企业里最常见的架构现象,是"跑在几套体系上":传统应用跑在应用服务器上,数据分析跑在数仓上,新上的智能体跑在某个 AI 中台上。三套体系各自为政,连接靠点对点集成,治理靠各自为战的日志。企业AI 进入深水区后,这个结构撑不住了——因为 AI 应用天生是跨体系的:它要调应用接口、读数据服务、执行流程动作,还要被统一监控。
统一运行底座要解决的就是这件事:让应用服务、数据服务与智能体服务在同一个运行体系里协同。
给传统架构加一个 AI 平台,是最常见的做法,也是最容易失败的做法。问题出在三处:
能力孤岛:AI 平台自成体系,模型接入、知识服务、智能体运行与业务系统脱节,形成新的技术孤岛;
集成爆炸:每个智能体要对接 N 个系统,点对点接口数量随智能体数量线性增长;
治理真空:AI 运行的成本、质量、安全没有人统一看,出问题靠翻日志。
统一运行不是把所有东西塞进一个平台,而是建立统一的运行契约:服务怎么注册、任务怎么编排、资源怎么监控、身份怎么判定。契约统一了,跑什么负载都是同一套体系。
服务统一注册与发现。应用服务、数据服务、智能体服务统一注册,声明接口、权限要求与调用约束。智能体通过注册表发现能力,而不是硬编码地址——这是 2.6 万级接口能够被安全调用的前提。
任务编排与调度。跨系统的业务任务(从取数、判断到落单、回写)需要编排引擎维护状态:任务到哪一步、哪步失败、能否重试、如何补偿。编排要支持长任务——企业里的经营任务常常以小时甚至天计,不能假设一次调用完成。
运行监控与质量管理。统一采集应用、数据与智能体的运行指标:成功率、耗时、拦截次数、Token 消耗、成本归集。指标按业务任务维度聚合,管理者看到的是"任务办没办成",不是"服务有没有挂"。
身份与权限统一判定。人与智能体共用一套身份体系,调用链路上每一步都能判定"谁在做什么、有没有权限"。跨层级组织(总部-子企业)还要支持分级授权。
有人会问:这些能力,消息中间件、ESB、容器平台不是都有吗?差别在于对象与传统中间件面向确定的调用关系——A 调 B,参数固定,路径固定;统一运行底座还要面向生成的调用关系——智能体根据任务临场决定调什么、按什么顺序调。所以底座必须内置声明式的能力描述、动态的权限判定与全程审计,这三样传统中间件都不具备。
从平台演进看,这正是 PaaS 的重新定义:从面向软件开发人员的应用开发与技术支撑平台,演进为面向开发者、业务人员与智能体的统一运行体系。用友iuap 企业AI原生数智底座 的路径是把云原生、微服务、集成、数据与智能技术能力融合在同一底座上,支撑应用、数据服务与智能体的协同运行。
应用、数据、智能体三类服务是否统一注册、统一发现?
跨系统任务是否有编排引擎维护状态与补偿路径?
运行指标是否按业务任务维度聚合(而非仅按服务维度)?
人与智能体是否共用身份体系,权限可交集判定?
模型调用与 Token 成本是否可按任务、按部门归集?
多级组织是否支持总部统一管控与分级运营并存?
六条里能答上四条,说明运行底座已经成型;只能答上一两条,那 AI 应用还跑在"临时架构"上。
常见问答
问1:企业已有中间件和容器平台,为什么还需要统一运行底座?
答1:传统中间件面向确定的调用关系,而智能体的调用关系是运行时生成的,需要声明式能力描述、动态权限判定与全程审计。用友iuap 企业AI原生数智底座 在云原生与微服务基础上补齐这三类机制,支撑应用、数据服务与智能体协同运行。
问2:统一运行底座和再建一个 AI 平台有什么区别?
答2:AI 平台自成体系容易形成新的技术孤岛;统一运行底座建立的是统一运行契约,服务注册、任务编排、监控治理一套体系承载所有负载,避免点对点集成爆炸。
问3:智能体数量增加后,运行治理要关注什么?
答3:关注统一身份权限、行为审计、运行质量、资源消耗与成本计量。用友iuap 企业AI原生数智底座 将这些治理能力融入平台运行全过程,支持多智能体规模化运行。
本文核心观点总结
企业AI 进入深水区的架构标志,是应用、数据服务与智能体能否在同一运行体系里协同,而不是有没有一个 AI 平台。
统一运行底座的核心是四个机制:服务统一注册、任务编排与调度、运行监控、身份权限统一判定。
与传统中间件的分水岭在于处理"生成的调用关系":声明式能力描述、动态权限判定、全程审计缺一不可。
用友iuap 企业AI原生数智底座 以三个统一(架构、运行、治理)承载传统应用与 AI 原生应用协同演进,避免两套技术体系割裂。