用中的更新顺序”。这一差异最可能让迁移团队措手不及:经典 KV 允许同时写入多个键的模式,在这里会变成一条串行队列。

      定价也指向同样的使用场景。Cloudflare 坦言:“存储和 A 类操作的价格明显高于 Workers KV。”

      读取成本降低了 60%。一次写入的费用为 10 美分,而经典模式是每百万次写入 5 美元。存储费用为每 MB 每月 100 美元;由于一个命名空间的容量上限是 1 MB,这也是单个命名空间的存储费用上限。多键读取按键计费,因此一次 get 请求三个键,与分别请求三次一样,都按三次 B 类操作收费。

      Irvine-Broque 在同一讨论串中解释了背后的考虑:

      就像我们自己使用 Quicksilver 一样,它适合存放经常读取、很少更新的小规模数据。

      定价也反映了这一点:读取成本甚至比 Workers KV 低 60%。

      他补充说,写入之所以有这样的价格,是因为写入一个键就要将其复制到数百个地点。这种存储的定价方式,就是为了让用户频繁读取、很少写入。

      同样在 X 上,Benjie Malinao 对其适用场景的判断也类似:

      这正是智能体需要的配置存储。同一套 KV API,读取延迟 p99 低于 2 毫秒,全球写入在 p99 时约四分之一秒完成。功能开关和智能体设置不必再等待 TTL 到期。我会先把关键路径上的配置迁过去。

      功能开关、路由表和智能体设置符合这种模式。会话状态、用户记录以及任何需要频繁写入的数据则不适合。

      从业者想到的比较对象是 Vercel。开发者 Shawn Mclean 直接问 Irvine-Broque:

      我正在考虑用 Vercel Global Config 供中间件读取。他们声称延迟为 15 毫秒。如果把工作负载迁到 Cloudflare,你的意思是,我能在中间件中以 2 毫秒读取平台租户的域名映射吗?

      回答并没有完全确认这一点:

      即使是两年前 Workers KV(非 Instant)的 p50,也约为 5 毫秒。KV Instant 比它还快(见文章中的数据)。

      Cloudflare 自己举的例子是:每个请求都读取一个发布开关,并在主题演讲期间切换它。这恰好就是它面向的工作负载:一个键、一次写入,随后立即在各地读取。

      2018 年 Birthday Week 期间推出的经典 Workers KV,仍是存储大规模或频繁更新数据时的推荐选择。两种模式现在共用一套 API,但成本结构截然相反。

      KV Instant 目前处于邀请注册的私有测试阶段,Cloudflare 表示计划扩大开放范围,但尚未公布正式发布的日期。

      原文链接:

      https://www.infoq.com/news/2026/10/workers-kv-instant/

      声明:本文为 InfoQ 翻译,不代表平台观点,也不构成投资建议,未经许可禁止转载。

      END

      转发,点赞,在看,安排一下?图片

      今日好文推荐

      图片

      跳转微信打开

      DeepSeek又来掀桌了!官方App全套能力开放API,联网搜索价格不到OpenAI、Claude的8%

      2026年11月14日 12:24

      原创 褚杏娟 2026-11-14 12:24 北京

      11 月 13 日,DeepSeek 宣布开放“全家桶应用 API”,试图减少这部分工作。

      作者 | 褚杏娟

      让一个大模型回答问题并不难,但要让它搜索互联网、阅读网页、解析 PDF,再将找到的信息组织成带有引用的回答,开发者往往需要额外搭建一套工具系统。这些工作构成了 AI 应用开发中一层容易被忽略的工程负担。

      11 月 13 日,DeepSeek 宣布开放“全家桶应用 API”,试图减少这部分工作。它将官方 App 和网页端使用的联网搜索、深度思考搜索、文件输入、网页阅读等能力整合进现有 API,同时开放搜索、网页抓取、OCR、ASR 和 TTS 等独立接口。

      DeepSeek 声称,开发者可以利用这些能力实现与官方 App 基本一致的对话体验,甚至 1:1 复刻出完整的 DeepSeek App。

      对于联网搜索和网页阅读,开发者只需在 API 请求中声明相应工具,模型即可根据任务需要自主决定是否调用,搜索、网页抓取及相关上下文处理由 DeepSeek 服务端完成。文件输入则需要先通过 Files API 上传并解析,再将返回的文件 ID 加入对话;OCR、ASR、TTS 等能力则支持通过独立接口调用。

      “产品化之后确实不一样了,DeepSeek 这都开始把自己的 App 能力拆出来了,从搜索到 OCR、再到语音,这个感觉怎么有种冲着百度来的即视感。”开源项目《GSYVideoPlayer》 作者恋猫在知乎上评价。

      价格方面,官方表示,用户调用 DeepSeek API 使用扩展能力时,除收取 Token 费用外,也将收取相关工具的调用费用。具体价格如下:

      “我按官方价格表算了一下,写一篇带资料检索的文章,成本不到 4 毛钱。”知乎用户 药尘 Ray 总结称,“API 的钱已经便宜到可以忽略,贵的是三样东西:控制调用次数的工程、合规,以及你自己的判断。第三样最贵。”

      用 DeepSeek App 里免费语音聊天的用户表示,文字转语音的效果“其实是有点拉的”,商用 API 如果是一样的效果,“那这个价格就不值了,不如火山引擎接豆包”。

      还有用户认为,“语音识别、语音合成的价格感觉有点抽象,不过价格也不算贵,应该只是用来给用户兜底的,考虑到那些不方便部署自己语音识别和语音合成服务的人。文字识别这个好像综合下来不一定比百度便宜,百度的是 2.5 元 / 千页更贵,但有 1000/2000 次的免费额度。”

      实际上,DeepSeek 这条路线已经有不少先行者。OpenAI、Anthropic 和 Google 都在通过各自的 API,将模型、搜索、文件处理和工具执行整合到一起。DeepSeek 此次补齐应用层能力,也让模型厂商之间的竞争延伸到开发者过去自行维护的工具链。

      也有用户对比了三家价格:DeepSeek 的联网搜索每千次 5 元。作为对比,OpenAI 和 Anthropic 的同类工具每千次都是 10 美元。

      从调模型到调完整应用,
      开发者可以省掉什么?

