- 综合排序
- 最热优先
- 最新优先
- 来自专栏数智转型架构师
从架构到飞轮：什么才是真正的“AI原生”？
我认为AI Native它不是一个功能，而是一种全新的思想范式，一套完整的方法论，一套全新的架构。我觉得，一个真正的AI原生应用，必须具备以下五个环环相扣的核心支柱： 支柱一：架构原生 这是地基。 AI原生应用不是在传统的软件架构上“打补丁”，而是从第一行代码开始，就为AI而生。 传统架构：是“以应用为中心”的。一个庞大的、一体化的应用，通过API去调用一下AI的“能力”。AI是个“外援”。 原生架构：是“以AI（大模型）为中心”的。整个系统被设计成一个由多个微服务、工具、数据源组成的网络，而大模型是这个网络的“大脑”和“调度中心”。 架构不原生，AI的智慧就永远被禁锢在传统软件的牢笼里，无法发挥应有的潜能。 支柱二：交互原生 这是体验。AI原生应彻底改变人与机器的协作方式： 传统交互（GUI）：图形用户界面。 总结：从“工具”到“生命体” 现在，我们再回看“AI原生”，它的画像就清晰了： 它拥有一个为AI而生的“原生架构”，通过“原生交互”理解我们的意图，由自主的“Agent”去执行任务。
34510编辑于 2026-05-09 - 来自专栏IT民工闲话
软件架构演化简史：从单体到AI原生
那些整整齐齐的"单体→分布式→SOA→微服务→云原生→AI原生"或者"单体-C/S分层→SOA→微服务→云→云原生/Serverless"的分段框架，都是后人总结实践经验形成的叙事框架，只是为了便于人脑记忆和理解 拥抱不确定性，才是软件架构的第一性原理。AI大模型的到来，把不确定性往前推了更大的一步。 AI时代的新挑战 现在谈AI原生架构，需要保持谦逊。 大模型已经来了，AI Agent、工作流编排、Skills仓库、AI网关、模型路由层……各种新概念和新组件在快速涌现。已经有人开始喊"AI Native架构"，也有人在聊"AI云原生架构"。 这话在以前是对的，在AI时代也是对的。至于AI原生的定义，等到新一代架构涌现之后自有人来评说。马克·吐温有句话——"历史不会重复，但总是押韵。" 从单体到分布式，从SOA到微服务，从云原生到AI原生，每个历史阶段的问题不同，但架构理念相同：解耦、隔离、容错、拥抱不确定性，权衡、取舍、折中、解决当下的问题。
10910编辑于 2026-05-29 规避AI原生转型中的架构健忘症
在QCon AI纽约2025大会上，Tracy Bannon发表演讲，探讨了AI代理的快速采用如何重塑软件系统，以及如果组织将所有“AI”或“代理”视为可互换的，为何会面临重复熟悉架构失败的风险。 “每个人都在谈论AI‘生产力’，却很少有人提及随之而来的架构健忘症。” —— Tracy Bannon为了具体说明，Bannon概述了一组在软件开发生命周期中常见的自主性模式。 她认为，AI并没有引入全新的故障模式，而是通过加速变化和扩大错误的波及范围，加剧了现有的问题。她重点阐述了将既定的架构原则应用于代理系统。 演讲最后呼吁架构师和高级工程师在引入AI代理的方式上发挥积极作用。 她的结束语是：软件架构的核心实践仍然有效，挑战不在于学习全新的学科。希望了解更多信息的开发者可以探索更多QCon AI会议和InfoQ的报道，大会的录播视频预计将于2026年1月15日开始提供。
12010编辑于 2026-01-08- 来自专栏IT民工闲话
软件架构演化简史：从单体到AI原生
那些整整齐齐的"单体→分布式→SOA→微服务→云原生→AI原生"或者"单体-C/S分层→SOA→微服务→云→云原生/Serverless"的分段框架，都是后人总结实践经验形成的叙事框架，只是为了便于人脑记忆和理解 拥抱不确定性，才是软件架构的第一性原理。AI大模型的到来，把不确定性往前推了更大的一步。AI时代的新挑战现在谈AI原生架构，需要保持谦逊。 大模型已经来了，AIAgent、工作流编排、Skills仓库、AI网关、模型路由层……各种新概念和新组件在快速涌现。已经有人开始喊"AINative架构"，也有人在聊"AI云原生架构"。 这话在以前是对的，在AI时代也是对的。至于AI原生的定义，等到新一代架构涌现之后自有人来评说。马克·吐温有句话——"历史不会重复，但总是押韵。" 从单体到分布式，从SOA到微服务，从云原生到AI原生，每个历史阶段的问题不同，但架构理念相同：解耦、隔离、容错、拥抱不确定性，权衡、取舍、折中、解决当下的问题。
