相關主題
商品描述
這是一本面向架構師、程序員與智能化轉型從業者的AI原生企業架構落地指南，聚焦“如何將AI深度融入企業現有架構”這一核心命題，以業務、應用、數據與技術架構四大維度為骨架，提供從理論框架到可覆制工程方案的完整路徑，助力企業打造可信、可持續演進的數智化轉型底座。閱讀本書，你將收獲：●一套完整的AI原生企業架構理論體系，打通“業務→應用→數據→技術”脈絡。●4種業務架構設計範式與金融領域落地案例，提供可覆用的範式。●AOA架構五級能力模型與“飛行號”落地模型，擺脫智能體架構工程落地困境。●三層數據體系構建方法，掌握DataToken本體方法論，打通語義壁壘。●四大技術架構挑戰的解決框架，構建安全、可觀測、可評估、可控的技術底座。●大量已落地的真實案例，提供從金融領域戰略到戰術的完整實施路徑。|
作者簡介
靈犀： 架構師，深耕架構、編程、AI、雲計算、大數據等技術領域，熟悉企業數字化、智能化轉型。出版《架構師啟示錄：知識模型、落地方法與思維模式》，並在極客時間（極客邦科技旗下在線學 臺）發布“智能原生架構實戰”專欄文章。
目錄大綱
前言
第1章 AI原生時代的企業架構
1.1 技術演進邏輯
1.1.1 工具技術：從“替代體力”到“替代智力”
1.1.2 連接技術：從“人與人”到“萬物互聯”
1.2 技術演進下的架構本質
1.2.1 架構是什麼
1.2.2 企業架構是什麼
1.2.3 架構的本質
1.3 AI原生企業架構的本質與價值
1.3.1 AI原生的本質
1.3.2 AI原生企業架構的本質
1.3.3 AI原生企業架構的價值
1.3.4 關於“SDD是否會顛覆架構”的思考
1.4 本章小結
第2章 AI原生企業架構的組成與落地
2.1 面向AI原生的企業架構組成
2.1.1 業務架構
2.1.2 應用架構
2.1.3 數據架構
2.1.4 技術架構
2.2 架構元模型和落地階段
2.2.1 元模型
2.2.2 落地的兩大階段
2.3 本章小結
第3章 AI原生業務架構的四種設計範式
3.1 目標驅動的設計
3.1.1 從規則驅動到目標驅動
3.1.2 兩大核心支撐能力
3.2 認知驅動的設計
3.2.1 智能能力的演進階段
3.2.2 對業務架構的變革影響
3.3 服務驅動的設計
3.3.1 4個關鍵方面的演進
3.3.2 服務驅動的設計邏輯
3.4 中臺驅動的設計
3.4.1 從小中臺到大中臺的變化
3.4.2 大模型帶給業務中臺的啟發
3.4.3 DataToken本體方法論
3.4.4 DataToken與Palantir方法論對比
3.4.5 中臺驅動的底層邏輯
3.5 本章小結
第4章 AI原生業務架構落地
4.1 落地過程與關鍵點
4.1.1 傳統業務架構的落地過程
4.1.2 AI原生業務架構落地的關鍵點
4.2 目標驅動的設計落地
4.2.1 典型產品與適用場景
4.2.2 案例解析
4.2.3 落地支撐與可行性評估
4.3 認知驅動的設計落地
4.3.1 基於用戶體驗地圖的落地實踐
4.3.2 決策模式的選擇
4.4 服務驅動的設計落地
4.4.1 基於個人工作臺整合多交互方式
4.4.2 微卡片的落地實踐
4.5 中臺驅動的設計落地
4.5.1 落地路徑
4.5.2 落地方法
4.6 落地的戰略與戰術：基於金融領域
4.6.1 戰略落地過程：從領域到能力
4.6.2 戰術落地過程：從需求到四大範式設計
4.7 本章小結
第5章 AI原生應用特征的內在邏輯
5.1 AOA
5.1.1 微服務和智能體的本質對比
5.1.2 智能體架構的4層設計
5.2 開放共建
5.2.1 從“大教堂”到“大集市”的模式改變
5.2.2 開放共建的解決思路
5.3 基於語義的交互
5.3.1 基本模式
5.3.2 交互協議
5.3.3 設計模式
5.3.4 解決覆雜性的核心理念
5.4 本章小結
第6章 AI原生應用架構落地
6.1 落地過程與關鍵點
6.1.1 傳統應用架構的落地過程
6.1.2 AI原生應用架構落地的關鍵點
6.2 面向智能體架構的落地
6.2.1 五級能力模型與實施路徑
6.2.2 落地困境分析與澄清
6.2.3 方法論：“飛行號”模型
6.3 開放共建框架的落地
6.3.1 新一代分層架構落地框架
6.3.2 框架構成和落地原則
6.4 基於語義交互的落地
6.4.1 MCP和A2A的企業級落地方法
6.4.2 設計模式的分類框架
6.4.3 設計模式落地原則和案例
6.5 落地的戰略與戰術：基於金融領域
6.5.1 戰略落地過程：從分層到分組
6.5.2 戰術落地過程：從模塊化到交互設計
6.6 本章小結
第7章 AI原生數據體系架構
7.1 數據核心處理層
7.1.1 數據存儲方式的改變
7.1.2 數據計算方式的改變
7.1.3 數據分析方式的改變
7.2 數據語義賦能層
7.2.1 數據語義的“一縱一橫”
7.2.2 AI原生時代的數據飛輪
7.3 數據底層支撐層
7.3.1 大模型帶來的啟發
7.3.2 數據的底層支撐
7.3.3 數據語義的空間擴展
7.4 本章小結
第8章 AI原生數據架構落地
8.1 落地過程與關鍵點
8.1.1 傳統數據架構的落地過程
8.1.2 AI原生數據架構落地的關鍵點
8.2 AI原生數據核心處理層的落地
8.2.1 數據存儲體系建設思路
8.2.2 數據計算體系建設思路
8.2.3 數據分析體系建設思路
8.3 AI原生數據語義賦能層的落地
8.3.1 數據無邊際語義體系構建思路
8.3.2 數據語義流動體系建設思路
8.4 AI原生數據底層支撐層的落地
8.4.1 數據一致性落地思路
8.4.2 不同數據空間打通的落地思路
8.5 落地的戰略與戰術：基於金融領域
8.5.1 戰略落地：從數據分布到數據流轉
8.5.2 戰術落地：從語義構建到語義流動
8.6 本章小結
第9章 AI原生技術架構落地
9.1 落地過程與關鍵點
9.1.1 傳統技術架構的落地過程
9.1.2 AI原生技術架構落地的關鍵點
9.2 落地難點與建設思路
9.2.1 AI原生安全體系
9.2.2 AI原生可觀測體系
9.2.3 AI原生可評估體系
9.2.4 AI原生可控性體系
9.3 落地的戰略與戰術：基於金融領域
9.3.1 戰略落地：從技術棧到技術平臺
9.3.2 戰術落地：從質量特征到服務
9.4 本章小結