      传统模式下,开发者会在请求中向模型声明可用工具。模型认为需要查询外部信息时,返回工具名称及参数,应用程序根据这些参数执行搜索、数据库查询或其他操作,再把结果传回模型。模型能够选择工具,但工具如何执行、何时重试、返回什么数据,主要由应用程序负责。

      随着任务复杂度提高,这套流程也会变得繁琐。例如,一个需要多次搜索的 Agent 可能在一轮对话中产生数次工具调用。每次调用都涉及数据传递、结果整理和上下文更新。开发者还需要处理不同工具之间的参数格式、调用失败以及模型误用工具等情况。

      DeepSeek 此次提供的服务端工具改变了其中一部分流程。

      根据官方开发文档,开发者可以在现有 API 请求中声明`deepseek_web_search`和`deepseek_read_url`两个工具。前者负责联网搜索,后者负责读取用户提供的链接。

      开启非思考模式时,模型可以根据用户问题自动搜索网页或图片,并生成带有来源引用的回答。开启思考模式后,模型还可以在推理过程中多次搜索、打开网页和查找页面内容。DeepSeek 称,开启思考模式后,模型最多可以执行约 20 次工具调用,包括联网搜索、打开网页和页内查找,让模型能够在多步推理过程中持续检索和核对信息。

      与开发者自行组织搜索流程相比,新接口将搜索决策、工具执行及结果处理整合到了服务端。客户端不再需要分别向搜索和抓取接口发起请求。

      返回结果中仍保留工具调用记录、搜索结果和引用信息。开发者需要将这些内容正确展示在界面中,并在后续对话中按协议回传相关内容块,但无需自行执行 DeepSeek 提供的服务端搜索工具。

      这一变化尤其适合需要联网问答、新闻检索和资料查询的应用。开发者可以直接使用官方维护的搜索链路,将更多精力放在业务功能和用户体验上。

      文件处理也是类似的思路。新版 API 允许开发者将 PDF、Word、PowerPoint 和图片上传至 DeepSeek Files API,解析完成后返回文件 ID,再将其加入对话。开发者可以选择纯文本识别,也可以选择图文混排识别。

      后者能够提取文档中的图片、图表和示意图,并按照原始位置与文字一起提供给模型。这意味着开发者无需另外整合 OCR 和基础文档版面解析服务,就可以让模型阅读一部分包含图文内容的复杂材料。

      不过,文件解析仍然需要上传和引用两个步骤。官方也明确指出,图文混排识别无法保证提取所有图表,解析后的图片仍会消耗模型输入 Token。

      DeepSeek 同时开放了独立的 Search、Fetch、OCR、ASR 及 TTS 接口。开发者既可以使用服务端自动编排,也可以将独立工具接入自己的工作流。

      实际上,DeepSeek 早在 10 月 17 日就开放了自研搜索引擎的 Search 和 Fetch API。此次发布的主要增量是将这些底层工具进一步整合到模型对话中,让服务端承担一部分过去由应用负责的工作。

      为了演示这种变化,DeepSeek 还在 GitHub 上开源了 chat-demo 项目。该项目提供流式对话、搜索、文件输入、语音交互、历史记录导入和多种消息渲染功能。开发者配置 API Key 后即可运行,静态版本甚至不需要独立的应用后端。

      Demo 体验入口:https://cdn.deepseek.com/chat-demo

      示例代码入口:https://github.com/deepseek-ai/chat-demo

      OpenAI、Anthropic 早已入场

      随着 AI 应用从简单对话发展为多步骤任务,模型厂商逐渐意识到,仅提供文本生成接口不足以支撑完整的产品体验。搜索、数据检索、代码执行、文件处理和工具调度开始成为 API 平台的重要组成部分。

      OpenAI 已经通过 Responses API 提供托管式联网搜索和文件搜索等工具。其中,文件搜索则可以让模型检索已上传文件。开发者创建向量存储并上传资料后,由 OpenAI 负责检索工具的执行,无需自行实现向量索引和语义搜索逻辑。

      需要指出的是,OpenAI 的文件搜索偏向知识库 RAG,而 DeepSeek 此次开放的文件功能主要是上传解析后将文档内容加入模型上下文。两者覆盖部分相似的开发需求,但底层处理流程与适用场景并不完全相同。

      Anthropic 也在 Claude Messages API 中提供服务端网页搜索与网页获取工具。

      在这种模式下,Claude 可以直接执行搜索并读取网页,开发者无需自行搭建完整的执行环境。Anthropic 还提供搜索次数限制、域名过滤以及结果引用等控制项。其较新的工具版本进一步引入动态过滤,允许 Claude 在搜索结果或网页内容进入模型上下文前,使用代码筛选相关信息,以降低无关内容带来的 Token 消耗。