22210编辑于 2026-05-27 腾讯云AI原生架构：重构Agent基础设施，推理提速4倍与95%智能诊断率
部署全栈AI原生引擎与安全运行时沙箱 为解决大模型应用中的系统稳定性与开发效率问题，腾讯云升级智算能力，构建了更贴近Agent的AI原生云软硬协同架构： Agent Infra（运行层构建）： 专为大规模 同时，腾讯自研TACO Kit推理引擎覆盖生文、生图、生视频等多模态，实现多种模态推理加速 4倍（其中TACO-LLM推理效率提升 100～130%，TACO-DiT提升 122%）。 支撑实体产业与泛互联网核心业务系统 该套AI原生云基础设施已在多行业、多场景中得到大规模实际业务验证。 确立亚太区智算基石的权威认证优势 腾讯云在AI云基础设施领域的架构优化与技术确定性，获得了全球权威机构的量化认可。 在评估系统稳定性、产品技术创新力及市场执行力等维度后，腾讯云荣获 Gartner 评级亚太第一，并在 2024年沙利文（Frost Radar）中国AI基础架构市场综合竞争表现中位列创新指数国内第一，印证了其在
43720编辑于 2026-04-19腾讯云发布“4+N”防护体系：以原生架构与AI大模型重构企业安全底座
量化安全运营效能：AI驱动的检出率提升与决策自动化 通过开放腾讯云自身安全实践，“4+N”体系在实际应用中展现出高投资回报率（ROI），核心体现在以下三个量化的业务指标： 敏捷接入效率（Ops Cost 大幅降低）： 依托腾讯云原生架构实现免部署、轻配置。 例如，某奶茶小程序业务原生接入小程序网关后，拦截4000万次攻击，平均请求耗时降低22%。 AI驱动的运营降本指标： 接入基于腾讯混元的AI安全模型，通过“云安全助手”简化40%的产品操作；在AI值守模式下，系统可自动完成>50%的安全决策。 原生接入4道防线，实现数据全生命周期（分类分级、加密、脱敏、审计）的管理，满足个人敏感信息防护等核心合规性标准要求。 一汽解放集团（车联网安全检测）： 与腾讯共建网络安全测试实验室。
14300编辑于 2026-05-30- 来自专栏AIGC新知
Meta Llama 4 全面解析：全新的原生多模态 AI
Llama 4：原生多模态，混合专家架构，超长上下文支持。 此外，Llama4系列还整合了文本、图像和视频的统一框架，使其具备原生多模态能力。 它采用了混合专家（MoE）架构，提高了训练和回答用户查询时的效率。 接下来将带你详细了解本次llama4模型的新特性。 技术背景 Llama4 是 Meta 于 今日发布的新一代开源大语言模型系列，标志着其在多模态 AI 领域的重要突破。 核心技术架构 混合专家（MoE，Mixture of Experts）架构 Llama4系列AI模型是Meta公司推出的最新产品，它采用了混合专家（MoE，Mixture of Experts）架构，这是一种在训练和回答用户查询时效率更高的架构 原生多模态融合 Llama 4采用了原生多模态设计，能够处理和整合各种类型的数据，包括文本、视频、图像和音频，并且可以在这些格式之间转换内容。
2.6K60编辑于 2025-04-07 - 来自专栏phodal
流式 BFF：AI 原生架构下的智能体胶水层
流式 BFF（Streaming Backend for Frontend） 是一种适用于 AI 原生架构的胶水层，旨在解决 HTTP API 与智能体协同过程中的数据流处理和接口不一致等问题。 而那篇《语言接口：探索大模型优先架构的新一代 API 设计》中，我们介绍了 自然语言即 DSL、实时文本流 DSL、本地函数动态代理等模式。这些模式为我们开发 AI 原生应用带来了新的思路。 流式 BFF：AI 原生架构下的协同模式 传统的 BFF 模式关注为特定的前端应用定制后端服务，以满足前端的特定需求。 定义流式 BFF 模式：流式 BFF（Streaming Backend for Frontend） 是一种适用于 AI 原生架构的胶水层，旨在解决 HTTP API 与智能体协同过程中的数据流处理和接口不一致等问题 总结 生成式 AI 原生架构要求我们重新审视传统后端模式。流式 BFF 为智能体接口不一致、与传统 API 不同步等问题提供了有效的解决方案。
