10 年经验，不敌 AI 10 秒？对话 5 位顶尖架构师：AI 不会替代我们，但会淘汰旧的我们

采访嘉宾｜费良宏、付晓岩、沈剑、武艳军、杨凌云（采访不分先后，按拼音首字母排序）

过去十年，架构师被誉为互联网企业的“定海神针”，他们以宏观视角统筹系统、以前瞻眼光塑造技术蓝图，是数字化时代不可或缺的技术中枢。而如今，随着 AI 技术的深度融入和云原生体系的全面普及，架构师这一角色正在迎来一场前所未有的转型契机——不是被替代，而是被重新定义。

AI 编码助手、智能开发平台、低代码工具的出现，正在释放架构师从繁重重复劳动中的自由，让他们有机会专注于更高层次的系统设计与创新决策。GitHub Copilot、Cursor、Claude Code 等新一代 AI 工具在多个研究中被证实可提升开发效率 30%至 50%，这意味着架构师可以把更多精力投入到战略性技术规划、跨系统协同和业务创新之中。同时，云厂商的标准化“最佳实践”也为架构师提供了更丰富的组件与模型基础，使他们能以更快速度构建、验证并落地复杂架构方案。

在这一进化过程中，新的职业形态正在萌芽。AI 架构师、模型工程架构师、智能平台设计师等新角色正不断涌现，他们不仅熟悉传统系统设计，更懂得如何统筹协调算力、模型与数据，成为企业智能化转型的核心推动力。

在机械工业协会出版社主办、InfoQ 协办的“数智时代的软件架构峰会”上，我们策划了这期深度对话，并邀请了这一转型过程中的亲历者与思考者——来自一汽大众的武艳军、亚马逊云科技的费良宏、数孪模型科技的付晓岩、凯捷中国的杨凌云，以及曾任职 58 同城和百度的资深架构专家沈剑共同探寻：当 AI 能够生成代码、绘制架构图甚至提出解决方案时，人类架构师的独特价值何在？他们该如何重塑自身角色，在智能化时代继续担当技术创新的引领者？

在这场多人对话访谈中，专家们认为，AI 大模型爆发后引发的技术转型不仅仅是工具层面的革新，更是角色定位的根本性转变。亚马逊云科技首席云计算技术顾问费良宏指出，AI 正在推动生产力与生产关系的重新适配，传统“以代码为中心”的工作模式正在被颠覆。编码不再是重点，架构师需要将工作重心转向产品战略与公司战略层面。那些仍然将精力局限于技术选型、代码评估的传统架构师，很可能在 AI 快速发展的环境中失去竞争力。

在这个过程中，新的职业形态正在萌芽。AI 架构师、模型工程架构师、智能平台设计师等新角色不断涌现，他们不仅要熟悉传统系统设计，更要懂得如何协调算力、模型与数据流，成为企业智能化转型的核心推动力。架构不再只是“系统蓝图”，而是智能生态的设计语言。

凯捷中国区总监，高级咨询师杨凌云从另一个角度补充道，架构师的价值重心正在从“个人经验”转向“能力杠杆化”。AI 能够帮助架构师快速完成技术调研、方案模拟和知识更新，但这并不意味着架构师的价值被削弱。恰恰相反，AI 的加入让“人”与“组织”层面的议题变得更加重要。架构师需要将 AI 能力与组织战略、文化相融合，这恰恰构成了他们在 AI 时代难以被替代的“护城河”。

在实践层面，专家们也分享了各自的观察。一汽大众首席架构师，《企业架构驱动数字化转型》作者，《架构现代化》译者武艳军提到，虽然目前 AI 在架构设计领域主要还是起到辅助作用，比如自动绘制架构图、进行方案检查等，但其在企业架构治理方面已经展现出显著价值。通过 AI 快速分析海量架构资产、进行一致性检查，大大提升了架构治理的效率。同时，AI 带来了架构范式的深刻变化，AI 原生架构成为新时期企业架构研究和实践的重点。

北京天润聚粮咨询服务有限公司执行董事、总经理；数孪模型科技高级副总裁付晓岩则提出了一个更具前瞻性的观点：未来的架构师将更多地扮演“语义管理者”的角色。随着大模型能力的持续增强，架构师需要帮助机器在企业特定的业务语境中准确理解业务逻辑、系统结构和目标需求。这种“语义管理”能力将成为连接人类知识体系与智能系统的核心桥梁。

面对这些变化，曾任 58 同城技术委员会主席，百度架构师沈剑给出了最直接的建议：不要观望，而是要去了解并使用这些工具。技术发展的浪潮从不会因为任何人的抗拒而停下脚步，只有始终保持开放心态、持续学习、勇于拥抱变化的技术人，才能在下一轮竞争中保持领先。

从宏观视角来看，这场转型不仅仅是技术层面的升级，更是架构师价值定位的深度重构。当 AI 能够自动生成架构蓝图时，人类架构师的独特价值将更加体现在战略判断、组织协调和创新能力上。正如多位专家所言，AI 不会取代架构师，而是让他们从“绘制蓝图的人”转变为“定义价值与校准系统的人”，在智能化时代继续发挥不可替代的作用。