      Google 则通过 Gemini API 提供 Google Search Grounding、URL Context 和 File Search 等工具。内置搜索与网页读取能够在一次模型 API 调用过程中完成,Google 负责运行工具并将结果交给模型。

      这几家厂商的实现方式有所不同,但方向已经比较明确:原本分散在应用框架、检索工具和第三方服务中的部分能力,正在被整合进模型厂商提供的 API 体系。

      对于开发者,这种变化降低了使用门槛。一个原本需要接入多个外部工具的功能,现在可能通过开启几个参数就能完成基础版本。

      对模型厂商而言,竞争范围也随之扩大。开发者选择某个模型 API 时,不再只考虑模型质量、推理速度和 Token 价格,还包括搜索结果、文档处理、工具执行稳定性、开发便利性以及服务端能够承担多少工作。

      DeepSeek 还有一项值得注意的设计:此次新增功能同时支持 Messages、Responses 和 Chat Completions 三种接口,其中包含 Anthropic 和 OpenAI 风格的协议。

      这使得已经使用相应 API 协议的开发者有机会沿用现有客户端或部分调用结构,降低迁移成本。不过,协议兼容并不意味着所有模型能力、参数和工具都可以直接替换,具体仍取决于各家实现。

      DeepSeek 目前明确支持这些应用层功能的是 V4.1-Flash 模型。开发者如果希望使用其托管搜索和文档处理能力,需要考虑对应模型是否满足自身业务需求。

      少写了代码,
      也交出了一部分控制权

      工具编排转移到模型厂商服务端之后,随之出现一个问题:开发者还能在多大程度上控制模型的执行过程?

      DeepSeek 的新接口提供了一个具体例子。根据官方文档,当开发者开启托管联网搜索或网页阅读工具时,不能通过`tool_choice`强制指定模型执行其中某个工具,否则将返回 400 错误。是否发起搜索、是否阅读链接,由模型自行判断。

      此外,DeepSeek 目前尚未开放托管搜索的域名白名单、黑名单等控制参数。如果应用需要限定搜索来源,开发者仍需通过独立 Search、Fetch 接口或自建工具链实现。DeepSeek 还对部分 API 参数设置了限制,当开发者声明托管联网工具、开启高级安全校验或启用会话标题时,部分生成与工具控制参数将由服务端决定,即使开发者传入也不会生效。

      这对于普通聊天应用可能比较方便,但对于需要强制检索的业务流程,意味着开发者不能简单地依靠原有工具选择参数来保证执行。

      更值得注意的是参数控制。DeepSeek 文档显示,启用部分托管工具或安全功能后,某些请求参数将由服务端决定,即使开发者传入也会被忽略。这对于依赖固定配置进行模型评测、重复执行任务,或者需要精确限制外部工具调用的应用,是一个需要提前考虑的变化。

      在 Messages API 中,这些参数包括`temperature`、`top_p`、`top_k`及部分思考控制参数;

      在 Responses API 中,包括`max_tool_calls`、`parallel_tool_calls`等;

      在 Chat Completions API 中,则涉及`seed`、`temperature`和`top_p`等。

      相比之下,OpenAI 和 Anthropic 的部分托管工具提供了域名限制、调用次数等控制能力。这种差异反映了模型服务平台设计上的不同取舍:封装越完整,开发者需要处理的细节通常越少;但如果希望自行决定搜索策略、工具执行顺序和异常处理方式,仍可能需要保留自己的编排层。

      DeepSeek 开放独立 Search 和 Fetch 接口,也为这种需求提供了选择。开发者可以绕过托管式搜索,直接控制查询词、返回结果数量和网页抓取,再自行决定如何把结果交给模型。

      因此,对于简单问答、原型开发和标准化助手,服务端托管具有较明显的便利性;对于强调数据来源、执行可审计性和复杂业务规则的产品,自建工具链仍有价值。

      参考链接:

      https://mp.weixin.qq.com/s/78KBHc4-4N5b2vfL9SkutQ?scene=1

      https://api-docs.deepseek.com/zh-cn/

      https://developers.openai.com/api/docs/guides/tools-file-search

      https://aistudio.google.com/docs/tools?hl=zh-CN

      https://platform.claude.com/docs/en/agents-and-tools/tool-use/web-search-tool

      声明:本文为 InfoQ 原创,不代表平台观点,也不构成投资建议,未经许可禁止转载。

      END

      转发,点赞,在看,安排一下?图片

      图片会议推荐

      12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。8 折优惠倒计时最后一周,现在报名立减 1160,查看更多详情可扫码或联系票务经理 13269078023 进行咨询。

      图片

      跳转微信打开

      InfoQ 2026 年趋势报告:AI、ML 与数据工程

      2026年11月14日 12:24

      InfoQ 2026-11-14 12:24 北京

      这份 InfoQ 趋势报告概述 AI、机器学习、数据工程领域的新兴技术与趋势,汇集编辑团队和外邀嘉宾的观点,研判当前技术走向以及未来一年值得关注的重点。

      作者 | Srini Penchikala, Chip Huyen, Daniel Dominguez, Hien Luu, Art

      译者 | 明知山

      InfoQ 人工智能与机器学习年度趋势报告为 InfoQ 读者提供 AI、ML 和数据工程领域新兴趋势和技术的全面概述。本报告总结了 InfoQ 编辑团队与外部嘉宾的播客内容,讨论 2026 年 AI 和 ML 技术的趋势以及未来十二个月值得关注的方向。我们的配套播客对所有这些趋势进行了深入讨论。