81910编辑于 2024-11-22 - 来自专栏山河已无恙
云原生架构总览
2009年4月，VMware推出业界首款云操作系统VMware vSphere。 2015年,云原生刚推广时,Matt Stine在《迁移到云原生架构》一书中定义了符合云原生架构的几个特征 符合12因素应用(12 Factors Application) 面向微服务架构(Microservices ,使能应用开发者简单、高效地使用其提供的功能 云原生应用架构思考: 单体架构的局限性 单体架构的问题不在于不可拆分上,在于无法隔离和自治。 微服务独立性和敏捷性更好,架构持续演进更容易,更适合云原生应用 云原生架构模式: Serverless架构 Serverless (无服务器架构) 指的是由开发者实现的服务端逻辑运行在无状态的计算容器中 华为云长期投入云原生技术与产业,是全球云原生领域领导者 华为云基于擎天架构 云原生基础设施:在云原生基础设施方面,华为云基于擎天架构实现了基于应用SLA来灵活调度算力,根据应用IO的不同,动态分配网络带宽
3.4K32编辑于 2023-03-02 - 来自专栏正则
架构之路 （一） —— iOS原生系统架构
接下来这几篇我们就一起看一下关于iOS系统架构以及独立做一个APP的架构设计的相关问题。 iOS系统架构 iOS系统架构如下所示： 具体哪一层包含什么框架如下所示： 下面看一下详细的信息： 1. 4. 核心操作系统层（Core OS） 包含大多数低级别接近硬件的功能，它所包含的框架常常被其它框架所使用。Accelerate框架包含数字信号，线性代数，图像处理的接口。 参考文章 1. iOS系统架构和常用框架 2. iOS系统架构 后记 本篇主要讲述了iOS系统的架构，感兴趣的给个赞或者关注，谢谢~~~
1.4K10发布于 2021-09-04 本体模型+AI 大模型驱动的 AI 原生应用技术架构设计
架构定位与核心理念 1.1 系统本质 本架构描述的系统不是一个"加了 AI 功能的传统 CRUD 应用"，而是一套以本体模型为核心驱动力、以 AI 大模型为生成引擎和运行时智能引擎的 AI 原生应用架构 五、SSE 流式输出架构 AI 对话必须支持流式输出，这是 AI 原生应用用户体验的基本要求。 这套架构既适合当前的合同管理场景，也适合作为后续更多业务域扩展的通用 AI 原生应用底座。当一个新的业务域需要接入时，只需提供对应的本体 YAML，整个技术栈可以直接复用。 后续为此增加了运行时知识注册表，把 M1/M2/M3/M4/ME 模型、原始需求文档、技术架构文档统一整理成知识条目；同时新增 ontology_knowledge_query 工具，让 AI 可以围绕流程 本文档版本 1.0 | 基于合同管理 AI 原生应用技术架构设计文档 | 2026 年 4 月
69710编辑于 2026-04-13从AI增强到AI原生：我经历了架构设计的范式革命
2025年，不会设计AI原生架构的程序员，就像2015年不懂微服务一样。 最近一个猎头朋友问我："现在招聘架构师，JD里不写懂AI都不好意思发。你们搞技术的，AI到底改变了什么？" 那一刻我意识到：把AI当工具用，和为AI设计架构，是完全不同的两件事。 二、范式转移：从AI增强到AI原生 2024到2025年，业界正在经历一个关键转折点。 预测：到2026年，超过80%的企业将采用AI原生架构模式。 三、AI原生架构的5个核心设计原则 1. 延迟不是bug，是架构问题 大模型调用动辄几秒，传统同步架构直接崩溃。 执行反馈：结果评估和自我修正 4.