采访嘉宾：

• 武艳军，一汽大众首席架构师，《企业架构驱动数字化转型》作者，《架构现代化》译者

• 费良宏，亚马逊云科技首席云计算技术顾问，《Effective 软件架构》《软件架构决策之道》译者

• 付晓岩，北京天润聚粮咨询服务有限公司执行董事、总经理；数孪模型科技高级副总裁，《聚合架构》作者

• 杨凌云，凯捷中国区总监，高级咨询师，《解决方案架构师修炼之道（原书第 2 版）》译者

• 沈剑，曾任 58 同城技术委员会主席， 百度架构师。互联网架构技术专家，“架构师之路”作者，《分布式系统模式》译者。

以下基于采访实录整理，InfoQ 经过不改变原意的编辑：

AI 时代下架构师角色的重新定义

InfoQ：在如今全社会都在进行数智转型的大背景下，架构师在转型中的定位是否发生了变化？随着 AI 技术向业务中心逐渐渗透，企业中出现了很多新角色，比如“AI 架构师”或“模型工程架构师”这类岗位，您是否接触过这类新角色，能否举例说明下他们在企业中的价值，您又是如何看待这类新角色的？这些岗位和传统架构师的分工有何不同？

费良宏：AI 极大降低了代码生成、设计生成的成本，推动生产力与生产关系重新适配，使传统 “以代码为中心、人生成代码” 的工作模式被改变。编码不再是重点，架构师需转移工作重心、调整角色、大幅更新技能，才能在 AI 快速发展的环境中立足，否则传统架构师与开发人员可能被取代。

从历史规律看，技术革命始于工具，此次 AI 革命不同于以往仅带来边缘性工具，而是成为商业价值核心，取代部分人类原有定位，要求包括架构师、程序员在内的从业者重新思考自身定位，其冲击远超以往技术变革，易引发焦虑与对未来的不确定性认知。

过去，团队中通常会划分出架构师、开发人员、项目经理等传统角色。我认为这类角色在未来可能依然存在，但它们的分工、所扮演的角色以及每个角色的内涵会发生诸多变化。从最直观的影响来看，程序员群体受到的冲击可能最大，低端程序员的生存空间大概率会被极大压缩，不过目前对高级程序员仍有强烈需求。需要注意的是，这一判断基于 AI 当前的发展现状，而回顾过往，AI 的发展速度远超预期，例如 OpenAI 在 2024 年 4 月发布 GPT-4o，仅一年后就推出了 GPT-5，其智能水平提升了足足一倍。按照这样的发展速度，即便当下我们重点讨论的是低端程序员，未来其他领域技术人员的生存空间也可能被大幅压缩，这是一个大概率会成为现实的问题。

再看架构师这一角色，以往架构师的工作重点围绕功能与代码展开，核心任务包括解决性能问题、进行技术选型、开展代码评估以及需求分析等。然而，这些耗时且具有重复性的工作，在很大程度上可能会被 AI 带来的新技术所替代。在此背景下，架构师需要将更多精力与经验从以代码为核心、技术选型以及传统认知中具有挑战性的任务上转移出来，更多地转向产品战略与公司战略层面。未来，这类角色或许仍会沿用 “架构师” 的称谓，也可能被称为 “增强架构师” 或 “新一代架构师”。

未来团队角色必然会经历重新组合，甚至可能如你所提及的那样出现许多新角色，但我目前无法确定具体会出现哪种新角色。从更大可能性来看，未来这些角色或许依然存在，但每个角色被赋予的含义会有所不同。比如，架构师本身可能同时具备程序员的属性，而程序员也可能承担起架构师的部分重要职责，如此一来，未来的开发人员有可能同时也是架构师。简言之，相关角色的概念可能会继续保留，但它们的内在本质与定义会被彻底重塑。此外，部分低端岗位可能会逐渐消失，同时角色高度融合的趋势会愈发明显 —— 在一个团队中，低端程序员、高端程序员、前端人员、后端人员、架构师、产品经理等角色会大幅融合，甚至有不少角色会慢慢消失，这些变化都有可能在未来成为现实。

InfoQ：过去架构师的核心竞争力在于“经验积累”和“系统把控力”，如今这些能力正在被“智能化工具”部分取代或重构。AI 时代是否存在 “一人需掌握多个领域内容” 的发展趋势？

费良宏：在 “一人空间” 模式下，个体依靠一众 AI 智能体协作完成工作，此时如何平衡标准化与创新是核心问题。这种模式本质上带有标准化属性，而创新则是突破标准化、实现价值的关键。在当下时代，个体的核心价值恰恰体现在差异化上 —— 只有做出与他人不同的成果，才能凸显自身价值，若陷入同质化，个人价值便难以衡量。

这种差异化的实现，关键在于人而非 AI。尽管 AI 能持续帮我们提升效率，但目前它尚无法创造出足够的差异化，因此差异化仍需依赖人主动运用创造性思维、批判性思维，或是结合过往经验来达成。在此语境中，人始终是主体，AI 仅处于从属地位，扮演工具角色。不过，AI 凭借其高效的执行速度和效率优势，能在很大程度上协助我们验证想法、实现方案、生成原型，二者形成相辅相成的关系。

这一过程类似于多年前敏捷模式中的 “结对编程”：理想状态下，一人负责思考，一人负责编码，双方凭借各自优势相互配合。但在过去，很难找到能完全匹配的结对工程师，而如今 AI 却能完美胜任这一角色。只要我们充分发挥思考能力，提出足够多的创意与想法，再由 AI 将这些想法落地实践，这种模式完全可行。

因此，从长远来看，我们需要转变思维，将 AI 从单纯的 “工具” 转变为 “伙伴”。学会驾驭这个伙伴，让它成为开发过程中真正的 “结对工程师”，这不仅是至关重要的一点，也是我们实现创新的关键步骤。

杨凌云：我认为架构师这一角色在 AI 时代将经历一次深度重构。过去，架构师的能力主要依赖于个人经验——踩过的坑、积累的项目实践和对复杂系统的直觉判断。而如今，随着 AI 技术的引入，架构师的价值重心正逐渐转向“借助 AI 实现能力杠杆化”。