      人工智能与机器学习技术采用曲线图

      年度趋势报告的重要组成部分是曲线图,它展示了进入创新者阶段的趋势、技术和主题,以及进入早期采用者和早期大众阶段的趋势。这些阶段的划分参考了 Geoffrey Moore 的著作 《跨越鸿沟》。InfoQ 的主要关注点集中在尚未跨越鸿沟的技术。以下是今年的曲线图:

      自 ChatGPT 于 2022 年 11 月发布到现在已经快四年了。RAG 技术开始获得企业采用,自主 LLM 智能体出现也已经有两三年了。过去几年的爆炸式增长在 2026 年得以持续,自 InfoQ 团队讨论 2025 年的趋势报告(见下面的 2025 年曲线图)以来,AI 技术得到了显著的创新和发展。

      有关 2025 年 AI/ML 技术趋势的详细信息,还请查看去年的趋势报告 文章。

      今年的趋势报告建立在我们去年讨论的基础上,重点解读技术采用曲线图,展示了技术采用的不同阶段,并提供了自去年趋势报告发布以来新增或更新的技术的更多细节。我们还讨论了哪些技术和趋势在采用图中得到了提升。对于今年更新的采用曲线图,团队还添加了一些我们在播客中没有讨论的主题。

      可以看到,我们还对范围重叠的主题做了重大重组,移除了一些不再需要跟踪的技术,因为它们已经成为主流。

      以下是自去年报告发布以来的部分变动要点。

      创新者阶段

      采用曲线图的第一阶段——创新者阶段,今年新增了多个值得关注的方向,详细介绍如下。

      智能体间通信协议

      随着智能体式 AI 系统日趋复杂,往往包含多个智能体、跨多个业务域,单个智能体之间、多智能体系统之间的通信是保障这些系统稳定、安全、准确、可靠运行的关键。

      趋势报告播客嘉宾 Daniel Dominguez 谈到了智能体通信协议及其在整体智能体式 AI 解决方案中的重要性。

      Daniel Dominguez:底层正在发生一场架构变革。要让智能体在企业内部发挥作用,它们需要调用工具、读取数据、访问 API,并与其他智能体对话。MCP 或 A2A 这类协议将变得越来越不同。我认为问题是智能体间协议是否会成为新的企业集成层。

      例如,现在我们将应用程序连接到 API,未来可能会增加智能体发现能力,基于这些 API 实现任务协同。我认为所有这些架构层也在改变智能体相互交互的方式。

      推理引擎(vLLM、SGLang、llm-d)

      AI 推理是另一个高速发展、变革巨大的领域。2026 年被称为推理之年。企业正在从训练模型转向在生产环境中运行 AI 推理。到今年年底,推理预计将占 AI 计算支出的三分之二左右。推理模型、长上下文和智能体让推理不再只是模型执行问题,而是覆盖算力、内存、网络、路由、成本的系统性工程。

      Hien Luu 详细讨论了这一趋势,以及他在推理框架方面看到的情况。

      Hien Luu:自 2026 年初以来,与推理相关的话题出现了爆炸式增长。一方面,vLLM、SGLang 等推理堆技术栈让我们可以在自有环境中快速搭建推理服务。另一方面,开放权重模型变得越来越强大。这个领域最初没有多少人了解它们的工作原理以及如何运维,但现在有更多关于如何使用和优化这些软件的信息和资源。与此同时,我们谈到的部分应用场景面向金融企业,这类场景中会涉及个人身份信息(PII)。

      针对这类特定业务场景,在企业内部部署开源权重模型变得非常重要。我认为这一趋势还会持续发展,因为门槛大幅降低、落地变得更容易,未来企业会更多地采用这种方式。有些企业出于降本需求,会在内署部署开源权重模型用于编码。出于许多原因,推理依旧是一个非常有用、影响力巨大的话题,越来越多的企业将开始这样做。

      Harness 工程

      一个相对较新的领域从今年开始受到很多关注,那就是 Harness 工程。Hien 谈到了它的重要性,以及它如何为记忆管理和协同执行等工程能力提供支撑。

      Hien Luu:关于智能体,我想补充两点。一个是 Harness 工程,我认为它是上下文工程的延伸。有一个现象我觉得很有意思,也和我即将开展的研讨会主题相关,这些智能体 SDK 最初只是帮助我们编写任务循环逻辑,现在已经扩展到提供 Harness 工程能力,包括上下文记忆管理、协同执行,以及一些用于本地文件系统的现成工具。

      这是你可以看到的另一个趋势,来自 LangChain、Anthropic 或 OpenAI 的智能体 SDK 都在朝着在 Harness 工程中添加更多能力的方向发展。对于构建智能体的人来说,这是值得关注和利用的。智能体管理领域还存在另一大趋势,这些公司为你提供托管智能体的运行时环境。你是否想这样做是另一个问题,但这是行业观察到的现状。“我们有能力搭建智能体,也能把它做好,但接下来该如何规模化运维、部署运行?”