46310编辑于 2026-04-14- 来自专栏后端从入门到精通
云原生架构-架构师之路（十九）
一、云原生架构内涵 云原生架构 基于云原生技术，指将 云应用中的非业务代码部分进行最大化的剥离，让 云设施接管项目中大量非功能特性（如弹性、韧性、安全、可观测性和灰度等）。 云原生包含：业务代码、三方软件 和 处理非功能特性的代码。把这些交给IaaS和PaaS完成。 二、主要架构模式 1、服务化架构模式：典型的 微服务和小服务。 4、存储计算分离模式：在云环境中，把各类暂态数据（如：session）给云服务保存。 5、分布式事务模式：访问多个微服务，必然带来分布式事务问题。 4）微服务分布式约束：故障发现时效性和精确开发维护人员核心述求。 无服务器技术（Server less）因为屏蔽了服务器的各种运维难度。有以下特点： 1、全托管的计算服务。 2、通用性。 4、按量计费。 函数计算（FasS）最具有代表性的产品。把应用逻辑拆分为多个函数，每个函数通过事件方式触发。 无服务器主要关注：计算资源弹性调度、负载均衡和流控、安全性。
3.7K30编辑于 2023-09-05 - 来自专栏yeedomliu
云原生应用架构实践
推荐序一 云原生与传统云计算最大的区别在于，传统云计算关注的是如何提供性价比最高的计算、存储、网络资源，而云原生关注的是 如何让产品能够支持快速验证业务模式 如何简化复杂的开发流程、提升研发效率 如何保障产品的高可用性让业务无需承受成长之痛 互联网系统架构的挑战 1.1 云应用架构技术发展 简单的云主机创建也不太能满足业务的需求，后续还有大量的运维和运营工作，运维操作频率基本占比在90%以上，尤其在业务本身不断发展并且规模不断扩大的时候会更加明显 ，矛盾也会越来越突出 1.2 云平台下架构的不同点 云应用架构设计意味着更快的迭代速度、持续可用的服务、弹性扩容及一些非功能需求，包括追求产品创新时间的技术挑战、以用户体验为中心的挑战和移动互联网时代的突发性挑战 ，保证资源的占用自动缩容，以减轻业务部门的成本支出；对于非核心的业务，启用避开峰值的方式来实现在线或离线业务的计算，尽可能实现云计算最大利用率，也就是常说的用好“云”，发挥云计算的最大价值 1.3 云原生应用架构 采用基于云原生的技术和管理方法，可以更好地把业务生于“云”或迁移到云平台，从而享受“云”的高效和持续的服务能力 目前业界公认的云原生主要包括以下几个层面的内容 敏捷基础设施 开发人员可以随时拉取一套基础设施来服务于开发
1.2K40发布于 2021-11-02 - 来自专栏CNCF
快速了解云原生架构
3）如何决定微服务架构的拆分粒度 微服务架构中的“微”字，并不代表足够小，应该解释为合适。 4）单体架构 VS 微服务架构对比 ? 流行的微服务框架：spring-cloud/dubbo。 2. 无论是云原生开发人员还是传统开发人员，选择在本地服务器上运行代码的比例都相同。这表明，尽管云原生开发人员已经掌握了云的灵活性，但他们并未放弃本地服务器。 4. 4）趋势四：动态、混合、分布式的云环境将成为新常态 上云已是大势所趋，但对于企业而言，有些业务出于对数据主权、安全隐私的考量，会采用混合云架构。 由于 x86 处理器的性能越来越难以提升，而在 AI 等对算力要求极高的场景，GPU、FPGA、TPU(Tensor Processing Units)等架构处理器的计算效率更具优势。 4.