具体来说，AI 可以帮助架构师在多个层面提升效率与洞察力。例如，在技术调研阶段，AI 能够快速整合和分析大量资料；在系统架构设计中，它能进行模拟、推演，甚至提供多种可行方案；在知识更新方面，AI 还能帮助架构师迅速吸收前沿信息，从而拓展思维边界。这些能力使得架构师不再局限于个人经验，而能通过 AI 实现更高层次的创新与决策。

但与此同时，AI 的加入也让“人”与“组织”层面的议题变得尤为重要。AI 能力要真正发挥作用，必须与组织的战略目标和文化相适配。架构师在这一过程中，承担着关键的桥梁角色——他们需要把 AI 的能力嵌入组织体系，推动文化与技术的融合，确保 AI 真正成为组织能力的一部分。这正是 AI 难以取代的核心价值所在，也是架构师的“护城河”。

此外，架构师的角色也在从“技术权威”逐渐演变为“AI 总控师”。他们不仅要判断 AI 生成的方案是否符合企业规范，是否存在潜在的风险或不合规行为，还需要利用知识库不断完善 AI 的理解边界，确保输出的可靠性与一致性。通过这种方式，架构师可以在 AI 的辅助下持续增强自身能力，完成从技术专家到战略决策者的跃迁。

所以我认为，AI 不会取代架构师，而是成为他们最有力的工具。未来的架构师，将不再是单纯的系统设计者，而是懂技术、懂组织、懂 AI 协作的综合型战略角色。

InfoQ：AI 是否在改变架构设计的流程？例如需求分析、系统建模、性能评估、持续交付等环节中，哪些部分最可能实现“智能自动化”？ 能否举一些具体的企业中的实践例子？

武艳军：确实，以大模型为代表的新一代人工智能技术发展非常快，在软件领域已经产生了显著影响。目前 AI 的应用主要集中在代码生成、测试等环节，可以带来 10%-40%的效率提升。在需求分析上，它同样可以发挥一定作用。比如，它能高效分析大量资料、辅助调研、生成初步报告等。

在架构领域，由于架构设计的复杂性，AI 目前主要发挥辅助作用。比如，架构师提供设计思路后，AI 可以帮助自动绘制架构图，或者根据描述生成初步架构方案。当然，目前来看，架构师仍然掌握着整体设计思路和创新的主导权，AI 更像是一个在细节层面提供支持的助手。

InfoQ：在您的工作中，是否已经开始使用像 GitHub Copilot、Cursor、Claude Code 这类 AI 辅助开发工具？它们在架构设计或研发协作中发挥了哪些作用？

武艳军：这些工具我们都有在尝试使用，包括国内一些 AI 编程助手。目前主要还是从个人层面使用，比如工程师或架构师个人利用这些工具来提高效率。它们现在发挥作用的主要领域还是在编程层面。

在架构设计上，除了这类工具，还有一些其他形式的 AI 应用，比如智能体（Agent）或 AI 工作流，它们能在特定环节提供辅助支持，但总体上还处于探索阶段。

但也不可忽视大模型的一个特点是确定性不强。它根据理解来生成结果，可能存在一定偏差。这就要求我们在提出任务时，提示词要写得非常清晰、具体。如果能准确表达需求，模型往往能给出不错的结果；但如果问题过于宽泛，它可能会“跑题”。

在实践方面我们目前还没有直接用大模型来生成架构设计，但会用它来做方案检查和预评审。比如，验证一个方案是否符合规范、有没有遗漏之处。在这类初级、重复性较强的工作上，大模型的表现还是不错的，能帮架构师节省不少时间。

可以说，AI 技术的发展在促进企业架构迭代方面发挥了很大作用。AI 能帮助企业大幅提升架构治理的效率。具体而言，企业在做架构治理时，会积累大量架构资产，这些资产由不同团队在不同时期完成，存在关联复杂、一致性难以保证等问题。过去我们靠人工分析，工作量大且容易遗漏；现在通过 AI，可以快速完成这些资产的分析、对比和一致性检查，显著提升效率。

沈剑：我认为，AI 工具首先应该被自然地引入到技术人员的日常工作之中。毕竟，它的本质仍然是一种工具。回顾技术发展的历程，我们已经历过许多“工具化”的演进：从编程语言、设计模式，到架构模式，再到各种集成开发环境（IDE）——它们都在不断帮助我们提升开发效率与代码质量。AI 工具的出现，只是这一演进的又一次延伸。

工具的核心价值，在于提升效率与质量。正如编程语言让我们更高效地表达逻辑，设计模式帮助我们更合理地组织代码结构，AI 工具同样能够在编码与架构设计过程中，提供智能化的辅助。例如，不论是 Copilot 这样的代码助手，还是其他具备生成与分析能力的 AI 工具，它们都能有效提升编程的质量与速度，帮助开发者更高效地完成架构设计与实现。

因此，我们应当以开放的心态去了解、使用并融入这些工具。AI 并不是要取代开发者，而是成为开发者的新型“生产力伙伴”。善用 AI 工具，就意味着在新的技术周期中，持续提升自身的编码效率与代码质量。

