作為一名架構師，我深切體會到，在過去十年里，企業(yè)支持應用程序和數(shù)據(jù)生態(tài)系統(tǒng)間互操作性的能力，已成為實現(xiàn)差異化競爭和快速上市的關鍵主題。行業(yè)渠道合作伙伴和SaaS原始設備制造商早已認識到這一點，并構建了跨其他合作伙伴網(wǎng)絡和渠道的生態(tài)系統(tǒng)。

API的早期實現(xiàn)基于這樣一種理念：將專有軟件“黑盒”之外的功能和數(shù)據(jù)接口開放，以實現(xiàn)與其他異構系統(tǒng)的集成。通過開放接口和通用數(shù)據(jù)交換模型訪問功能和數(shù)據(jù)的能力，推動了軟件和數(shù)據(jù)架構從客戶端-服務器模式向n層架構、云計算和SaaS的達爾文式進化。

顯然，軟件生態(tài)系統(tǒng)內(nèi)部及之間的集成能力，賦予了企業(yè)能力、合作伙伴關系和市場優(yōu)勢。若無法實現(xiàn)互操作性，企業(yè)將難以競爭和快速進化。支持集成的成熟模式、工具、標準和風格并不匱乏。事實上，架構的先決條件一直是成熟、可預測且可靠的策略——直到現(xiàn)在。

自主式AI，從舞臺左側登場

隨著自主式AI將合作伙伴生態(tài)系統(tǒng)從人工介導的應用程序集成網(wǎng)絡轉變?yōu)樽灾?、自我協(xié)調的智能生態(tài)系統(tǒng)，企業(yè)技術格局正迎來關鍵轉折點。貝恩公司近期發(fā)布的《技術報告》指出：“三年內(nèi)，任何基于規(guī)則的常規(guī)數(shù)字任務都可能從‘人工+應用’模式轉變?yōu)椤悄荏w+API’模式?！?/p>

這一演變對SaaS商業(yè)模式、合作伙伴生態(tài)系統(tǒng)戰(zhàn)略和安全架構產(chǎn)生了顛覆性影響，企業(yè)再也無法忽視這些變化。

自主式AI對傳統(tǒng)SaaS商業(yè)模式構成了生存挑戰(zhàn)，同時也為平臺升級帶來了前所未有的機遇。貝恩公司的研究顯示：“能夠推理、決策和行動的生成式與自主式AI工具”，正通過自動化任務和復制當前需要人工操作與SaaS應用交互的工作流程，從根本上顛覆SaaS行業(yè)。

SaaS生態(tài)系統(tǒng)參與者正競相采用和接納智能體工作流與功能集，這些功能集正在重新定義SaaS的內(nèi)涵——無論是有意為之還是默認如此。在智能生態(tài)系統(tǒng)時代，能力模型以及競爭與差異化的內(nèi)涵，不再聚焦于加速洞察，而更多體現(xiàn)在行動速度和降低運營成本上。

這一轉變根植于軟件價值交付方式的根本性變革。正如貝恩公司分析師所指出的，在評估AI可能顛覆哪些工作流程時，企業(yè)必須考慮“AI自動化SaaS用戶任務的潛力，以及AI滲透SaaS工作流程的潛力”。

傳統(tǒng)SaaS平臺提供用戶手動操作的工具，而自主式AI則能自主識別任務、做出決策并執(zhí)行工作流程，無需人工干預。它在與模型和數(shù)據(jù)的交互中還具有非確定性，并迅速成為新的競爭基礎。當前行業(yè)數(shù)據(jù)反映了這一緊迫性：基礎模型的成本趨于商品化，價格持續(xù)走低，而準確性卻在提升。據(jù)貝恩公司稱，OpenAI近期推出的推理模型(o3)的成本曲線軌跡在短短兩個月內(nèi)下降了80%。AI能力的這種超高速商品化意味著，競爭優(yōu)勢必須來自戰(zhàn)略定位，而不僅僅是技術本身。

架構與規(guī)模的影響何在?

