3 篇博文 含有标签「系统设计」

2021 年 4 月，笔者写过一篇《为什么现代软件工程离不开项目管理》；2022 年 9 月，写了《你的团队在正确实践敏捷吗》；同年 12 月，又写了《为什么需要在软件项目中考虑复杂度》。当时觉得这是三个不同的话题：一篇讲流程，一篇讲方法论，一篇讲架构。最近把它们翻出来重读，才发现它们其实在绕着同一个问题打转：人多了，为什么反而慢了？ 复杂度那篇的引言甚至直接写着："随着项目规模的增长，复杂度会以指数级的速度增加，如果不加以控制，最终会导致项目的失败。"

这些年带团队，这个问题也从纸面落到了身上。项目延期，第一反应是加人；人加进来了，进度反而更糟——新人要熟悉上下文，老人要停下来带新人，会议多了一倍，对齐的成本涨得比产出快。五十年前 Fred Brooks 在《人月神话》（The Mythical Man-Month，1975）里就把这个现象说透了："往一个已经延期的软件项目里加人，只会让它更晚交付。"这句话程序员都听过，也都点头。但严格说，它一直只是一句格言，算不上一条定律——没有哪家公司能拿自己的团队做对照实验，去验证它到底有多准。

有意思的是，最近这件事出现了转机，而带来转机的不是管理学，是 AI。2025 年底，MIT 和 Google Research 的研究者测了 180 种 agent 系统配置，结果活脱脱是《人月神话》的复刻：在必须一步接一步完成的任务上，每一种多 agent 方案都比单个 agent 更差，差 39% 到 70%；集群规模超过三四个 agent，加得越多越糟。人月神话诞生五十年，第一次有了对照实验——只不过被试不是人，是 agent。

这就是本文想讲的事：AI agent 团队正在精确复刻人类组织的老毛病；而更有意思的另一半是，它是历史上第一个能把这笔账完全算清楚的组织形态。

亚马逊云科技中国峰会，2026 年 6 月 23–24 日，上海。

2026 年 6 月，我在亚马逊云科技（AWS）上海峰会上做了一场分享，大概是全场"最不性感"的一场。一上来我先澄清了一句：我们的 Nova，不是 Amazon 那个 Nova。我幻灯片上的 Nova，是我在 HP 带队做的一个内部平台；全场其他人挂在嘴边的 Nova，才是亚马逊的前沿大模型。台下笑了。一个撞名的小玩笑，却也恰好划出了这篇文章要讲的那条线——接下来的时间里，我讲的是任何主论坛都懒得碰的东西：我们怎么把一套报表系统，从 Power BI 搬到了 Amazon Athena 加 Apache Iceberg 上。那是个三十分钟、300 级的进阶专题，排在六楼，离楼下的人群远远的。

会场楼层导览：专题演讲（包括我那场）在六楼，主论坛在五楼，展厅在楼下。

而一楼的展厅，卖的全是"性感"的另一面。宇树（Unitree）的人形机器人（humanoid robot）在灯光下伸手抓取；一只标价 ¥9,999 的灵巧手（dexterous hand），冲着镜头比了个耶；一块屏幕上，一群编程智能体（coding agent）全程没人插手，自己把软件交付了，另一块屏幕上，AI 把一段足球比赛录像拆成了战术和球员指标。聚光灯下，智能正学着感知、学着创造、学着在物理世界里行动。

楼下一楼的展厅：人潮都在这儿。

这个反差，就是这篇文章的论点。过去两百年，产出是跟着人头走的——想多干，就得多招人。AI 正在掐断这条线：产出开始靠基础设施（模型、算力、数据）撑着，而不再死死绑在人力上。这就是智力的工业化。和第一次工业革命一样，最后赢的不会是手握最炫机器的人，而是给这些机器铺好地基的人。我那场"无聊"的迁移就是个缩影：让报表变好用的，不是换了个更聪明的模型，而是把脚下的地基换了——刷新从 4–6 小时压到 1 小时；而原本只能盯着看的报表，如今成了谁都能用大白话直接发问的数据。

所以这篇文章，会从地基往上写。先看展厅里被围观的三道前沿——会感知、会创造、会行动的机器；再看撑着这三样的那一层，也就是我专程跑去上海讲的那件事：决定它们到底能长多高的数据底座（data foundation）。

2026 年的每一场 AI 发布会都是同样三张幻灯片开场：更大的模型、更快的芯片、更聪明的 Agent。真正缺失的是第四张——这些东西到底怎么送到用户面前。而这张缺失的幻灯片，恰好就是接下来十年价值最集中的地方。它不会靠又一轮模型微调产生，而会靠我们这个技术栈里最不性感的那一层：基础设施（Infrastructure，俗称 Infra）。

数据也支持这个判断。麻省理工学院（MIT）2025 年《State of AI in Business》报告显示，95% 的生成式 AI 试点无法进入生产。Gartner 的调研表明，只有 15% 的 IT 应用负责人在试点完全自主的 Agent，而整个 Agent 市场预计从 2025 年的 78 亿美元扩张到 2030 年的 526 亿美元。瓶颈不在智能。前沿模型 在 SWE-bench Verified 上已经聚集在 70–75% 区间。真正的瓶颈是从"一个能写代码的模型"到"一个能交付产品的组织"之间的所有环节——而这些环节，说到底都是 Infra。

把"暴论"说得直白一点：编程变得廉价，Infra 却在变得稀缺。AI 叙事习惯把 DevOps、CI/CD、容器、Kubernetes、云架构这些东西当作"已经解决的水管问题"，但它们即将成为把 AI 能力变成可交付产品的头号杠杆。理由很朴素：Agent 现在能写代码，但它自己跑不起一次构建，也扛不下一次部署，更没法独自决定一次回滚、开通一个区域。它需要一个底座替它做这些事——而这个底座，正是过去二十年 DevOps 攒下来的、经过无数次故障检验的、几乎零成本的遗产。