InfoQ：AI 的发展也让企业架构范式发生了变化。在 AI 时代，企业架构需要怎样去适应这种变化？

武艳军：确实，AI 的发展让企业架构进入了一个新的阶段。过去我们基于规则和判别式逻辑设计系统；而现在，生成式 AI 能主动产生内容，甚至驱动业务，这带来了架构范式的深刻变化。因此，企业架构方法也需要升级。之前我们关注云原生架构、微服务架构，现在重点研究“AI 原生架构（AI-Native Architecture）”。所谓 AI 原生架构，是指以 AI 大模型为基础、以生成式架构为核心，以数据飞轮（“数据-模型-反馈闭环”）驱动自我进化，构建、运行和管理应用的架构范式。以大模型为基础，是因为 AI 原生应用的价值主要来自大模型，大模型是应用的核心决策引擎。以生成式架构为核心，是因为 AI 原生应用以大模型生成的文本、图像、代码等内容为结果来驱动业务。数据飞轮驱动的自主进化，是指 AI 原生应用构建了“数据-模型-反馈优化”的数据飞轮，在使用当中不断获取反馈数据并优化模型，从而提升 AI 原生应用的表现。

从企业架构理论来看，AI 原生架构不只是涉及某个架构域，也不是跳出于 4A 架构的单独的架构域，而是和 4A 架构都有着密切的关系。比如：

• 在业务架构层面，要找到高价值的业务场景，分析业务角色，并开展业务流程的智能化改造，业务角色未来不只是人类员工，还可以是 AI 员工。

• 在数据架构层面，要考虑非结构化数据治理、构建高质量数据集、企业知识的向量化和图谱化，以及选择和训练适合企业业务需要的各类大模型。

• 在应用架构层面，要构建各类基于大模型的 AI 应用，比如 RAG、AI 工作流、智能体等，并研究如何实现 AI 应用之间的集成、编排和协同、AI 应用与现有系统的协同。

• 在技术架构层面，要考虑建设算力基础设施，包括通过云服务方式获取，或者建立自有的智算中心。

这些都是 AI 时代企业架构升级必须面对的新课题。

从云原生架构和 AI 原生架构两者的关系来看，AI 原生架构不是对云原生架构的直接替代，长期来看两者会以一种混合形态存在，云原生架构可以为 AI 原生架构的运行提供支撑。

AI 协作模式下，架构师面临的机遇和挑战

InfoQ：我们观察到一个现象，就是现在很多企业研发体系在转向“AI 协作模式”（AI-assisted collaboration），这对架构师的团队协作方式带来了哪些冲击或机遇？

杨凌云：我认为，首先最大的变化来自协作模式本身。过去，架构师通常被视为技术权威——由他来做决策，而机器只是执行者。而现在，这种关系正在发生转变。AI 不再只是被动的工具，而是成为架构师决策过程中的重要辅助者。架构师需要学会借助 AI 的能力，快速获取信息、生成方案，然后在此基础上进行判断与取舍。他们关注的重点，也从具体的项目实现、代码编写等细节，转向更高层次的规范制定与战略执行。

其次，从团队协作层面来看，以往架构师往往要带领多个小团队协同推进不同模块的开发。而如今，AI 的引入让这种组织结构正在被重新定义。过去可能需要多人配合才能完成的任务，现在一个人加上多个 AI Agent 就能实现。比如我们曾遇到过一个案例，过去需要几位工程师协作数月才能完成的项目，如今同事仅用两个月就独立完成了，而他的“团队成员”正是几个协同工作的 AI Agent。

因此，架构师在新的协作体系中，不仅要管理人，还要学会管理 AI——如何让这些 AI Agent 高效运行、在团队中分工明确、保持合规与稳定输出，这将成为新的核心挑战。

第三个变化在于效能评估体系。传统企业的效能管理，通常会设定“北极星指标”及一系列分解指标，从人力产出、质量、效率等维度进行衡量。而在引入 AI 之后，评估逻辑将发生根本变化——我们不仅要衡量人的绩效，还要评估 AI 的效能：AI 能帮我们完成哪些任务？哪些工作仍需人来承担？人机协作的边界该如何界定？

这对企业的 KPI 体系乃至整个组织管理模式，都是一次深刻的变革。

总体来说，AI 正在让架构师的角色从“指挥者”变为“协调者”，从“亲力亲为的技术权威”转向“人机协同的组织设计者”。这既是挑战，也是一次重塑自身价值与能力边界的机遇。

付晓岩：我近期主持的工作坊命名为“双智时代架构未来”。在最近一次客户培训中，我们将第一讲的标题定为“双智时代，还能否架构未来？”——这其实引发了一个更深层的思考：在人工智能快速发展的背景下，架构师自身是否仍有未来？未来的架构又该如何定义？

正如您所提到的，大模型作为一种高效、智能化的工具，正被企业广泛引入研发体系。无论是为了加速开发进程，还是提升最终软件的效能，企业都希望将这一技术有效整合进来。

然而，引入大模型必然涉及架构层面的调整。首先，从技术架构角度看，我们需要重新审视 AI 在整个技术栈中的位置。目前，很多企业倾向于将其定位为“核心心脏”，并强调其他技术都应与人工智能进行融合。

进一步延伸到应用架构层面，问题则转变为：如何将基于 AI 的组件与传统业务系统有机结合？例如，当前兴起的“智能体架构”正是研究如何以非侵入的方式，将人工智能能力嵌入现有系统。在这样的架构中，一个智能体既可以调用传统服务，也能接入大模型，并在同一工作流中将二者协同起来，从而避免对原有系统的破坏。

如果我们希望应用形态朝这个方向发展，那么在软件架构设计阶段，架构师就需要明确智能体技术在整个体系中的层级定位，并设计相应的结构。更进一步，在业务需求提出阶段，我们就应思考：在哪些业务环节需要模型支持？应以何种形式支持？最终是形成智能体形态，还是催生更原生的 AI 应用？

