规模化发展AI的秘诀在于突破康威定律的制约

F5研究 | 2026年6月12日

《2026年应用策略现状报告》洞察

几十年来,康威定律一直被视为对软件设计的一项精辟观察。该定律指出,系统会映射其构建组织的沟通结构。这个观点很有用,偶尔会带来不便,但基本可以忽略。

那个时代已经结束。

近期运营数据让康威定律从理论变成了可衡量的现实。分析更改应用所需的工具数量,以及执行该更改所需的团队数量,可以发现两者的分布几乎完全一致。当工作流依赖一两个工具时,通常会涉及一两个团队。当工具数量增加到5至10个时,参与团队的数量也会同步增加。两条曲线的走势如此接近,已无法用巧合来合理解释。

这是康威定律的量化体现:组织结构不仅会影响架构,还会决定架构。企业将组织架构直接映射到应用交付和安全技术栈中。工具蔓延与协调范围扩大,其实是从不同角度观察到的同一现象。

AI推理进入这一环境,并非带来颠覆,而是加速其发展。

推理正成为一个新的应用层,企业也已开始将其作为新的应用层来对待。我们最新发布的《应用策略现状报告》中的数据清楚地表明了这一点:

  • 55%的受访者表示,需要管理AI服务的身份验证和API访问。
  • 54%的受访者强调,需要了解AI流量及需求。
  • 51%的受访者重点关注防止AI系统发生出站数据泄露。
  • 43%的受访者强调,需要保护模型免受入站滥用。
  • 40%的受访者希望建立一个集中控制点,统一管理跨模型和后端的AI流量。
  • 几乎所有受访者都表示,他们选择自行托管推理基础设施,而不是将其完全外包。

这些问题都并不陌生,与长期以来的应用交付和安全职责高度契合。流量控制、身份、可见性、保护和治理都是熟悉的领域。不同之处在于受控对象的性质。

推理用概率系统取代了确定性服务。请求变成提示词,会话变成令牌。输出不再是可预测的字符串,而是统计上合理的响应。成本成为可靠性约束,漂移成为运营风险。滥用方式也从利用语法漏洞转向语义操纵。

这些转变无一例外地扩大了责任范围,却都无法完全纳入现有工具的职责边界。

而这正是康威定律再次强势显现之处。

康威定律的影响

面对扩大的职责范围,企业不会只是悄然扩展现有工具,并要求现有团队承担新增工作,而是会通过职能分化来应对。当身份验证必须具备模型感知能力时,专用访问层便会出现。当可观测性必须跟踪令牌使用情况和语义漂移时,新的遥测平台便会出现。当数据保护必须针对生成的输出而非受检输入进行判断时,现有控制措施便会被认为不足。每个被察觉的缺口都会成为引入新工具的理由。每个新工具都需要明确归属。归属逐渐固化为团队。

推理数据已经表明,整合速度落后于扩张速度。仅有28%的受访者表示,他们通过单一管理点简化了AI开发者工作流。其余受访者已经在使用多个工具和控制界面开展工作。结合前文的康威定律数据来看,趋势十分清晰:随着AI职责不断增加,工具和团队也在同步增加。

这并非偶然,而是引入横跨现有各个交付和安全领域的语义层后自然产生的结果。推理无法完全归属于平台团队、安全团队或应用团队,而是与所有这些团队都有交集。如果没有统一的控制平面,组织往往会陷入碎片化。

其结果是组织架构急剧膨胀。

如果组织不主动采取措施加以避免,AI将增加复杂性

AI并不会让企业结构扁平化,而是让其结构变得可见、可衡量且无法回避。复杂性呈现出分形特征,在交付、安全、可靠性和治理的每一层不断重复。过去支配应用堆栈的同一模式,如今也支配着推理管道,只是演变速度更快,影响也更为重大。

综合数据表明,几乎没有理由期待系统会自发简化。AI并未打破康威定律,反而强化了这一定律。除非企业有意识地整合工具并打破权责边界,否则推理层将成为其运营中最依赖协调、最脆弱且成本最高的一层。

AI的发展不会超越组织设计。组织设计将决定AI能否真正实现规模化。

如需了解详情,请阅读完整的《2026 年应用策略现状报告》。

分享

关于作者

Lori Mac Vittie
Lori Mac Vittie杰出工程师兼首席技术布道师 | F5

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

推理现已成为运营重心
F5研究 | 2026/05/13

推理现已成为运营重心

多模型运维和API驱动的自动化将控制能力下沉至推理时层,包括提示词、令牌与控制、路由和内容审核;成本、风险和性能都必须在这些层面进行管理。

身份是智能体AI的守门人
F5研究 | 2026/05/27

身份是智能体AI的守门人

随着智能体AI推动机器从工具转变为行动主体,身份成为核心控制机制:谁可以代表谁,在什么范围内执行操作,并在推理时以内联方式实施控制。

AI应用交付十大问题:薄弱的DNS实践
行业趋势 | 2026/06/04

AI应用交付十大问题:薄弱的DNS实践

对于推理和智能体系统,DNS韧性对可用性和性能至关重要。解析异常会导致流量路由错误、延迟激增以及跨区域服务中断。

行为与边界:智能体安全转型
行业趋势 | 2026/06/03

行为与边界:智能体安全转型

智能体会生成涌现式、无边界的操作序列,风险也会随时间不断累积。安全机制必须从单次请求验证转向持续的行为治理,覆盖不断演变的多步骤流程。

AI应用交付十大风险:缺乏容错能力和韧性
行业趋势 | 2026/06/11

AI应用交付十大风险:缺乏容错能力和韧性

AI使传统韧性缺口的代价大幅增加:单个GPU或依赖项发生故障时,故障会沿同步推理链级联扩散,导致延迟不断累积并降低输出质量。

AI正在推动新型流量的出现
行业趋势 | 2026/05/21

AI正在推动新型流量的出现

AI的广泛应用正在催生新的一级流量类型:推理请求,以及为控制回路提供数据的机器驱动型自动化流量和大规模遥测流量。