早期探险家出行时常携带绘制精美却严重失真的地图——海岸线偏移、河流走向错乱,整片区域不过是制图师的凭空想象。最终存活下来的船员,并非那些最忠实遵循地图的人,而是那些真正理解地形、能够随机应变的领航者。
这一区别,如今在构建现代IT系统时再度显现其重要性。
"自建还是外购"的决策框架依然频繁出现在白板上,仿佛一切都没有发生根本性的改变。但现实是,领导者所负责的系统,早已不再像固定的海岸线那样一成不变。
数据持续流动,工作流一上线就开始演变,AI引入了全新的推理层、依赖关系与故障模式,而这些从未被纳入最初的设计模型。一个为稳定性而生的框架,如今却被强行套用于一个处于持续变化中的系统。
自建与外购的历史背景
自建与外购曾代表着两条清晰的路径,各自的取舍权衡一目了然,且无论选择哪条,都能在当时的环境下实现持久的成果——因为那时的架构所承受的压力相当有限。工作流可以预测,变更以有序的周期推进,软件只需"执行",无需"理解"。
那个时代已经过去。现代运营系统必须在保持可靠性的同时,持续吸收和应对变化。AI的介入加速了这一进程,它将决策能力直接嵌入工作流,使系统能够实时推理与自适应。原有的框架是为风平浪静的环境绘制的,而今天的领导者,却面对的是瞬息万变的天气。
在此背景下,具有韧性的系统依赖于能够承载变化与压力的架构,而相当比例的企业应用将很快集成面向特定任务的AI智能体。这意味着,智能将直接融入运营之中,而非仅仅叠加在其上层。
SaaS的边界
SaaS凭借速度与可预期性赢得了自己的地位。对于标准化工作流而言,它依然能够创造价值。局限性则在运营复杂度出现时逐渐浮现。
在受现场条件、监管细节或需求波动影响的环境中,SaaS开始强加自身的预设逻辑。组织不得不调整流程去迁就软件,而非反过来让软件服务于流程。久而久之,企业便接受了供应商对工作运转方式的诠释。
这种代价并非纸上谈兵。在某家现场服务机构,单一平台的年度支出高达约17万美元,而实际使用的功能却只是其中极小的一部分。当该供应商引入基于营收的定价模式后,业务增长实际上变成了一种"税负"。原本用于支撑运营的软件,反而成为侵蚀利润的阻力。
这种现象十分普遍。SaaS供应商的利益驱动在于服务尽可能广泛的市场,这导致许多组织长期以租用方式使用系统,同时持续承受那些随时间不断累积的约束。
自建系统的价值重估
定制化工程处于另一个极端,提供了在工作流具有真正独特性时不可或缺的精准度与控制力。然而,这种精准度是有代价的。系统越定制化,集成接口越多,维护需求越大,交付周期越长,而且一旦架构落地,往往难以逆转。
从历史上看,高昂的经济成本使这条路对许多组织而言并不现实。构建一套定制化运营系统需要大量时间与资金投入。即便是对SaaS约束深感不满的领导者,往往也只能选择接受,因为替代方案看起来更为沉重。
AI改变了这一计算逻辑。当一份详尽的需求文档能在数天内转化为可运行、可导航的原型,而不再需要数月时间,成本曲线便随之改变。曾经需要数百小时工程投入的系统,如今可以以远更低的摩擦成本迭代构建。只要选择性地加以应用,自主拥有重新成为可行之路。
混合工程的兴起
混合工程正是为应对上述条件而生。它以强健的运营核心为起点,由专为安全吸收不确定性而设计的"智能就绪"组件构成。这些基础组件稳定了系统中最易出现故障的部分,同时为后续的推理、验证与持续演进奠定基础。
工程投入则聚焦于真正承载差异化价值的系统环节——运营的独特逻辑在这里得以体现,竞争优势也在这里成形。最终呈现的,是一个从设计之初便为动态变化而构建的系统,一个真正能够持续演进的系统。
地形早已与地图不符。领导者可以继续沿用为平静年代绘制的地图,也可以采用一种真正反映现代系统运作方式的模型。混合工程并非要取代判断力,而是要让判断力得以回归。
Q&A
Q1:为什么"自建还是外购"框架不再适用于现代IT系统?
A:因为现代IT系统已不再是静态、可预测的环境。数据持续流动,工作流上线后即开始演变,AI还将推理与决策能力直接嵌入系统运行。原有框架是为稳定环境设计的,无法应对当前系统的动态特性,因此已难以作为现代IT决策的有效参考。
Q2:SaaS在什么情况下会成为企业运营的负担?
A:当企业运营涉及复杂的现场条件、监管细节或需求波动时,SaaS会开始强加自身的预设逻辑,迫使企业调整流程去迁就软件。某些情况下,供应商还会引入基于营收的定价机制,使业务增长直接转化为成本压力,导致软件从支撑工具变为利润阻力。
Q3:混合工程是什么?它如何解决自建与外购的矛盾?
A:混合工程是一种结合外购与自建优势的架构策略。它以智能就绪的运营核心为基础,负责稳定系统中易出错的部分,同时将工程投入集中于真正体现差异化的核心业务逻辑,从而在降低成本的同时保留灵活性与竞争优势,实现系统的持续演进。
好文章,需要你的鼓励
今天讲的出海案例是飞荣达,这家从深圳起步的屏蔽、散热与结构件供应商,越南基地已经进入批量交付阶段。
中山大学等机构发现,多模态AI在同一道物理题因表达形式改变时推理能力明显下滑,视觉数值与物理实体的绑定是最核心瓶颈,且遮黑训练图片同样能提升测试成绩。
微软Edge浏览器迎来Copilot重大更新,新功能允许AI聊天机器人读取所有已打开标签页的内容,用户可就标签页内容提问、比较商品或生成摘要。此外,Edge还新增AI学习模式、AI播客生成工具及写作助手等功能。Copilot将支持长期记忆,并可访问浏览历史以提供更精准的回答。移动端更新后,用户还可与Copilot共享屏幕进行实时互动。
这项由纽约大学与弗拉托恩研究所开展的研究证明,允许可学习嵌入时,Transformer只需对数维度就能存储大量事实,MLP充当通用关系选择器而非知识查找表,思维链可绕开多跳推理的容量瓶颈。