作為API優(yōu)先時代的集成架構師，我深知API端點的可用性和彈性特性對性能和需求模式的影響有多大。在緩慢或無響應的系統(tǒng)中，高消耗和高延遲可能會拖垮依賴它們的任務關鍵型應用。當我們考慮到那些實現(xiàn)API端點、供智能體使用的遺留核心系統(tǒng)時，其對架構彈性和可用性的影響同樣顯著且令人擔憂。

根據(jù)Tyler Jewell在《新棧》(The New Stack)中對智能體系統(tǒng)需求的分析：“在當前移動計算時代，大型SaaS系統(tǒng)通常每秒處理約1萬筆交易。而在智能體時代，每個用戶可能都有數(shù)十個AI助手持續(xù)運行，交易量可能增加兩個數(shù)量級，達到約每秒100萬筆交易。”考慮到智能體企業(yè)應用的預期增長，這一情況更加令人擔憂。

顯然，我們需要有意識地、真正有意地設計智能生態(tài)系統(tǒng)。這需要根本性的架構變革。正如Jewell的分析所解釋的：“傳統(tǒng)SaaS應用基于無狀態(tài)業(yè)務邏輯，對關系型數(shù)據(jù)庫執(zhí)行創(chuàng)建、讀取、更新、刪除操作。而智能體服務則必須在服務內(nèi)部維護狀態(tài)，并存儲每個事件以跟蹤服務如何達到當前狀態(tài)——這是一種根本不同的范式?！?/p>

語義層之戰(zhàn)

可互操作的智能體生態(tài)系統(tǒng)內(nèi)外部通信標準，將成為下一個競爭前沿。標準行業(yè)本體論也是生態(tài)系統(tǒng)競爭的另一個基礎。隨著模型變得更加多樣化、專業(yè)化和強大，跨層級和跨供應商的通信已成為成功的障礙。

盡管Anthropic的模型上下文協(xié)議(Model Context Protocol，簡稱MCP)和谷歌的智能體到智能體(Agent2Agent，簡稱A2A)協(xié)議標準化了技術交互，但它們并未為業(yè)務概念提供標準和共享的本體論。正如XML等數(shù)據(jù)交換標準實現(xiàn)了數(shù)據(jù)格式交換和互操作性一樣，首個實現(xiàn)行業(yè)廣泛標準、能夠使應付代理和應收代理進行對話的本體論模型，將塑造AI生態(tài)系統(tǒng)，并成為該生態(tài)系統(tǒng)內(nèi)互操作性的新黃金標準，同時推動競爭基礎的演變。

對于SaaS原始設備制造商來說，方向很明確：圍繞本體論構建合作伙伴生態(tài)系統(tǒng)聯(lián)盟。這將使它們能夠掌控渠道生態(tài)系統(tǒng)內(nèi)部及跨渠道的交易生命周期，并通過在垂直領域內(nèi)外引領標準來推動采用，就像微軟、IBM和甲骨文數(shù)十年來所做的那樣。

合作伙伴生態(tài)系統(tǒng)的角色演變

在這一變革中，合作伙伴生態(tài)系統(tǒng)也面臨著深刻的演變。安永近期關于SaaS和自主式AI的分析指出：“借助自主式AI，SaaS公司將在其平臺內(nèi)自動化更多配置和部署流程，但同時，合作伙伴將在需要人類判斷、行業(yè)專業(yè)知識和戰(zhàn)略監(jiān)督的領域發(fā)揮更加關鍵的作用。”

新的合作伙伴價值主張是什么?生態(tài)系統(tǒng)轉型要求新的評估標準。正如Bart Schrooten對獨立軟件供應商(ISV)行業(yè)的分析所指出的：“傳統(tǒng)的評估標準側重于軟件功能、架構成熟度和部署模型，但這些已不再足夠?！鲍@取或與自主式AI解決方案提供商合作的企業(yè)，現(xiàn)在必須評估自主邊界(智能體可以獨立做出哪些決策)、安全和控制機制、道德準則、可解釋性標準以及在動態(tài)環(huán)境中的實際表現(xiàn)。

或許，最關鍵的業(yè)務風險和被低估的影響涉及生態(tài)系統(tǒng)安全的影響。正如Akamai的Maxim Zavodchik對智能體風險的安全分析所建議的：“自主式AI帶來了更大的自主性，但代價是增加了復雜性和不可預測性?！?/p>

Akamai的分析揭示：“半獨立的智能體通過內(nèi)存、工具和其他智能體的鏈式反應，超越了傳統(tǒng)生成式AI的風險，這擴大了攻擊面，模糊了信任邊界，增加了破壞范圍，并引入了新的攻擊類別?！边@對信息安全架構師意味著什么?簡而言之，就是更多的攻擊面和更大的風險。

與傳統(tǒng)AI系統(tǒng)不同，自主式AI系統(tǒng)可以在流動、自主的交互模式中運行，包括通信、人工介導的交互以及人與人-智能體之間的交換。由于這些交互是非確定性和概率性的，因此可觀測性和模擬對于設計、開發(fā)和部署智能體生態(tài)系統(tǒng)架構至關重要。

