走向AI原生，企业架构升级靠“全栈”引爆增长

9月24日，2025 AI原生架构峰会在云栖大会期间成功举办。围绕AI原生架构话题，来自阿里云的技术专家及不同领域的技术负责人分享了他们的深刻见解与思考。

在AI浪潮席卷各行各业之际，企业走向“AI原生”的必要性已经无需论证。但面对不同的业务场景，企业应当如何选择适配的架构，从技术和战略层面并驾齐驱?在解答这一疑问时，来自多方企业客户的视角或能为行业提供借鉴。

“AI时代的企业架构升级，关键在于全栈AI能力的构建与落地。”阿里云智能集团公共云事业部首席解决方案架构师韩鸿源在开场时即强调，今天的模型能力，一定会成为未来所有业务系统开发的一个基础设施能力，而今天的大语言模型，也一定要考虑把AI能力引入到系统里。

但韩鸿源提到，对于绝大部分企业来说，他所说的“全栈”并非指模型技术研发的全栈，而是指企业从数据管理、模型应用、业务集成到最终价值实现的全链路能力。在这一过程中，AI应当是业务系统的基础设施，企业应当聚焦如何将AI能力融入业务系统。

本次峰会还汇聚了多位行业领军企业的技术负责人。在不同领域，AI时代的架构实践与战略规划持续引发行业思考。

哈啰CTO刘行亮深度解析了公司实践，具象化地呈现了全栈AI架构为出行领域业务带来的变革。刘行亮指出，哈啰目前已经推出了多个AI Agent，同时还有Robotaxi业务。通过构建“车云数据闭环”，哈啰实现了全栈AI能力的协同。

在云端，哈啰利用海量数据进行模型训练与仿真，优化出更强大的驾驶Agent(VLA模型)和座舱服务Agent，再部署至车端。这使智驾决策能持续迭代，更准更稳;同时，座舱能深度融合用户意图与生态服务，实现从“出行工具”到“个性化第三空间”的体验升级。

好未来CTO田密分享了AI在教育领域的进阶路径，提出AI老师的L1-L5分级。目前好未来已实现L3级闭环教学，通过软硬件结合打造个性化学习体验。

在多模态的模型训练上，好未来使用Qwen2.5-32B-VL做九章多模态模型的后训练和强化，最终在多个任务上，包括OCR、公式识别和图力解题等层面，都取得了SOTA的结果。

在这一过程中，“云端一体”发挥了很大作用。田密认为，未来云端结合的范式越来越常用，把训练好的大模型蒸馏到本地之后，效果也是足够应用，而且反应非常快。

演讲中，田密进一步表示，在阿里云发布全新大模型之后，他们也会第一时间采用做后训练，“非常感谢阿里云的优秀的开源生态，给中国做大模型的开发者都提供一个很好的基座模型。”

在走向AI原生时代的过程中，好未来的架构升级理念已然诞生：基于通义千问开源模型做后训练，同时进行云端协同。

作为电商领域的代表，识货CTO陈欢在分享中详细介绍了识货如何利用AI重构其核心资产——商品数据平台。面对巨量的数据处理，AI的应用使商品库建设流程(渠道关联、商品新建、审核)的自动化率达到了85%以上。而陈欢也提到，其技术架构的核心是构建了10亿级规模的商品向量库，基于通义千问进行训练，从而实现了高精度的商品匹配和去重。

陈欢提到的核心理念之一是双平台能力的建设。底层平台“Model X”围绕研发流程，比如接到大模型需求之后任务拆解做提示词编写、微调、自动评测、运维资源分配成本管理等，让研发高效完成大模型需求，全流程自主开发上线，后期会推广到产品及运营;而“Model L”旨在加速算法训练推理，尤其聚焦推理的复杂场景。陈欢表示，这套算法大模型平台+研发大模型平台的双平台模式，是大模型时代最接地气和实用的架构。

身处电视行业，创维酷开智能系统研究院院长郭尚锋的分享，或许能揭示传统领域企业如何借助 AI 破局。郭尚锋表示，在架构支撑上，阿里云 AI 全栈技术提供了从底层算力、模型训练到应用部署的全链路支持，为智能休的构建与运行提供了坚实底座。尤其是基于云原生AI网关、Fuction Call 和 MCP广场生态等产品，将传统 API 服务 MCP 化，在百炼平台上快速构建 AI 应用，贯穿跨终端、跨场景的智能体体系，构建无界融合的全场景智慧体验。基于此，创维酷开的Agent 得以实现长记忆、快思考、秒行动的核心优势能力。