      规范驱动开发和 AI 软件工厂

      随着 AI 技术在软件开发过程中贡献大部分代码,开发者开始更多地关注需求和规范,充分利用自动化能力完成应用设计、编码工作。

      这一技术转变催生了规范驱动开发和 AI 软件工厂等趋势。企业组建专门团队搭建软件工厂模式,开发团队可以使用 AI 工具来自动化完整的软件开发过程。这个模式包含特定的 SDLC 步骤,如自动编译和分析现有软件应用程序的业务和需求、评审新的业务需求或系统增强、为这些新需求编写功能和非功能(技术)规范、生成设计和开发任务来实现新需求,最后自动生成新版本软件的代码与交付产物。

      嘉宾 Hien Luu 分享了他对规范驱动开发的见解。

      Hien Luu:这可能是从四五年前开始的。编码智能体现在变得非常强大。但在开发项目时,你通常会先明确目标、功能,做好规划,而不是直接丢给编码智能体开始写代码。它借鉴了我们早已熟知的最佳实践,只不过现在将其编纂成编码智能体可以遵循的形式。例如,如果从零启动一个全新项目,你要先编写需求规范:这个项目是做什么的?需要具备哪些能力?

      然后你与编码智能体进行头脑风暴,在它开始编码之前为它提供所需的上下文。人们为此有了很多好的实践。我认为大多数人都认可这是一种好的实践。现在相关讨论反而变少了,因为人们已经在实践它了。而 AI 工厂是另一个可能在过去几个月才真正出现的趋势,即如何将 AI 融入软件开发生命周期的各个步骤。

      一个典型的场景:“有人提了一个缺陷。你如何让 AI 从头到尾处理这个问题,拉取 PR、进行分析、尝试重现问题、修复、提交 PR,然后走完评审、测试等后续流程?”我们所有人都有太多事情要做、太多任务要完成。我认为如果我们能够自动化这个过程,那将从另一层面提速软件开发生命周期。

      物理 AI / 具身 AI

      另一个创新持续涌现的领域是物理 AI,也就是把智能带到现实物理世界当中。AI 智能体是一个软件系统,我们如何将同样的能力带入硬件,无论是机器人、协作机器人还是自动驾驶汽车。

      Daniel Dominguez 谈到了物理 AI 领域正在发生的事情以及我们应该关注的方向。

      Daniel Dominguez:核心命题就是“我们如何将 AI 带入物理世界?”过去几年,我们花时间将智能放入软件中,现在开始将这种智能连接到可以感知物理环境、执行物理动作的机器上。所以我们开始看到机器人,看到自动驾驶汽车、无人机和工业系统,现在都是这一转变的一部分。我认为物理 AI 与软件智能体的根本区别在于,物理 AI 一旦出错,会产生实实在在的物理后果。

      软件智能体可能在生成文件时出错,但机器人一旦失误,将是完全不同级别的错误。可靠性、模拟、安全、验证和评估在物理世界中将变得越来越重要。在这样的背景下,机器人基础模型正在发生的另一个重要转变是机器人也开始从语言、视觉领域已经验证有效的基础模型路线中受益。

      我们将开始看到为 数字孪生机器人 这类技术落地,开源机器人领域会迎来新进展,实现从 AI 智能体到物理智能体的跨越。所有这些都将在明年开始发展得越来越快,因为现在 AI 能力已经就绪,我们必须将其落地到我们的物理世界中。

      Chip Huyen 还讨论了机器人和视觉语言模型如何协同工作。

      Chip Huyen:让模型进入现实世界是下一个前沿方向,目前已经有了很多进展,但同时也面临多重挑战。我们一直说机器人就像汽车,就像大模型说的,“我们知道在现实世界中有很多机器人。”我们有 Waymo,有 Zoox,现实世界中有很多机器人。

      机器人模型和 LLM 之间有一个很大的区别,就是回退所带来的难题。当你在虚拟环境中训练 LLM 时,如果它犯了错误,你可以回退。你可以重置状态然后继续,可以做很多探索并选择最佳的状态。

      但你很难对机器人做同样的事。举个例子,如果机器人爬楼梯摔坏了,你无法让机器人恢复成出事之前的状态。这就让试错探索变得非常非常困难。另一个挑战是数据。我一直在研究很多机器人方案。我关注很多机器人创业团队,Janatics Robotics、Generalist、Physical Intelligence、Sunday、Skild AI 这些公司都很值得期待。

      今年我们在创新者类别中添加或修订的其他趋势包括以下主题:

      • 智能体安全与治理

      • 语音智能体

      • 专用决策模型(例如 TypeSafeAI 的 Jev 模型)

      • AI 网关

      • GraphRAG

      • LLMOps / GenAIOps

      • 脑机接口

      早期采用者

      在早期采用者类别中,我们想强调两个主要的主题:语言模型的创新和 RAG。

      AI 智能体 / 智能体编排

      和去年一样,智能体式 AI 依旧是本年度核心热点。2025 年及之前的年份都是关于如何学习和如何构建 AI 智能体。现在企业正在努力弄清楚如何运维智能体,如何将它们部署到生产环境,以及如何在生产环境中扩展它们。

      Daniel Dominguez 在 2025 年的播客 中讨论了 AI 智能体领域的最新发展。

      Daniel Dominguez:我认为 2026 年最大的变化是 AI 正在从与人交互的工具转变为可以执行任务的执行者。就像 Hien 说的,我认为过去几年大多数 AI 应用程序都是基于简单的交互。你问问题,手机给你答案。从今年开始,我们看到了可以自主规划、调用工具、执行动作、并持续工作更长时间的系统。我认为今年的重点不在于模型智能能力的又一次飞跃,而在于把已有的智能能力落地成真正可用的系统。

