架构师2025第一季

架构师 2025年第一季总结：Agentic AI 十年风口与软件生态重构

核心内容

本期《架构师》聚焦于 Agentic AI 这一技术趋势，探讨其对软件生态、数据仓库、数据库、SaaS等传统技术架构的冲击与重构。文章指出，Agentic AI 不仅是工具，更是能理解业务、自动编写、持续演进的“数字工程师”，正在深刻改变软件开发和数据处理的范式。

主要观点

1. Agentic AI 的崛起

• Agentic AI 是一种能主动感知、规划与执行任务的智能体，不同于传统被动回答的工具。
• 它将从“聊天工具”进化为“主动达成目标的智能体”，对软件架构和企业流程产生深远影响。

2. 传统数据仓库的挑战

• 数据仓库曾是企业“重要的数据资产”，但 Agentic AI 的出现使其可能沦为“数据素材库”。
• 数据仓库的架构设计以“人”为中心，而 Agentic AI 的出现将使数据消费者从“人”变为“Agent”，推动架构向“语义 + 数据”融合的 Agentic Data Stack 转变。

3. Agentic Data Stack 的演进

• Agentic Data Stack 是面向 Agent 的新一代数据架构，强调语义与响应模式。
• 它包括三个核心层：
  • 数据交互层（Semantic Orchestrator）：作为 Agent 与数据资源之间的桥梁，实现智能化、多轮次交互。
  • 数据存储层（Data Mesh）：支持语义 + 数据的融合存储，成为 AI 时代的“计算友好型”数据层。
  • 数据处理层（Data Flow Agent）：从“搬数据”转向“理解数据”，实现事件驱动和意图驱动的数据处理。

4. Agentic AI 对数据库和 SaaS 的影响

• 微软 认为 SaaS 时代即将结束，Agent 将成为企业应用的核心驱动力。
• Salesforce 则主张 AI 与 SaaS 的深度融合，而非取代，强调在现有系统中增强 AI 能力。
• 两种路线代表了“通用 AI 入口”与“垂直领域整合”的不同方向，企业可根据自身需求选择。

5. Agent 架构的技术挑战

• 任务编排 是 Agent 架构的核心难点，尤其在复杂任务中容易出现组合爆炸问题。
• 大模型能力 是 Agent 能力提升的关键，当前大模型准确率在 60%~70% 之间，尚无法支撑复杂业务流程。
• 成本问题 是企业落地 Agent 的一大障碍，例如 Salesforce 的“每次对话2美元”收费模式，对于中小企业而言成本过高。

6. Manus 的现象级爆发与局限

• Manus 是一款中国团队推出的“现象级” Agent 产品，因其广泛的适用性和演示效果迅速走红。
• 然而，其仍面临诸多挑战，包括：
  • 任务复杂度：当前能处理的任务偏简单，无法应对复杂业务逻辑。
  • 通用性不足：缺乏统一的 Agent 协议或接口，限制了其自主性。
  • 物理世界复杂度：Agent 需要处理现实世界的复杂性，仍处于“婴儿”阶段。
• 李飞 认为，Manus 的火爆是积极信号，但其是否适用于 B 端仍需进一步验证。

7. 垂直 Agent 的现状与潜力

• MGX 是一个专注于编程开发领域的多智能体平台，可以模拟软件开发流程，完成多个角色的工作。
• 它基于 MetaGPT 框架，利用 GPT-4o 和 Claude3.5-Sonnet 实现复杂任务处理。
• 尽管 MGX 在简单项目中展现出效率提升，但在大型项目中仍面临 token 消耗高、文档解释性差 和 上下文遗忘 等问题。

8. 中国企业的挑战与机会

• 中国企业更倾向于 Salesforce 式的融合路径，而非微软式的重构。
• 定制化需求高，导致 Agent 生态不如海外成熟。
• 技术门槛 依然存在，但随着 AI 能力提升，Agent 有望成为推动企业数字化转型的重要工具。

关键信息

• Agentic AI 正在重塑软件生态，从“人”为中心转向“Agent”为中心。
• Agentic Data Stack 是为 Agent 设计的新一代数据架构，强调语义与响应模式。
• Agent 架构 包括 Semantic Orchestrator、Data Mesh 和 Data Flow Agent 三层。
• 大模型 是 Agent 的基础，但当前仍存在准确率、成本和泛化能力等瓶颈。
• Manus 和 MGX 是当前 Agent 领域的代表性产品，但均存在技术与应用上的局限。
• 企业落地 Agent 需要关注“性价比”，避免盲目投入。
• 垂直 Agent 更适合当前企业，而通用 Agent 需要更长时间发展。
• 中国 AI 生态 需要更多基础理论突破，才能实现 Agentic AI 的全面应用。

未来展望

• Agentic AI 将推动软件开发、数据处理、企业流程等领域的全面变革。
• 从“App Stack”向“Agent Stack”的转变，是企业数字化转型的必然趋势。
• 技术理想主义 与 现实落地 之间的平衡是关键。
• 随着大模型和 Agent 技术的成熟，通用 Agent 将逐步成为可能，但短期内仍需依赖 垂直 Agent 实现落地。

结语

Agentic AI 正在开启一个全新的技术时代，它不仅是工具的进化，更是软件架构、企业流程、数据存储等领域的全面重构。虽然目前仍面临诸多挑战，但其潜力巨大，值得企业和开发者持续关注与投入。未来已来，智能正在成长，Agentic AI 将引领新一轮的产业变革。