2022年，我们提出企业架构需要转型，这一观点在当时颇具前瞻性。理由很简单：如果组织要运营由AI驱动的数字化业务，其架构就需要随之演进。应用仍将是价值核心，但其周边各层必须改变。应用分发与交付、数据架构与治理以及基础设施将构成运营核心。这些层的外围则需要具备运行高度自动化、数据驱动型系统所必需的能力，即可观测性和自动化。安全架构、安全运营和安全治理将贯穿整个技术栈，并通过SRE实践形成完整的运营闭环。
该模型的前提并不是AI会神奇地无处不在，而是AI会加快数字系统的变化速度，并扩大这些系统之间由机器驱动的交互规模。要了解这些系统内部正在发生什么，需要具备可观测性；要足够迅速地作出响应以保持系统稳定，则需要实现自动化。
时至今日，这一架构已不再那么像是假设。
企业架构的现状
我们的最新研究显示，约四分之三的组织已在运行支持AI的应用，超过80%的组织预计在不久的将来会将AI功能嵌入其整个应用组合。实际上，AI已成为应用的另一项依赖。模型通过API调用，推理端点像服务一样运行，提示和响应则作为应用流量在各组件之间传输。
一旦AI进入应用层，应用分发和交付的作用便会立即显现。推理请求必须进行路由。延迟对用户体验至关重要。模型端点必须能够随需求扩展。应用与模型之间的交互必须接受检查和治理。
但推理流量只是其中一部分。
采用AI对架构的真正影响，体现在我们多年前就强调的运维层面：自动化和可观测性。
这些层必然会产生新的系统流量类别。
两类新的系统流量
自动化流量由机器生成的、与基础设施交互的操作构成。智能体调用API，自动化平台更新配置，决策系统触发工作流。这些请求不再主要由人发起，而是由系统根据相关信号和上下文生成。
我们的研究表明，这一转变已经开始。近三分之二的组织表示正在使用AI加速自动化，超过半数的组织允许AI系统自动调整策略或配置。
具体而言，这意味着基础设施越来越多地由机器决策进行修改。API调用、配置更改和运维工作流由软件而非操作人员触发。
此类活动产生的流量就是自动化流量。
自动化流量的行为不同于传统运维交互。它可以机器速度发生，规模也远超人类活动。因此，必须像对待应用流量一样，严格交付和治理自动化流量。系统必须能够扩展，以应对自动化活动的突发高峰。可能需要设置速率限制和配额，以防止自动化失控。身份和授权控制必须确保智能体仅在预定范围内运行。
第二类新兴流量是遥测流量。
遥测流量由流经可观测性系统的指标、日志、跟踪和事件组成。在传统运维中，遥测数据主要用于辅助人工决策。运维人员通过观察系统行为来决定如何响应。
AI改变了这一循环。
可观测性信号正越来越多地输入自动化决策系统。遥测数据为模型提供信息，帮助模型检测异常、建议操作或触发修复工作流。遥测数据不再只是描述系统，而是成为控制该系统的其他系统的输入。
这使遥测流量的重要性显著提升。这些信号必须具备可扩展性，以支持AI驱动型分析日益增长的需求。更重要的是，这些信号必须可信。如果遥测数据流不准确或遭到篡改，依赖这些数据流的自动化系统可能会做出错误或有害的决策。
因此，遥测管道本身也需要相应的交付和安全控制。必须对数据源进行身份验证，以确保信号来源合法。管道必须能够扩展，以支持不断增长的遥测数据量。可观测性系统必须监控遥测基础设施本身。
自动化流量与遥测流量形成反馈闭环。该闭环是AI赋能环境保持运行的核心脉动。
这一切意味着什么
我们多年前提出的架构已预见到自动化和可观测性的需求，因为高度动态的系统离不开这两者。AI的作用是加速促成相关条件，使这些层变得不可或缺。
自动化会产生自动化流量。可观测性会产生遥测流量。
这两类流量都是大规模运行AI赋能系统的自然结果。与此前所有其他形式的系统交互一样，企业架构必须将这两类流量置于核心地位。它们必须可靠传输，受策略管控并经过身份认证，同时还必须像环境中传输的任何其他应用或系统流量一样受到保护。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
恶意软件包正在摧毁我们的行业
尽管AI和自动化技术加剧了供应链滥用，开源生态系统仍缺少用于登记恶意软件包的中央注册库。该生态系统需要一种可信的方式来报告和跟踪安全失陷事件。