因此，可以说，大模型的引入对软件全链路都产生了深远影响。同时，开发人员的编码方式也在发生变化：从过去手动编程或复制粘贴，逐步转向由大模型支持的智能化生成——从代码补全，到大段代码的自动编写。这也将推动开发管理方式的变革。

总体来看，从功能定位、架构形态、技术栈组合，到最终实现方式，整个软件架构体系正经历重大重塑。这就要求架构师以更开放的心态积极拥抱这一技术，因为其最终的影响形态尚未定型。

大模型本身仍在快速发展，我们目前所熟悉的协作方式，在三年或五年后是否仍然适用，尚未可知。因此，架构师不仅需要思考如何将 AI 融入当前设计，更要以长远的眼光，持续关注技术演进，并主动应对未来的变化。

InfoQ：其实现在 AI 技术已经被很多企业放在核心位置去考虑，但一个不可忽视的问题是——目前阶段的大模型还会有一一些短板，比如它会有“幻觉”，那我们怎样才能毫无顾忌地信任它呢？

付晓岩：大模型的短板确实很明显，我自己在用大模型做自然语言编程时，就经常被它的短板 “坑”，核心问题就是 “幻觉”。

比如，它工作着工作着可能就忘了自己要做什么，这时候还得再跟它 “聊两句”，把话题拉回正轨；有时候它 “一高兴”，甚至会直接删掉数据库，所以，大模型的 “幻觉” 问题是很突出的。

要解决这个问题，首先需要做好编程工具的发展。我今年一直认为，编程工具是这个领域里一个非常重要的新 “战场”。现在国内很多大厂都在做相关探索，国外像 Cursor 这类工具也在布局这块。

好的编程工具能在一定程度上抑制模型的 “幻觉” 行为：通过引入规则、控制过程，减少这类问题的发生。我自己的使用感受很明显，今年三、四月份时，这类工具的效能还很低，但到了五、六月份，效能就有了大幅提升，现在和它对话，很多环节已经非常顺畅了。

当然，工具只是一方面，另一方面还得靠模型自身的进步。每一代基础模型的迭代，都会带来很多突破。比如现在宣传的 GPT-6，里面就有很多让人期待的点，甚至能实现自我学习、自我适应。

其实，对大模型的信任，有时候和人与人之间的信任很像。极端点说，你很难完全信任一个同事，人尚且如此，更何况模型。所以，我们对大模型要保持 “适度信任”，同时时刻警惕它可能出现的问题，再通过工具和环境的建设，适当控制、抑制这些问题。但不能因为有这些短板，就不敢用它 —— 我接触过一些技术人员，总说 “这个不行、那个不行”，然后就不再用了，退回到自己熟悉的 “安全方式” 里。

但这样做会导致 “脱节”，尤其是现在大模型的进步速度太快了。我今年使用时明显感觉到，它每个月的能力都会有变化；如果一段时间不接触，你可能根本不知道它进步到了什么程度，甚至无法想象它的突破。而且技术发展往往有 “临界点”，到了某个节点可能会有大的跃迁。如果等它完成跃迁后再去拥抱，其实就有点晚了，不如跟着它一起慢慢成长，学会逐步信任它。

InfoQ：未来的架构师是否需要具备更多“AI 产品经理”或“智能平台设计师”的特质？例如对模型选择、Prompt 设计、AI 工作流编排的理解？

沈剑：我认为，随着时间的推移和技术的不断演进，架构师确实需要具备越来越多元的能力。无论是拥有 AI 产品的视角，还是掌握更多智能工具的使用方法，这些都将成为未来架构师的重要素养。

回顾技术发展的历程，每一个阶段都有新的技术浪潮。AI 是近几年最热门的方向；再往前，我们经历过 Web3.0 的探索；更早之前，是移动互联网时代的变革。每一次技术更迭，都会催生出新的角色和能力需求。而真正优秀的技术人，往往是那些始终保持开放心态、持续学习、勇于拥抱变化的人。

因此，对于未来的架构师而言，不仅要理解传统的系统架构、设计模式与工程方法，还需要具备跨界思维——懂 AI 产品逻辑、理解模型特性、熟悉智能平台的设计理念。通过学习这些新兴工具与模式，才能不断提升自身在编码效率、架构质量和系统设计创新上的能力。

简而言之，未来的架构师将不再只是“搭建系统”的人，而是能够连接 AI、产品与工程，持续推动智能化架构落地的复合型人才。

InfoQ：现在 AI 的大时代已经到来，很多企业也在积极引入 AI 技术，把它融入到自身的技术架构中。在这个过程中，企业通常会遇到哪些技术上的或组织管理上的阻力？

沈剑：无论是早期的移动化浪潮、Web3.0 的兴起，还是如今的 AI 热潮，我认为企业首先要做的，就是主动去拥抱它。技术的发展趋势是不可逆的，最大的阻力往往并不来自技术本身，而是来自人，尤其是来自组织内部心态的保守与惰性。

在我看来，最需要转变的是那些处在关键位置的决策者——包括企业负责人、技术一把手、CTO、架构师等。很多时候，技术人容易停留在自己的舒适区：熟悉 PC 时代的，就继续坚持传统架构；擅长 Web3.0 的，就执着于区块链的逻辑；面对 AI 这样的新趋势，反而会本能地排斥或犹豫。

但历史已经一再证明，技术浪潮不会因为任何人的抗拒而停下脚步。移动化是如此，Web3.0 如此，AI 亦然。拒绝拥抱新技术，不仅会让个人掉队，也会拖慢整个组织的转型步伐。