      我觉得有趣的是,智能体正在非常快速地跨越几个阶段。从个人智能体开始,然后我们开始看到与团队合作的智能体,现在企业正在思考跨整个组织运作的智能体。我认为最重要的变化是我们正在超越聊天机器人模型,不再只是生成一个答案。智能体可以有目标、可以使用工具、可以与软件交互、可以做决策,并可以持续工作直到任务完成。

      我认为这将 AI 从界面转变为更接近执行层的东西。这一点在软件开发领域体现得最为明显。我们从代码补全发展到智能助手,现在有了编码智能体。我们有 Claude、Codex、Cursor、Replit 等工具,它们可以浏览代码库、修改多个文件、运行命令、执行任务、检查失败,并可以自己迭代。现在有意思的问题已经不再是“AI 能写代码吗?”我们早就知道 AI 可以写代码了。

      在 AI 智能体领域,使用多个智能体的系统(多智能体系统)正变得越来越普遍,因为与基于单个智能体的系统相比,它们可以带来额外的好处。

      嘉宾 Arthur Casals 谈到了多智能体系统的前沿研究现状,这些多智能体系统的工作原理,以及真实的落地场景。

      Arthur Casals:多智能体系统 这个话题时在 LLM 智能体之前已经存在几十年了。学术界发现,LLM 智能体和 Transformer) 之后出现的一切,都与整个多智能体系统相关,本质上是在试图重新发明过去已经存在的东西。我的研究领域是 LLM 之前的多智能体系统,但这并不意味着它不能将 LLM 系统作为其中的一部分。最近我一直在研究 信念修正,这是解决 AI 领域的两大问题,一个与幻觉有关,一个与智能体处理后信息的准确性和来源有关。它介于计算机科学和哲学之间,大量用到形式逻辑,非常有意思。从去年年底到今年年初开始,我一直在研究基于形式逻辑的配置文件定义。它类似于我们之前讨论的 Jev 概念。它有结构化输入、结构化输出,以及如何约束智能体,让它们沿着可靠路径完成任务。

      模型与智能体评估

      今年,我们在质量保证领域也看到了更多发展,包括 AI 评估、护栏和 Harness 框架。2026 年被称为 AI 评估之年。在这个领域有很多不同的技术受到关注。测试 Harness 框架可能是今年讨论最多的话题。随着 AI 工具越来越多地被用于编写代码和软件解决方案的其他组件,对正式、严格、一致和可靠的 Harness 框架的需求变得非常迫切。那么我们如何衡量 AI 的有效性?什么样的指标可以用于评估和验证步骤,形成一个有适当制衡校验机制的端到端流程?

      我们请嘉宾分享他们在智能体式 AI 评估领域观察到的趋势,以下是他们的观点。

      Hien Luu:对于将 AI 智能体投入生产的公司来说,这是一个非常重要的主题,特别是那些为客户提供服务的公司,内部使用智能体的公司反而没有那么突出。举个例子,DoorDash 就构建了一个用于点餐的 AI 助手。还有其他公司正在为外部用户构建客户支持智能体。我们都知道 LLM 不具备确定性,构建出来的智能体可能会走错路,可能会做出错误的工具调用等等。评估机制就是用来保障智能体能够高质量、按要求完成对应任务。

      没有评估机制,你怎么知道智能体是否失控、做出意料之外的行为,或是违反企业政策等等。企业不仅必须这样做,而且必须将其作为构建 AI 智能体的核心步骤之一。很多企业最终都会构建评估 Harness,用来驱动整个评估流程,从获取数据、运行评估或测试到最后的质量评估。

      Daniel Dominguez:我完全认同今年正在成为模型和智能体评估之年的观点。一旦智能体能够执行动作,只评估底层模型是不够的。你必须评估整个系统,你必须评估模型、工具、上下文、智能体循环、环境。评估指标也随之发生了变化。

      不再只看答案是否正确,还要看智能体有没有完成任务、成本多少、耗时多久、需要多少次人工介入、过程中有没有不安全行为。我认为所有这些评估才刚刚开始,我们将看到如何评估所有这些关于智能体、LLM 以及它们在业务流程中的交互路径的工作流。

      除了这些重点技术趋势之外,还有一些正在从创新者阶段进入早期采用者阶段的技术。下面列出的所有这些技术都经过了广泛的发展和采用,已经被应用在大量的企业业务系统中。

      AI 技术已经开始被用于 DevOps 和 SRE 领域的生产支持、故障排除、维护和升级操作。

      • 智能体编码 / 自主软件工程

      • 智能体可观测性

      • 推理优化和模型路由

      • 小语言模型(SLM)

      • 推理模型

      • 可解释 AI

      • 虚拟现实(例如 VR/AR/MR/XR)

      • 认知服务

      • 边缘 AI 推理

      • 模型上下文协议(MCP)

      • 多模态 AI

      • AI DevOps/AI 驱动的 SRE

      早期大众

      我们将下面这些技术归入早期大众阶段,因为它们已经趋于主流,被各类机构里的软件开发团队广泛采用。

      上下文工程

      在 AI 智能体时代,上下文工程持续演进发展,为 AI 驱动的解决方案提供支撑。Arthur Casals 谈到了这一点,并重点提到上下文工程中的一大难题——上下文污染。

      Arthur Casals:上下文污染 实际上是最大的问题,是现在最值得关注的问题,因为我们在过去一年看到了行业普遍在往更大的上下文窗口方向发展,但如果系统无法区分哪些信息是有用的、哪些是最新的、哪些是备选参考、哪些是不相关的、过时的、带有干扰的,就不能真正解决问题。这里是结合我自己的研究观点:总的来说,更多上下文会让智能体变得更慢、更昂贵、更不可靠。

