AI范式下业务架构变迁思考
AI范式下,传统业务架构必然经历的改变~
探究架构变化:从“事后拼凑”到“事前内建”
一、 困局:数据为什么总“不能直接用”?
传统业务系统演进多年,但在“支撑数据决策”这件事上,始终存在一种隐秘的拧巴感。
业务系统里并非缺乏数据——订单、支付、库存、用户履约,应有尽有。然而一旦试图用这些数据还原真实的业务决策场景,就会陷入尴尬的困境:数据是割裂的,且关键的因果上下文已经丢失。
- 订单表只展示最终状态
状态 = 已取消,却淹没了导致取消的上下文(是主动退款、超时未付,还是库存不足导致的系统撤单?)。 - 支付表只记录
流水完成,却无法直接体现这笔资金是在哪个具体的营销活动、哪种路由策略下产生的。
想要还原全局全貌,只能依赖数据团队从各个业务数据库中抽取数据,经历漫长的数据清洗、字段对齐与主键拼接,力求还原出一条勉强可用的业务链路。
这就是大数据的 ETL 与治理。它固然不可或缺,但其本质是一种事后补救机制:业务系统先在生产端抛出断裂、只存结果的状态快照,大数据层再在消费端耗费巨大成本将它们“缝合”起来。
二、 根源:数据是业务的“副产品”
这种拧巴感源于传统架构的底层逻辑:数据被视为业务执行的副产品。
传统业务系统的核心使命是“完成交易/状态变更”——保证下单成功、扣减库存成功、支付回传成功。至于过程中丢弃了哪些上下文、数据之间具备何种因果关系,并非业务系统的关注重点。
在此设计范式下,数据从产生的那一秒起就是“静态”且“孤立”的:
- 只记录状态结果,丢失演进过程;
- 只回答“是什么”,无法解释“为什么”;
- 数据节点间缺乏天然链路,只能依赖事后人工构建 ETL 规则进行强行关联。
拿着这样一份仅仅为了持久化状态而设计的数据去支撑复杂的决策分析,自然力不从心。
三、 破局:从“状态持久化”到“事件溯源”
如果改变这一链路——让业务系统在运转的同时,天然顺手构建出决策所需的链路呢?
这正是事件溯源(Event Sourcing)等现代架构的核心哲学。它不再仅存储“当前是什么状态”,而是完整记录“一路以来发生了什么”。
以订单场景为例,系统不再仅仅更新一行status = cancelled的记录,而是按时间顺序记录一条不可变(Immutable)的事件流:
OrderCreated(订单已创建)PaymentSucceeded(支付已完成)FulfillmentTimedOut(履约超时未发货)OrderCancelled(订单已取消)
这组事件按时序天然串联,本身就是一条自带因果关系与完整上下文的业务链路。数据产生的时刻,即是链路构建完成的时刻,完全无需事后重塑。
核心架构哲学的演进在于:
- 传统架构:业务生产状态 $\rightarrow$ 大数据抽取治理 $\rightarrow$ 拼接链路支撑决策(重度依赖事后治理)。
- 事件溯源:业务生产事件 $\rightarrow$ 事件即数据 $\rightarrow$ 数据自带链路 $\rightarrow$ 无缝支撑决策(内建治理能力)。
四、 本质:数据治理的“时代前移”
这种架构变化并非消灭了数据治理,而是将数据治理的战场从“事后清洗”前移到了“业务设计”阶段。
当架构师在定义聚合根(Aggregate)、命令(Command)与领域事件(Domain Event)时,就已经在为未来的数据分析与决策模型设定基本结构。设计合理的领域事件,能让后续的决策分析水到渠成;而缺乏深度的建模,即便采用事件溯源,依然会导致后续分析维度的缺失。
因此,治理的本质发生了转移——从传统的“事后批量清洗”,转变为领域驱动设计(DDD)阶段的“事前设计内建”。
五、 思考与权衡
总结而言:数据并非变多了,而是其生命周期的起点被重新定义——从出生那刻起,它就是为业务与决策一体化而设计的。
这种演进带来了极高的数据资产价值,但同时也引入了新的工程权衡(Trade-offs):
- 建模门槛显著提升:对业务领域的理解深度要求极高,事前设计的成本陡增。
- 架构复杂度增加:对于简单的 CRUD(增删改查)场景,事件溯源与 CQRS 架构会引入额外的开发与维护负担。
简而言之,如何在轻量级业务灵活性与高价值数据链路之间找到最佳平衡点,依然是值得在实际工程中持续验证的课题。
六、一点反思
“以 AI 驱动的业务变革,正被滞后的软件工程底座所绑架。”
现代软件工程长期陷于“上层架构过度演进,底层数据生产范式严重滞后”的非对称错位中。传统的“前端-后端-运维-大数据清洗管道(ETL)”分层架构,已沦为 AI 模型原生的巨大摩擦力。
若不推翻现有静态、割裂的数据交付模式,建立**“数据即样本、生成即接入、自适应闭环”**的模型原生工程底座(Model-Native Infrastructure),再前沿的业务架构与算法创新都终将湮灭于高昂的工程损耗中。
💡 架构反思与宣言(Architectural Reflection & Statement)
本文观点的核心在于**“推动软件工程底层基座与 AI 模型原生的协同演化”**。传统数据管线与工程范式的解耦与重构势在必行,唯有抛弃过渡态架构负债,方能迎来真正的模型原生时代。
- 思想提出 / 作者:Sun ChengXin (孙程鑫)
- 核心命题:Model-Native Infrastructure & Architectural Co-evolution
- 日期:10-16-2026