因此，我认为“开放的心态”才是突破技术变革阻力的关键。只有当中高层领导、技术负责人、架构师率先打开思路，主动去了解、去尝试、去使用 AI，把它融入到组织流程和工具体系中，后续的调整与落地才会更加顺畅。

归根结底，淘汰我们的，从来不是技术本身，而是那些更早拥抱新工具的人和团队。如果我们保持封闭，迟迟不去学习、不去应用，那么最终被取代的，可能就是我们自己。

所以我想强调的是——保持开放的心态，积极去学习、去拥抱、去实践，把 AI 真正引入到日常工作中。谁能更早地理解和运用这些新技术，谁就能在下一轮竞争中领先一步。

InfoQ：您如何看待“架构标准化”与“创新空间”之间的平衡？AI 和自动化是否会让架构师的个体创造力被削弱，还是反而得到强化？

费良宏：我认为未来对架构师的要求会大幅提升，远超当前标准，主要体现在技术实力与软实力两个核心方面。

在技术实力上，首先要求架构师具备扎实的技术基础，涵盖设计范式、设计模式、设计理论、开发能力及架构常识等核心内容；其次，必须掌握 AI 相关能力，像大模型、Agent、Prompt Engineering 等都属于必备技能范畴；最后，还需拥有敏锐的学习能力与技术嗅觉 ——AI 时代的技术迭代以天为单位，每天都会涌现新概念，甚至颠覆以往认知，若缺乏足够的学习能力和技术敏感度，架构师将难以持续成长。

而在软实力方面，要求则更为严苛。第一是批判性思维，面对大量不确定的新事物，架构师需具备筛选与辨别能力，判断哪些内容对自身有价值、哪些未来可能无用，当前时代对这种思维的需求远胜以往；第二是沟通能力，人际沟通是 AI 无法替代的，架构师需具备说服力，让同事、合作伙伴、领导及客户认可自己的决策，过去对架构师的要求多聚焦于技术技能，如今因部分技术功能被 AI 承接，沟通能力的重要性愈发凸显；第三是对未来的预见能力，当下的准备是为未来奠基，若无法合理判断未来趋势，很可能错失机遇，这一点对需要制定长期技术方案的架构师而言尤为关键。

未来架构师需同时满足技术实力与软实力两方面的综合要求，才能适应 AI 时代的发展需求。

“软实力”为什么如此重要，因为在这个时代，技术水平固然重要，但它划定了一个人的“下限”，而软实力则真正决定一个人的“上限”。想要突破自身的上限，就必须从当下做起，在每一个细节中打磨自己，不断提升综合素养，而不仅仅局限于钻研代码、开发与技术本身。

InfoQ：在行业层面，您观察到哪些企业在“AI+架构”融合方面走在前面？他们的经验有哪些值得借鉴？

费良宏：由于这项技术本身发展极为迅速，我们目前还无法看到大量公开、成熟的实践案例。但从市场上许多小型团队和个人开发者的尝试来看，甚至在不少公司内部，AI 已经开始被引入到软件开发流程中。而这些实践的结果，整体上是令人惊喜的——无论是开发效率，还是生成内容的规模，都展现出了相当可观的提升。

与此同时，围绕整个软件开发方法论，也出现了许多新的分支与探索。其中一个备受关注的方向是“规范驱动开发”（Specification-Driven Development，简称 SDD）。这种方法的独特之处在于，它能帮助开发者为 AI 的工作过程设定明确的框架、边界与范围，使其在可控的环境下更高效地运作。

目前，已经有不少成果初现端倪。例如，早期的 Vibe Coding 已经新增了 “Prompt Mode” 模式；亚马逊的 Kiro 也已崭露头角，再如 Cloud Code 以及一些第三方工具，如 SpecK 等，都在积极探索这一方向。这些新的工具与方法的出现，充分证明了围绕大语言模型进行软件开发，正在形成一股新的方法学潮流，带来了切实可见的创新实践。

我认为，我们需要保持耐心。再经过一段时间的积累，这些探索的成果必将更加清晰可见，并在行业中逐渐开花结果。只是由于目前相关技术与实践还处在早期阶段，许多令人瞩目的成效尚未被广泛认知，但这正是时间与持续投入所能解决的问题。

从经验驱动到智能驱动

InfoQ：面对 AI 浪潮，架构师如何更新自己的知识体系？哪些能力最值得重新构建？

付晓岩：这个问题其实挺难回答，因为我们目前也无法明确判断大模型未来能够覆盖的范围有多大。过去在架构领域，我们常说，随着技术的不断细分，一个人已经很难胜任“全栈”工作。然而，当大模型出现之后，我突然发现，一个人似乎又能够重新实现全栈开发了。并不是说这个人掌握了所有技能，而是因为模型可以帮助他完成这些环节。

我目前正在尝试用自然语言编程的方式开发一个系统，这算是我个人的一个实验项目。该系统的代码量已超过 10 万行，拥有较为完整的前端管理界面和 UI 系统，也具备网络代理功能。其功能层采用容器化实现，后端包括关系型数据库和缓存系统等。很多模块的底层实现我并不完全清楚，但模型能够自动生成并运行良好，确实可以直接使用。

由此可见，个人开发者似乎又重新具备了全栈能力。但如果一个人重新具备全栈能力，从知识体系的角度来说，就意味着每个部分仍需要具备一定的理解。因为无论模型多么智能，最终你仍然需要检验它的实现是否符合需求。对于一些关键性的技术栈，仍需适当“回炉”，不断补充知识，朝着更全面的方向发展。

这一趋势不仅体现在个人层面，也反映在企业层面。以 OpenAI 为例，Sam Altman 过去曾强调分工协作——模型研发、硬件研发、软件设计各自独立。但如今，他的最新观点发生了变化，认为垂直一体化反而更有优势：不仅要建设上层生态、设计软件与模型应用，还要深入到算力网络乃至底层硬件的设计。