      一个很现实的问题是:不管上下文窗口有多大,到底哪些信息可以放进上下文?信息来自哪些数据源、需要具备哪些权限、对应工作流里哪一步,才能避免严重的上下文污染。这就涉及检索质量、来源管控、业务规则,以及通用上下文模型、上下文压缩 等一系列问题。我的意思是,“上下文”这个词背后藏着一大堆问题。这就是我对它的看法。

      对比去年报告,还有更多技术进入早期大众阶段。

      • 生成式 AI/ 大语言模型(LLM)

      • 检索增强生成(RAG)

      • 知识图谱

      • MLOps

      • 向量数据库

      • 数据契约

      • 数据可观测性

      • 图数据分析

      • 合成数据生成

      • 开放表格式(OTF)

      晚期大众

      最后,在采用曲线图的最后一个阶段“晚期大众”,有一些从早期大众移入的主题。这些技术现在已被团队完全采用,并成为其核心架构、设计模式和开发流程的一部分。

      • 自动化机器学习

      • 图像识别(计算机视觉)

      • 数字助手

      • 数据网格

      • 流处理和分析

      • 推荐引擎

      • 湖仓一体

      • Spark

      移出技术采用曲线图的主题

      我们还要指出,在本期 AI/ML 趋势报告中,我们移除了一些已经使用多年的成熟技术。这些技术已经成为主流技术和采用的非常重要的部分,不再需要放在曲线图中持续跟踪。

      其中一些主题包括 NLP 和深度学习、NoSQL 数据库、内存数据网格和大数据(Hadoop)等成熟技术。

      总    结

      AI 是一场重大的技术变革。正如我们现在都知道的,经过近四年,它不是昙花一现的热点或技术雷达上的临时波动。它将长期存在。它是过去二十多年来的主要技术浪潮之一。我们应当拥抱这场变革,而不是畏惧它。想办法利用 AI 工具来自动化日常工作流,无论是在办公室项目中还是在你的个人生活中。

      团队对明年的一些预测包括:

      • 美国本土机器人企业会涌现更多创新;

      • 性价比更高、速度更快的模型持续推出,TypeSafe 风格的模型值得重点关注;

      • AI 的约束会逐步显现:能源、算力基建会受电力供给、机房容量、散热条件限制。2027 年行业重磅新闻或许不再聚焦模型本身,而是能源、芯片、基础设施与地缘因素;

      • 每个 AI 智能体都将包含某种形式的 Jev 模型;

      • 随着智能体开发、运维、规模化落地走向成熟,智能体之间的通信交互会越来越普遍;

      • 大量场景会采用轻量化专用智能体、混合模型,处理边界清晰的任务;差异化重点在于配套系统;

      • AI 更深地融入日常生活;行业边界会慢慢清晰:哪些场景 AI 价值突出,哪些场景依然离不开人类。

      查看英文原文:

      https://www.infoq.com/articles/ai-ml-data-engineering-trends-2026/

      END

      转发,点赞,在看,安排一下?图片

      今日好文推荐

      跳转微信打开

      OpenAI、Anthropic、Google 各有接口,开放标准离统一还有多远?

      2026年11月14日 12:24

      InfoQ 2026-11-14 12:24 北京

      AGNTCon + MCPCon 2026:Agentic AI Foundation 新增四个项目,MCP 转向安全议题。

      作者 | Mark Silvester

      译者 | 田橙

      在圣何塞举行的 AGNTCon + MCPCon North America 2026 上,Agentic AI Foundation(AAIF)新增了四个项目,使其在成立第一年内从 三个创始项目 发展到十个项目。这场于 10 月 22 日至 23 日举行的活动紧随同一场地举办的 PyTorch Conference 之后,其议程重点很大程度上从协议新功能转向了安全和身份议题。

      AAIF 执行董事 Mazin Gilbert 在开幕演讲中宣布了项目动态以及三个新的治理委员会。Alibaba 贡献了 OpenSandbox,这是一个用于运行智能体的安全沙箱;OpenAI 贡献了 Open Responses,这是一项用于实现 LLM 接口互操作性的开放规范。Anthropic 加入了 Agent Skills,Hugging Face 则加入了 OpenEnv,这是一个用于训练和评估智能体的强化学习环境框架。基金会首席技术官 Manik Surtani 在公告中这样概括这一里程碑:

      一年前,AAIF 携三个项目成立,并押注智能体 AI 需要一个中立的家园才能蓬勃发展。如今,我们托管着十个项目。

      在题为“谁来保持它的开放性?”的演讲中,Surtani 认为,仅有许可证并不能确保基础设施保持开放。他将始终由一家公司控制的 Android,与 Google 移交给中立基金会的 Kubernetes 进行了对比。当前尚待解决的开放性问题集中在身份、证明、审计和支付方面。

      外部媒体的报道则较为冷静。The New Stack 指出,Open Responses 已经获得 AWS Bedrock、Databricks、Ollama、Nvidia 和 vLLM 的支持,但 Anthropic 仍在定义自己的 Messages API,Google 也有自己的 Interactions API。The Register 以“供应商关联的 AI 智能体技术被友好且资金充足的基金会接纳”为标题进行报道,并在结尾警告道:

      这种对 AI 智能体充满热情——或者说轻信——的接受速度,对某些行业而言可能有些过快。

      成立仅 11 周的 Tokenomics Foundation 执行董事 J.R. Storment 告诉现场观众,不要再计算 Token 数量。每项任务的成本优于每个 Token 的成本,每项结果的成本则更进一步,但真正应该衡量的是业务价值。

      Anthropic 的 MCP 联合创建者 David Soria Parra 认为,如今能力强大的模型更需要连接能力,而不是帮助它们专注于任务。7 月 28 日的规范新增了无状态服务器,一些开发者担心 这会让 MCP 变成又一个普通 API,而部分平台已经有约 70% 的流量采用这种模式。Soria Parra 宣布 Claude Code 支持 MCP Tasks,让工具调用可以持续数分钟、数小时甚至数天,而不再只是数秒。Anthropic 还将 Agent Skills 标准捐赠给基金会。该项目的 路线图 列出了五个优先领域,涵盖智能体消息、通过 MCP 使用 Skills、身份以及 HTTP 原生传输等方向。

      OpenAI 的 Thomas Sarlandie 分享了从 ChatGPT 插件目录中观察到的 MCP 服务器生产使用情况。工具数量实际上没有上限,但过大的 Schema 会被裁剪,最先被删除的是参数描述。已发布服务器中约四分之三的工具 Schema 小于 1KB,而最大的单个工具 Schema 约为 260KB,单个服务器则可达到 1.4MB。OpenAI 会拒绝所有未给每个工具添加注解的服务器提交;这些注解可以让 ChatGPT 快速处理只读调用,并在执行破坏性操作前请求确认。只有 56% 的插件使用服务器指令,Sarlandie 表示,这些指令可以安全地扩展到约 1,000 个字符。

      Chrome 的 Sarah Drasner 介绍了 WebMCP,这是一项目前正在进行源试用的拟议 Web 标准,允许网站向智能体公开工具。智能体可以调用已经声明的工具,而不是抓取 DOM;Drasner 援引的基准测试显示,操作速度可提高 2.5 至 7.5 倍。只读提示和不受信任内容提示也可以帮助智能体抵御隐藏在用户评论中的提示词注入。Drasner 强调,WebMCP 是对 MCP 的补充,而不是取代 MCP。

      加州大学伯克利分校教授 Dawn Song 认为,短期内,前沿 AI 给攻击者带来的帮助将超过防御者。Song 的 CyberGym 基准测试涵盖近 200 个开源项目中的 1,500 多个漏洞,而模型现在已经能够发现零日漏洞。在 ExploitGym 上,GPT-5.6 Sol 在两小时内针对 869 个目标生成了约 230 个可运行的漏洞利用;即使启用标准安全缓解措施后,仍能生成 80 多个。由于攻击者只需找到一个漏洞,Song 呼吁构建默认安全的系统,使用 AI 生成的证明,并提到一个用于追踪这些能力的新 观测平台。

      Anthropic 的 Den Delimarsky 是该协议的首席维护者,他表示 SDK 的累计下载量已达到 41.7 亿次。大约一个月前,这一数字还是 30 亿次;Delimarsky 表示,这让每一个安全缺口都变得更加重要。在 116 个一致性测试场景中,约三分之一目前用于测试安全性,而 企业托管授权 功能已经在 Claude 中上线。在 Delimarsky 展示的身份验证路线图中,该功能被标记为稳定;持有证明令牌和工作负载身份联合仍处于草案阶段;最终目标则是让智能体以自身身份登录。

      Goose 创建者、Block 的 Bradley Axen 演示了 Buzz,这是一个让人与智能体共享频道的开源工作空间。每个智能体都拥有自己的身份,以及一份注明其所有者的证明;它们可以读取频道,但不能读取私信。Buzz 拥有 8 万个社区和 3.6 万颗 GitHub Star,1.0 版本计划于 11 月中旬发布。

      GitHub 前首席执行官、现任 Entire 首席执行官 Thomas Dohmke 表示,智能体已经让代码审查成为瓶颈。Dohmke 援引行业数据指出,使用编码智能体的团队每周会创建约 57 个 Pull Request,而其他团队约为 10 个。Dohmke 希望将智能体会话日志存储在 Git 中并与提交关联,让审查人员能够根据变更的原始意图检查代码。

      Tim O'Reilly 将 MCP 称为 AI 领域的“参与式架构”,并认为它延续了 Unix 的传统。O'Reilly 指出,AI 经济仍然缺少相应的运行机制,就像 Web 曾经需要按点击付费的广告和安全支付一样。他将解决方案描述为机制设计,也就是“逆向博弈论”:从期望得到的结果出发,反向推导能够产生这一结果的规则。他传达的信息是,应将信任从模型中移出,放入协议、网关和可验证身份之中。

      对于运行 MCP 服务器的团队而言,实践建议十分具体:为每个工具添加注解、保持 Schema 小巧,并为智能体携带自身身份而不是借用用户 Token 做好准备。演讲中的部分数据缺少已公开的支撑材料,一些安全扩展也仍处于草案阶段。希望进一步了解相关内容的开发者,可以观看 第一天 和 第二天 的主题演讲直播,或者阅读基金会的 项目页面。下一届 AGNTCon + MCPCon 活动将分别于 2027 年 4 月 28 日至 29 日在旧金山,以及 9 月 15 日至 16 日在伦敦举行。

      原文链接:

      https://www.infoq.com/news/2026/10/agntcon-mcpcon-2026/

      END

      转发,点赞,在看,安排一下?图片

      今日好文推荐

      图片

      跳转微信打开

      ❌