20个月倒计时:AI智能体迫使企业重建地基
传统身份与权限系统无法适应实时决策需求
废弃旧系统,比改造它更高效。
HUMAN PERSPECTIVE
人的视角:有温度的观察与独立判断
二十个月,然后呢?
“你觉得这事靠谱吗?”朋友把手机递过来,屏幕上是一条新闻标题:Meta的基础设施副总裁说,企业大概只有20个月的时间来为AI智能体重建系统。
我说,这个副总裁说的不是“可能”,不是“建议”,他说的就是“20个月”。像在倒计时。
他叫Santosh Janardhan,在VentureBeat的访谈里讲了一句让我反复琢磨的话:智能体打破了传统身份和安全类别。什么意思?过去我们的系统是为“人”设计的——一个人登录,一个账号,一组权限。但AI智能体不是人,它不需要睡觉,不需要等待审批,它可以同时发起一百个请求,可以自主决定调用哪些数据,可以替你做决策。然后呢?你的防火墙、权限系统、数据管道,全部是按“人”的节奏设计的。
这不是换个软件版本的问题,这是整个地基要重建。
从批处理到实时流,中间隔着一整个时代
Janardhan的原话是:推理模型对数据的需求完全不同,它需要完整的行为历史,而不是稀疏的信号。翻译成人话——过去的AI像个实习生,你给它一堆历史数据,它学完就下班了。但智能体像个全天候在岗的同事,它需要实时知道发生了什么,需要边看边想边行动。
我认识一个在电商公司做数据架构的朋友,去年他们团队花了八个月搞了一套实时推荐系统,老板觉得这已经是“面向未来”了。但按Janardhan的标准,那套系统可能连起跑线都没站上——因为真正的智能体需要的不只是“实时推荐”,而是“实时决策”。它要能在零点三秒内判断:这个用户刚看了三件商品,其中一件被退货过两次,另一件库存只剩五件,第三件是竞品爆款——我应该推荐哪个?这不是跑个SQL能解决的问题。
这让我想起一个更残酷的数字:福布斯那篇文章说,企业AI项目的失败率超过80%。 不是模型不行,是流程和决策结构薄弱。说白了,你把一台法拉利的引擎装在一辆自行车上,然后问为什么跑不快——问题不在引擎,在车架。
而我现在看到的现实是:大部分企业连“自行车”都没造好。他们的数据还在Excel里,审批流程还在邮件里,决策还要开三个会。然后突然有人说,你还有20个月,要把这些东西全部变成智能体能理解、能调用、能自主决策的系统。
我不确定这个判断对不对,但至少它比“AI将改变一切”这种废话有营养。
监管呢?模型竞赛呢?
当然,这个时间窗口里还有两件事在同时发生。
一个是监管。Dark Reading报道,美国三个州正在竞相通过针对前沿AI的披露法律。监管机构在制定规则方面确实很吃力——你没法用管核电站的逻辑去管一个能自我进化的系统。但更麻烦的是,当监管还在讨论“要不要管”的时候,智能体已经跑起来了。 等法规落地,系统早就迭代了三轮。
另一个是模型竞赛。AP News报道,中国AI模型Kimi K3让美国科技界吃了一惊,性能可以跟Claude和ChatGPT掰手腕,而且7月27日就要开源。这很有意思——当大家都在盯着“谁的模型更强”的时候,Meta的副总裁在说:不管谁的模型强,你都得先把基础设施建好。模型只是子弹,基础设施才是枪。 再好的子弹,扔出去也打不中目标。
好吧,也许是我想多了——但万一呢?万一20个月后,智能体真的像Janardhan说的那样,变成企业运营的标配,而那些现在还没开始重建基础设施的公司,会发现自己像一个没有地基的房子——外面看着还行,里面已经开始塌了。
真正让我在意的地方
说实话,我一开始觉得20个月这个数字有点危言耸听。企业转型哪有这么快?一个ERP系统上线都要两三年。但后来我意识到,Janardhan说的不是“从零开始重建”,而是“你现在就得开始”。
他说的其实是一个认知转换:过去我们把AI当成“工具”,现在得把它当成“同事”。 工具是你用的,同事是你配合的。工具坏了你可以换,同事需要你重新设计工作流、权限、沟通方式。这个转换,20个月可能真的不多。
我想到一个场景:一家中型公司,500人,传统IT架构。如果现在开始重建,前三个月可能只是在画架构图、梳理数据资产、评估现有系统。等到真正动工,可能已经过了半年。然后发现中间有太多没想到的——某些历史数据格式不对,某些API接口不兼容,某些业务逻辑写死在代码里没人敢动。20个月,可能刚好够踩完所有的坑。
而更残酷的是:你踩完坑的时候,竞争对手可能已经跑起来了。
这不是危言耸听。福布斯那篇文章提到,成功实施AI的组织在数据质量、治理和变革管理上投入了四倍资源。四倍。这意味着大部分公司要么不知道要投入这么多,要么舍不得投入这么多。等他们反应过来,窗口可能已经关了。
所以,能做什么?
这个问题我回答不了。但我知道不能做什么——不能继续假装“AI是个锦上添花的东西”。Janardhan的倒计时不是在吓唬人,他是在说一个正在发生的事实:智能体不是未来的概念,它是未来二十个月就要落地的现实。
如果你是一家公司的技术负责人,现在可能应该做三件事:第一,看清楚自己的数据管道是不是实时的,不是的话,优先级提到最高;第二,重新设计权限和安全的逻辑,别再用“人”的思路去管“智能体”;第三,接受一个事实——过去你花三年建的系统,可能要在两年内重写一遍。
当然,说这话的我,上个月还在用Excel管项目。但至少我看清楚了:这20个月,不是用来焦虑的,是用来动手的。
等倒计时结束,那些准备好了的公司,会发现自己站在一个全新的起点上。而那些没准备好的——坦白说,我不确定他们还能不能站上去。
策展来源与事实依据(4)
'We have maybe 20 months' to rebuild for AI agents, Meta's infrastructure VP tells VB Transform 2026
Meta基础设施副总裁表示,企业有大约20个月时间重建基础设施以适应AI智能体。智能体打破传统身份和安全类别,需要实时流处理取代批处理。推理模型对数据需求更高,要求完整行为历史而非稀疏信号。
查看原始事实依据Frontier AI Needs Rules But Regulators Are Struggling
前沿AI模型部署越来越独立且缺乏人类监督,三个美国州正竞相通过新的披露法律进行监管。文章指出监管机构在制定规则方面面临困难,安全与治理挑战突出。
查看原始事实依据Why AI Requires A New Enterprise Operating Model
福布斯文章指出,企业AI项目失败率超过80%,主要原因是流程和决策结构薄弱,而非模型本身。成功组织在数据质量、治理和变革管理上投入四倍。企业需从记录系统转向行动系统,重新设计工作流程。
查看原始事实依据Chinese AI model takes US tech industry by surprise with abilities rivaling Claude and ChatGPT
中国AI模型Kimi K3的能力令美国科技界惊讶,其性能可与Claude和ChatGPT相媲美。该模型由Moonshot开发,预计7月27日开源,进一步加剧中美AI竞争。
查看原始事实依据分享这篇观察
生成分享图发布到社交平台
讨论与共鸣(0)
后参与讨论
觉得有价值?请我喝杯咖啡 →