企业的这种垂直一体化趋势，其实也可以映射到个人的成长路径。对于个人而言，也许同样需要在掌握大模型能力的基础上，找到自己能够深入发挥作用的关键点，向垂直整合的方向拓展，而不是简单地依赖“开箱即用”。

毕竟，任何工具都不可能真正做到完全的“开箱即用”。想要获得良好的效果，仍需对其核心机制具备一定理解。我在与大语言模型长期交互的过程中，发现自己对后端开发的理解比以前更加深入，阅读相关书籍也比过去容易了许多。过去由于时间有限，对后端的知识掌握较为零散；而通过与模型的交流，这些知识得到了逐步补全。接下来，我计划更多地阅读编码相关的书籍，以更好地理解大模型在具体生成和执行过程中的潜在瓶颈。

InfoQ：您认为未来 3-5 年，要成为一位优秀的“AI 时代架构师”需要具备哪些核心素养？

付晓岩：这一核心要素其实非常明确，因为无论软件发展到何种阶段，其本质始终是结构化的。因此，结构化设计能力，尤其是具备全局视角的系统性设计能力——例如企业架构所代表的全局性结构化思维——始终是底层核心能力。

未来的软件开发在人工智能的加持下，将不再局限于某个局部领域的设计。企业内部的软件系统往往属于闭环体系，内部各模块之间在功能或服务层面存在紧密关联。要想在某个具体领域中实现良好的设计，必须对整体架构具备一定程度的理解。而大模型的出现，恰恰使得开发者能够更便捷地获取全局信息。

以往，在传统的业务体系中，开发者往往被局限在特定领域。例如，负责存款业务的人通常对贷款系统的了解有限，因为两者日常交流较少，信息流动受限。但如果企业的开发体系基于大模型构建，那么跨领域的信息获取将变得极为容易。开发者可以快速了解其他业务领域的实现逻辑与设计思路，从而使自身的设计视野更加开阔。

在这样的背景下，全局性的结构化思维将变得愈发重要。随着大模型能力的持续增强，其在后端开发、测试、部署等环节中的自动化程度将不断提高，开发者反而需要更多关注前端设计及系统间的协同关系。例如，如何定义自身负责模块与其他模块之间的接口关系，如何协调版本与分支之间的衔接，这些问题都需要更高层次的系统视角来统筹。

因此，未来软件开发中最关键的能力之一，仍将是具备全局性、系统性的结构化设计思维。这种能力不仅决定了一个人能否理解复杂系统的整体逻辑，也将成为人与智能系统协作时不可替代的核心竞争力。

此外，未来开发人员的“软能力”也很重要，再有就是学习如何与机器进行沟通——换句话说，要练习与机器人“对话”的方式。因为未来的工作对象，不仅包括人与人之间的互动，还会涉及人和机器的互动，甚至机器与机器之间的协作。而在这些情境中，核心能力其实都是“沟通”。

在人与人的沟通中，我们需要通过恰当的表达范式，帮助双方更好地理解彼此。而在人机交互中，则要思考如何将人类总结的知识有效传递给机器。例如，可以通过构建本体论等知识表示方式，让机器能够理解人类的概念体系；同时，不同机器之间在处理各自领域的知识时，也需要建立起知识模型之间的“互译”机制。

因此，未来在沟通层面上，值得深入研究的方向包括：从人到机器的知识传递、从机器到机器的知识协作，以及如何在这一过程中建立高效的信息理解与共享机制。因为最终无论是人与人、人与机器，还是机器与机器的协作，其产出成果最终都是面向人、服务于人的。技术的最终价值依然体现在人身上，这一点不会改变。

InfoQ：如果让您给年轻的架构师或技术负责人一些建议，您会如何建议他们在 AI 时代保持竞争力与创造力？

付晓岩： 这其实是一件相当不容易的事情。一个人不仅要具备强大的学习能力，还需要具备高度的自律。许多人往往把“学习”与“价值”直接挂钩，但实际上，从学习到体现出价值之间存在时间差。学习成果往往需要经过一段积累和沉淀，才能最终转化为价值。因此，在学习这件事上，必须具备长期主义的思维。不能抱着“今天学、明天用”，甚至“今天学、今天就见效”的心态，而应当把学习视为一场长线投资。

最近我看到一位学者提出了一个观点，印象很深刻。他说，一个人的真正竞争力，往往要到四十岁之后才会显现出来。而我们社会中常常讨论所谓“35 岁危机”，其实是一个误区。人到四十岁以后，往往因为经历足够丰富，才能真正形成稳固的竞争力。

最近我在与企业交流时也提到，想让人工智能在企业中发挥作用，必须“把它当作一个人来看”。人类身上最重要的三方面特质是：智商、知识和经验。智商固然重要，但它几乎无法改变——出生后基本已经定型。知识可以通过学习获得，但光有智商和知识还远远不够。真正能够把知识转化为解决问题的能力，这种能力的核心就是经验。

经验往往来自长期的实践与积累。很多时候，只有经过反复的试错与总结，才能形成真正的判断力与决策力。而人通常在四十岁之后，这方面的积累才逐渐成熟。

我认为，如今一些企业在用人观上存在一定的短视倾向，过于偏好年轻员工。年轻人确实在体力和执行力上占优势，但在经验的深度和系统性上，往往还需要时间沉淀。真正的专家型人才，大多需要经过长期的积累才能成长起来。当然，在人工智能等新兴领域，专家的平均年龄可能会更低，但在大多数行业中，经验仍然是决定专业深度与判断力的关键因素。