1.6K20发布于 2021-02-23 - 来自专栏JAVA开发专栏
云原生架构的定义
前言： 从技术的角度，云原生架构是基于云原生技术的一组架构原则和设计模式的集合，旨在将云应用中非业务代码的部分进行最大化的剥离，从而让云设施接管应用中原有的大量非功能特性（如弹性、韧性、安全、可观测性 云原生相比传统架构进了一大步，从业务代码中剥离了大量非功能性特性（不会是所有，比如易用性还不能进行剥离）到lassh和paas中，从而减少了业务代码开发人员的技术关注范围，通过云厂商的专业性提示了应用的非功能性能力 此外具备云原生架构的应用，可以最大化利用云服务和提升软件交付的能力，进一步的加快软件的开发。 1. 代码结构发生巨大大变化：云原生架构最有影响力的就是让开发人员的编程模型发生 巨大的变化。
65230编辑于 2023-08-10 - 来自专栏devops
【架构实战】云原生架构设计原则
核心定义云原生计算基金会（CNCF）对云原生的定义：云原生技术使组织能够在公有云、私有云和混合云等现代动态环境中构建和运行可扩展的应用程序。 ArgoCD、Spinnaker三、云原生设计原则1.微服务化展开代码语言：TXTAI代码解释传统架构：单体应用→微服务架构好处：独立部署、技术多样、快速迭代2.容器化部署展开代码语言：DockerfileAI ：重建镜像，快速替换4.服务网格展开代码语言：TXTAI代码解释服务网格（如Istio）提供：-流量管理-安全通信-可观测性-策略控制四、12-Factor应用原则云原生应用应遵循12-Factor方法论 应用作为无状态进程运行端口绑定-通过端口绑定导出服务并发-通过进程模型扩展易处理-快速启动和优雅停止开发/生产平等-开发、预发布、生产环境尽量一致日志-把日志当作事件流管理进程-将管理任务当作一次性进程五、云原生架构模式 1.零信任架构展开代码语言：TXTAI代码解释传统：边界安全零信任：永不信任，始终验证2.容器安全展开代码语言：YAMLAI代码解释#Pod安全策略示例apiVersion:policy/v1beta1kind
23010编辑于 2026-04-02 本体模型+AI大模型驱动的AI原生应用架构设计和实现构想
大家好，我是人月聊IT，进行继续分享本体模型驱动的AI原生应用架构设计方面的内容。 本体驱动架构（Ontology-Driven Architecture）提出了一种基于本体+AI大模型驱动的AI原生应用构建解决方案。 4. 应用分层-职责解耦与语义对齐 为了保障系统的稳定性与可扩展性，应用架构采用了严格的分层模型。每一层都通过明确定义的接口与上下层通信，确保本体定义的语义在传递过程中不发生衰减。 大语言模型（LLM）的集成 本架构在设计之初就考虑到了 AI 技术栈的快速迭代。因此，系统通过抽象接口层实现了对不同规模、不同部署方式模型的高度兼容。 结论：语义一致的应用架构 本体驱动的 AI 原生架构不仅是对开发工具的改进，更是对软件生命周期管理的重新定义。
77510编辑于 2026-04-13AI时代的企业架构-对传统企业架构中的4A架构能力的增强
这个周末刚好看到武艳军老师微信公众号分享的一篇文章，谈企业架构4A架构中再增加一个AI架构是极其不合理的。 当然对于4A架构的集成和协同，我在前面专门写过文章。 企业架构规划设计-4A架构之间的关系和集成 我们常说的4A架构就是业务架构、数据架构、应用架构和技术架构，其实去理解4A架构的集成核心，你仍然要去参考企业架构这本书里面谈到的企业架构元模型。 而是想简单谈下在AI和大模型时代，对我们传统的企业架构和4A架构规划，究竟带来了哪些变化？ 智能化-模型驱动 到了AI和大模型阶段，那么变成了模型驱动，但是并不是说在传统的4A架构上面增加了一个新的AI架构。AI架构的内容本身应该拆分到已有的4A架构里面。
67700编辑于 2025-06-24基于云原生架构的高校AI教学实验平台建设与优化
一、技术架构设计原则基于行业验证的实践表明，高效科研教学基座需满足以下技术要求： 环境隔离性 • 采用Docker容器封装不同版本的Python包（如TensorFlow 1.x/2.x） 集群与公有云算力动态调配 • 调度算法：采用DRF（Dominant Resource Fairness）算法实现多维度资源调度，任务排队时间减少58% 工具可扩展性 • 通过Helm Chart规范AI 大模型服务化架构 基于Triton Inference Server的多模型部署方案： graph TD A[客户端请求] --> B{路由网关} B --> C[DeepSeek-7B 分布式训练加速 采用Horovod框架优化ResNet-50训练： horovodrun -np 8 -H gpu01:4,gpu02:4 \python train.py --batch-size 调度机制：基于优先级队列的抢占式调度算法，任务平均等待时间缩短70% • 能效管理：DVFS调频技术使TCO降低18%（年均节电34万kWh） • 服务可用性：达成99.98% SLA，MTTR<4分钟四
58410编辑于 2025-03-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号