阿里云CTO线AI原生探索：7个样板间实践回顾

```html 阿里云CTO线AI原生探索：7个样板间实践回顾 阿里云CTO线AI原生探索：7个样板间实践回顾

发布周期从40天缩到2天，全链路处理时长从两小时压到5分钟。这是阿里云CTO产研线过去三个月一轮AI Native探索里跑出的局部数字。但同一场分享里，阿里云研发副总裁唐洪把话说得很清楚：他们自己仍在探索，不敢说提供的是标准答案。

这轮探索的对象不是某个具体技术难题，也不是某个产品，而是研发组织本身——怎样用AI解决组织问题和协同问题。云栖大会《AI 原生研发组织论坛》把阶段性进展、困惑和未解之题一起摆上了台面。

三个判断与三个阶段

唐洪按时间线回顾了技术变化：2022年底ChatGPT让通用预训练模型显示出解决大量问题的能力；推理模型出现后，模型开始“长思考”；再到工具和记忆被接入，Agent开始接收目标、制定计划、执行任务、读取工具反馈并修正迭代。

他把今天的智能体计算范式概括为“模型加Harness加Context”：模型负责理解、判断和实时决策，Context提供全面、统一、持续更新的上下文，Harness负责智能体的自主运行与持续进化。

基于这轮探索，他给出三个判断：

• Agent进入生产链路，才是真正的分水岭；
• AI Native不单单是为了降本，更重要的是竞争维度的跃迁；
• AI Native会经历工具原生、工作流原生、组织原生三个阶段。

阿里云CTO线组织发展负责人蔡亮从组织视角补充：技术变化会改变能力的稀缺程度，组织分工也必然随之调整。AI没有让个体能力、协作和管理的稀缺性完全消失，同时增加了一个过去没有的边界——人类第一次要和非人智能体共同工作。当Agent开始承担任务，新的契约怎么建立，目前还没有现成答案。

北极星、留白、沙箱

这轮探索把问题分成两类：一类是“成长型”问题，在现有框架内极致优化，沿需求、产品、设计、开发、测试、发布、运维整条链路找提升空间；另一类是“进化”问题，在AI能力和客户价值之间颠覆和重构。

推进方式被概括为“北极星、留白、沙箱”。北极星目标决定哪些创新需要持续加注；留白意味着创新不用等待管理配套完全准备好，允许团队在试验阶段跨越原有岗位边界；沙箱提供支持环境，并尽量控制对主干生产链路的影响。观测过程指标只用于观测和比较，不直接进入考核，目的是减少针对指标过度局部优化的动作变形。

样板间的入选标准是：进入生产场景、有可观测的业务结果、具备复用可能。

局部成绩包括：某个项目将全链路处理时长从两小时缩短至5分钟；另一个项目在两周内完成几十个需求，将发布周期从40天缩短到2天，并整理出十几个生产级的Skill。这些数据不代表整体表现，哪些做法可以复用仍需继续验证。

阶段性实践带来两方面变化：核心资产开始从产物本身转向支撑可信再生的条件；下一阶段的平台级需求收敛到三个方向——让任务可靠执行、让经验持续积累、让协作进入组织。

代码变便宜以后，什么仍然稀缺

圆桌环节由蔡亮主持，嘉宾是唐洪、阿里云智能集团副总裁韩鸿源，以及蚂蚁百灵产品和运营负责人边思康。

韩鸿源把与代码有关的词拆成三个：Coding、Programming、Software Development。他的判断是，代码写出来并不等于有了Software，最多可能只是一个能运行的program。真正的软件有大量功能性和非功能性要求，能不能把一段代码变成真正可交付、可售卖、可持续运行的软件，还有很大讨论空间。

他提到一个现象：如果写了一个AI应用，新一代模型发布后完全用不上模型增强的能力，那要反思自己是不是真的在用AI；但反过来，也不能因为写代码能力增强，就直接推导出AI已经能从头到尾替代人。他举的例子是MySQL——有完整文档、清晰接口，也有众所周知的问题，但今天还没有人用AI重新写出一个更好的MySQL并真正替换掉它。

唐洪的观察是，代码生成越来越便宜，反而暴露了其他问题。传统瀑布式流程默认人力成本最贵，所以要一遍遍做设计评审、规格评审；现在迭代越来越快，流程还很重，前面的环节就会变成新的瓶颈。人的handoff通常比机器慢，产品经理开始干研发的活、研发开始干产品的活，是因为只要是两个不同实体，观点就可能不同，协调就有代价。

他用一个真实例子说明：过去前端库和后端库分开，后端先上版本，前端理解语义后再接，变化慢时没有问题；今天两边都在快速迭代，后端往前走了很多，前端可能根本接不上，最好的方式反而可能是把代码放在同一个库里一起改。

边思康则把code放回产业链里看：code在整个软件服务中本来就只占一部分，更像原材料。把code做成好的软件、再把软件做成好的服务，还有很长的产业链。coding成本下降，其他准出要求、评测要求反而可能提高。

关于专业能力，唐洪用了海水和小岛的比喻：人的专家能力像岛，AI能覆盖的范围像海平面，海平面不断上涨，露在外面的“专家小岛”就越来越少。专家不会简单消失，但专家的bar会越来越高。

七个样板间，七种路径

论坛从产品设计、代码审查、代码修复、研发协作、运维评测、跨职能协作、产品运营7个维度，说明Agent在不同生产环节承担了什么、人仍负责什么、实施后出现了哪些新问题。

产品设计方向，约三分之二的需求不再需要人逐条查看，价值判断准确率达到90%以上，需求响应时长下降45%，约80%的PRD已由AI生成，一份端到端产品体验测评的产出时间从4小时缩短到30分钟。

代码审查方向，Kitta在六大领域取得17%—30%的审查质量提升，已在龙蜥社区服务ANCK内核发行版，累计审查7万多个补丁，门禁准确率达到97%，代码合入率达到62%。团队发现的问题是：AI可以看懂一段代码，却不一定看得懂一个项目。

代码修复方向，PolarDB-X的实践中，100%的报警先由Agent做首轮分析和处理；半年内从上万次报警中识别并记录了200多个缺陷，其中超过70%能够稳定复现，并由Agent完成修复后进入评审。

组织进化方向，Agentic SOC把产品、研发和安全整合进同一个团队，每个需求由一名Owner从目标定义负责到结果验收。需求平均周期从50.9天降至13.8天，窗口内吞吐率从63.9%提升到98.9%。

产品运营方向，一支由2个自然人、1个Leader Agent和6个Worker Agent组成的数字员工团队，协同100多个角色，实现约10倍提效。人的精力分配从过去主要投入物料生产，变为约20%用于生产协作、80%用于评判和决策。

七个样板间采用了不同路径，各团队仍在分别界定目标、权限、验收和追责方式，目前没有统一做法。这些做法能否跨团队复用，仍需更多生产数据验证。