人工智能的出现，反而有可能帮助我们延长职业寿命。虽然许多人希望能早些退休，但实际上，AI 将让人类能够更长久地保持生产力。因此，在这样的时代背景下，更需要通过长期积累来构建稳定的核心能力。

沈剑：我想分享的，不管叫经验也好，还是建议也好，其实就一句话——要去了解它，并且使用它，而不只是观望它。

很多人都在谈“认知升级”“提升能力”“取得成果”，但这些目标背后，都离不开一个核心动作——行动。如果你希望认知上有提升，那就必须持续学习，比如去看书、看视频、去体验新的技术和工具；如果你希望在工作中拿到更好的结果，那也要靠行动去推动。

对于技术人来说，最直接的行动就是——写代码、用工具。无论是 AI 提示词、AI 辅助编码工具，还是各种自动化、智能化平台，都要亲自去尝试，把它们真正融入到日常工作中。只有在使用中，才能看到效果、积累经验、形成自己的方法论。

但目前市面上的书籍种类和各种课程纷繁复杂，如何选择适合自己的？我的建议是要结合自己的岗位去看。如果你很犹豫，不知道该从哪个工具开始，那就从与你的工作最相关的入手。比如你是做研发、做架构的，那就选择那些在你领域里当下最流行、应用最广的 AI 工具去尝试。

其实现在整个 AI 工具生态还没有完全稳定下来，没有谁能被定义为“最领先”或“最终胜出”。很多工具可能今天火，明天就被新的替代。但这并不重要——关键是你要始终保持在一线、保持“手感”。

技术的发展从来不是一统天下的格局，不会有一个语言、一个工具颠覆所有。每种技术都有它擅长的领域，每个工具都有它的价值场景。

所以我的建议是：不要犹豫，不要畏惧、不要观望，先用起来。 选和你岗位密切相关的工具，边用边学，在实践中去感受它的潜力和局限，这样才能真正跟上技术的节奏。

InfoQ：如果未来 AI 能够自动生成“架构蓝图”，您认为人类架构师的独特价值还体现在哪里？

杨凌云：我觉得可以从几个方面来看。

首先是决策层面的差异。AI 的决策往往基于数据和逻辑推理，它可以在已有的信息中找到最优解，比如根据当前的技术趋势或业界最佳实践，为企业提供一个“看起来最合适”的方案。但企业的现实情况往往更为复杂，不同公司的文化、战略方向、业务阶段都不尽相同。

而人类架构师的价值就在于这种“情境感知”与“经验判断”。他们经历过真实项目的失败与成功，踩过坑，见过复杂系统的演化，能从这些经验中判断哪种方案才真正适合当前的组织环境。这种对企业整体战略、文化氛围以及人员能力的综合把握，是 AI 难以具备的。换句话说，AI 可以提供“选项”，但最终的战略性决策仍然需要由架构师来拍板。

其次，是关注焦点的不同。AI 的目标往往聚焦于效率优化——它更擅长让系统更快、更稳、更节省。而架构师的关注点则更宏观、更人本。他们不仅关心技术本身，还关心组织协作方式、团队能力建设、系统长期演进方向，以及技术与业务战略的匹配程度。

在这一点上，人类架构师扮演的角色更像是“技术与组织之间的翻译者”和“平衡者”。他们要确保 AI 生成的架构方案不仅在技术上可行，也能被团队理解、被企业文化接纳，并在长期战略上可持续。

所以我认为，即便 AI 未来能够自动生成架构蓝图，人类架构师依然不可或缺。他们的独特价值不在于取代 AI 去画图或写方案，而在于通过洞察组织、判断取舍、制定方向，让 AI 成为自己决策的助力，而不是替代者。

付晓岩：这正是我目前的研究与实践方向。我现在所做的工作，正是探索人工智能能否在架构设计中发挥作用。

随着人工智能不断深入软件工程领域，人的工作重心正在逐渐前移。未来，大部分精力将集中在研发链条的前端环节，也就是价值的确定、方案的制定与最终结果的验证。而在这一转变中，架构师的角色也正在发生深刻变化。

最近我与一位企业架构领域的顶尖专家交流时，我们形成了一个共同的观点：未来架构师最重要的工作之一，将是企业层面的“语义管理”——也就是知识语义的组织与管理。架构师需要帮助大模型在企业特定的业务环境中，更准确地理解企业的业务逻辑、系统结构以及目标需求。

换言之，未来架构师的关键任务，是确保机器能够在企业内部语境下充分理解“你是谁”“你要什么”“你的系统如何运作”。这种“语义管理”将成为连接人类知识体系与智能系统的核心桥梁。

传统意义上的架构工作，例如制作 PPT、绘制系统蓝图等，仍然是架构师的基本能力，但它们的重要性正在下降。因为随着大模型和语义网络的不断演化，机器已经可以根据需求自动生成相对完整的架构蓝图，并且其准确度会随着时间和数据积累不断提升。

因此，未来架构师的主要职责可能将转向三个方向：

语义建模与管理 —— 帮助机器在特定企业语境中正确理解业务与系统；

设计与实现的验证 —— 对机器生成的设计结果进行验证，确保其符合企业的真实需求；

偏差纠正与持续优化 —— 在模型生成与落地实施过程中，持续发现和修正偏差，提升系统的智能一致性。

可以说，未来的架构师将从“绘制蓝图的人”，转变为“语义管理与系统校准的人”。他们的价值不再仅仅体现在设计图纸上，而是体现在如何让机器真正理解企业、理解业务、理解人的意图。