在《用智能體重寫企業(yè)架構規(guī)則》一文中，我提出，在數(shù)字孿生環(huán)境中進行智能體行為模擬將是管理企業(yè)風險的關鍵。低估其影響力的風險可能會對選擇忽視或最小化其重要性的大型企業(yè)造成損害。

RiskInsight近期進行的安全研究確定了三個不同的風險類別：“傳統(tǒng)網(wǎng)絡安全威脅(數(shù)據(jù)提取、供應鏈攻擊)、一般生成式AI風險(幻覺、模型投毒)以及一個與智能體在執(zhí)行現(xiàn)實世界行動中的自主性相關的新類別?！?/p>

Akamai的研究還強調了一個關鍵漏洞：智能體協(xié)議，如之前提到的MCP，設計初衷是支持流程結果，而非安全。身份綁定、認證、驗證和策略執(zhí)行等基本安全要求目前仍然缺失或屬于可選性質。這為冒充、欺騙和未經(jīng)授權的訪問打開了重大漏洞。

安全研究人員警告稱，智能體系統(tǒng)往往擁有廣泛的權限和過度的自主性。沒有明確的邊界，惡意行為者可能會劫持智能體行為，誘導其執(zhí)行設計者從未意圖的動作，并通過強化學習進行放大。根據(jù)Zavodchik的研究，“一個微妙的提示注入就可以將一個有用的規(guī)劃器變成一個危險的智能體?！?/p>

非預期智能體強化學習的后果是被攻破智能體的級聯(lián)故障效應及其污染依賴生態(tài)系統(tǒng)的能力。最令人擔憂的是，這種系統(tǒng)性級聯(lián)故障風險具有潛在的多米諾骨牌效應，可能鼓勵多智能體交互中的錯誤信息傳播，甚至破壞性目標的實現(xiàn)。

在這種情況下，破壞的波及范圍會跨越生態(tài)系統(tǒng)，將局部問題擴大為核心系統(tǒng)崩潰。

Zavodchik還指出了一個新興威脅——氛圍抓取(vibe scraping)，即“攻擊者現(xiàn)在可以部署自主智能體，以最少的監(jiān)督執(zhí)行自適應的大規(guī)模攻擊?！彼麄儾辉僖蕾嚱┗哪_本，而是設定高級目標，如獲取專有庫存數(shù)據(jù)或提取競爭情報，然后讓AI智能體自主導航生態(tài)系統(tǒng)以實現(xiàn)這些目標。

以自主性對抗自主性的范式轉變(或，以自主性應對威脅)

那么，前行的道路是什么?企業(yè)業(yè)務和技術領導者應如何駕馭智能合作伙伴生態(tài)系統(tǒng)中的風險與機遇?自主式AI、SaaS商業(yè)模式顛覆以及關鍵安全格局變化的交匯表明，成功的企業(yè)將需要構建與過去十年截然不同的合作伙伴生態(tài)系統(tǒng)。

這一轉變并非漸進式的，而是代表著從人工操作工具向跨企業(yè)邊界協(xié)作的自主、自我改進的智能體網(wǎng)絡的范式轉變。領導者必須思考如何管理由數(shù)據(jù)架構、行業(yè)本體論和動態(tài)轉變所定義的智能體超自動化能力組合。

與幾十年來主導企業(yè)應用領域的可預測事務性和非事務性請求與響應模式相比，可觀測性和模擬是對非確定性系統(tǒng)做出反應的最佳保障，這些系統(tǒng)對概率模型做出反應。

那些早期認識到這一變革、投資于安全優(yōu)先架構、重新思考商業(yè)模式并開發(fā)針對自主協(xié)作進行優(yōu)化的合作伙伴生態(tài)系統(tǒng)的企業(yè)，將定義下一個時代的競爭動態(tài)。

而那些僅將自主式AI視為現(xiàn)有系統(tǒng)附加功能的企業(yè)，可能會被那些從零開始重建、為智能生態(tài)系統(tǒng)奠定下一代基礎架構的競爭對手所淘汰。

智能生態(tài)系統(tǒng)時代已經(jīng)到來，合作伙伴生態(tài)系統(tǒng)正處于這一變革的核心。有影響力的領導者應少花時間辯論智能體能力對合作伙伴、渠道和SaaS生態(tài)系統(tǒng)互操作性的影響，而應更多關注企業(yè)如何快速應對架構、商業(yè)模式和安全影響，這些影響將決定自主時代的贏家和輸家。