这一架构确保了AI真正在智能体硬件的全场景应用中发挥作用，最终让创维酷开成功构建了覆盖生活、教育、健康等场景的六大用户智能体，重塑用户体验与行业格局。

尤其是对于科技公司，数据对于AI原生架构升级的重要性不置可否。OPPO大数据部长郑秋野分享了Data+AI统一底座的建设经验，上云后成本降低50%，并通过AI助理实现自然语言查询与智能打标，提升数据使用效率。

当下，OPPO在AI时代的应用主要聚焦在用户、产品、营收三个方面。郑秋野特别提到，在营收增长层面，多云协同的智能推送已经是公司内部增长的核心引擎，团队也一直持续在探索如何在保障体验的同时，借助AI驱动收入上的增长。

总结而言，这三个方面的落地其实都离不开DATA + AI深度的协同，但过往自建IDC存在成本高、弹性差、运维难等问题。经过和阿里云的深入沟通和技术支持，OPPO采用混合云架构和精细化的迁移方案，实现了业务无感迁移和成本降低50%的结果。基于此，OPPO构建了具备统一存储、统一元数据、弹性伸缩和多引擎兼容四大特性的Data+AI底座，持续支撑AI业务的扩张。

同样在传统行业深耕多年，昕诺飞中国研究院院长刘海涛从一家跨国企业的视角分享了AI落地实践。目前，昕诺飞拥有全球1.56亿个智能互联照明节点，AI的价值恰恰在于挖掘这些节点产生的数据，实现智能运维和能效优化。

从发展方向上来说，昕诺飞的三个关键词是高效互联、云边协同和生态共创。尤其是在生态共创层面，刘海涛强调，昕诺飞这样的照明企业非常希望通过MCP协议，打通各个设备之间的互联。

刘海涛还从应用者的角度对云平台提出了四大诉求：极致的安全与合规、模型生态的开放与敏捷、高性能低成本的推理优化以及行业级的大模型运维(LLM Ops)赋能。

他特别强调，“AI本身是个工具，工具本身要和各个垂类的应用进行创新，如果不了解应用本身，只有这个工具，很难找到真正的落地场景，真正为客户解决问题。”作为跨国企业，昕诺飞在中国的AI创新实践体现了“Local for Global”的策略，即利用中国领先的AI技术和应用市场环境，打造最佳实践后向全球输出。刘海涛表示，在多年的合作中，阿里云这样的企业给了他们很好的支持，推进了公司在中国的AI业务落地。

整场峰会中，数家企业技术负责人都谈到了技术之外的“AI战略”思考。在当下这一阶段，企业如何进行以AI为核心的战略和组织升级同样会决定最终的成败。

本场峰会上，钛媒体集团联合创始人、联席CEO、ITValue发起理事刘湘明作为圆桌主持人，和来自不同企业的嘉宾一同探讨了AI时代的战略实践。他提到，AI对于所有人来说都是新的知识积累，都是新的能力站，也是因为这样，大家才有更多交流和碰撞。

天鹅到家CTO杜佳利则分享了AI在家政领域的“激进”落地路线：包括考虑企业的获客成本、运营成本、优先在ROI高的场景投入等等。在具体的组织上也作出了变革，以更好更快地支撑AI战略的落地，他们打破部门壁垒、岗位壁垒，通过成立AI实验室、高频次的内部分享和头脑风暴，从上而下(从leader到骨干)，快速提升全员认知，并鼓励跨岗位参与AI项目。

阿里云智能集团公共云事业部AI加速器解决方案总经理娄恒回溯到了“AI原生”的出现上。他指出，AI原生架构的兴起是因为AI开始承担核心业务比重，其特征体现在对算力(GPU)、模型(泛化与管控)、数据(非结构化)和服务协同(如MCP协议)的新一代治理需求。而在场景选择上，企业可以从业务价值、技术难度、数据丰富度三个维度评估，关键是业务方要深度参与甚至主导，而非仅做裁判。