ReaderMX.
高可用架构

GIAC 2026 圆满落幕：AI Native 进入深水区，技术组织如何重构？

高高可用架构约 9 分钟
Image
6月26-27日，由msup和高可用架构联合主办的 GIAC 全球智能应用开发与架构大会，在深圳好日子皇冠假日酒店隆重举行。本届大会紧扣「大模型产业化落地」这一核心议题，集结了快手、字节跳动、腾讯、喜马拉雅等一线研发创新负责人，共同呈现50个源自真实业务场景的前沿架构案例。议题全面覆盖生成式AI、AI安全、Agentic AI、多模态等年度热点技术方向，每个案例均经过严格筛选，确保为参会者带来可落地的工程智慧与创新灵感。
Image

开幕式精华

本届大会开幕式，立足2026年技术新坐标，以 “从模型到产品，从产品到产业” 为主线，为现场500+听众呈现年中首场硬核架构实践，确保每一位参会者带走的不只是趋势判断，更是可复用的工程范式。如下是5位大咖的干货分享：
刘付强：用工程师文化构建 AI-Native 组织
_
Image
msup创始人兼CEO、微上信息技术研究院院长刘付强以“用工程师文化构建 AI-Native 组织”为题进行分享。他指出企业不应仅仅停留在工具使用或Token消耗的层面，打造 AI-Native 组织的核心在于实现“从研发层到经营层”的认知升维，将技术真正融入商业模式的血液中。他基于最新的实战观察，提出了迭代后的“DRIVE”模型，以五个维度构建组织竞争力的护城河：

关键实践一：技术战略解码，从“支撑”走向“引领”。摒弃“用技术的勤奋掩盖战略的懒惰”。重新定义技术委员会在组织中的定位，使其不只是技术选型部门，而是由一号位主导，预判拐点、制定三年至五年“技术战略屋”的核心部门，确保技术直接驱动商业增长与收入模式的重构。

关键实践二：团队认知重塑，实现“战略与能力的上下同欲”。不仅是工程师的技能升级，更核心的是一号位及中高层对AI战略的认知对齐。通过“训战营”而非单一培训，通过定标、对标、达标，打通从战略意图到一线落地的链路，确保左膀右臂与核心岗位能够承接并执行AI战略。

关键实践三：构建试错土壤，培育智慧涌现的机制。好的管理不是控制KPI，而是激发创新。企业应通过设立创新基金、荣誉体系及常态化的“Hackathon”机制，培育容错土壤，鼓励跨部门结对、揭榜挂帅，像种植花草一样为组织注入阳光雨露，让创新自然发生。

关键实践四：跨越技术鸿沟，完成“技术管理”到“技术经营”的转型。识别并规避创新陷阱。科技型领军者需打破“研发即一切”的桎梏，主动向业务向上，向经营靠拢。以CEO的视野审视技术团队，将技术能力转化为商业SaaS模式或结果导向的经营成果，真正实现技术与商业的一体化。

关键实践五：效能生态化，将“组织能力”封装为API。效能的核心从资源储备转向资源的流动性。通过构建企业内部的“API平台”或“MCP模式”，将部门能力封装为易被调用的Skill。不仅要成为被企业内部调用最频繁的模块，更要努力成为外部生态可调用的高效节点，实现组织能力的数字化封装与价值释放。

蒋力：
Google Cloud Agentic AI 打造出海“超级引擎”
_
Image
Google Cloud AI GTM 专家蒋力为大家带来了《Google Cloud Agentic AI 打造出海“超级引擎”》的话题分享。AI正从单一模态和效率工具，全面演变为驱动业务增长的超级引擎。从纯文本拓展到原生多模态，从试点工程迈向大规模生产落地，AI已经发生了质变，并催生了以Token为核心的新经济模式，标志着Token经济已从概念走向实实在在的爆发。
面对这一趋势，Google自身正全面转型为AI-first组织。在底层配备了从训练到推理的全链路专用芯片，为海量AI原生应用提供坚实支撑。
对于企业出海而言，Google Cloud提供了独一无二的全栈式AI解决方案。从底层算力、自有大模型到上层应用，均由统一技术栈深度优化，实现效率的指数级提升，已帮助众多全球用户大幅节约成本、提升服务响应速度。同时，Google Cloud也是提供生成式AI训练与输出数据赔偿保证的云服务商，全面覆盖数据、版权及合规风险，并通过数字水印等技术确保资产可追溯。Google Cloud期待与更多企业携手，借助Google的AI超级引擎与全球生态，在全球市场扬帆远航。

李思：迈向AINative：技术团队的范式跃迁与组织进化
_
Image
快手主站 AIDevops 负责人李思带来了《迈向AINative：技术团队的范式跃迁与组织进化》的精彩分享。他分享了三个模块，分别是宏观判断、千人级实践和组织进化。这不是一个成功故事，而是一个还在演进的过程。
89%的企业已把AI投入实际业务，但生产力提升只有0.29%。DORA报告也显示，个体效能上去了，组织效能却没变。AI到位了，研发体系还是老样子，必须围绕AI重新设计。
过去一年踩了不少坑。24年下半年代码生成率从17%涨到30%，交付周期却没变。后来发现只有不到10%的工程师真正变了，差异不在用不用AI，而在有没有改变工作方式。快手把范式分成L1辅助、L2协作、L3自主，走两条路：L1到L2铺开，L1到L3特定场景突破。但个人快了组织没快，AI越快人和人协作摩擦越大，人机摩擦也成了新负担，根源在围绕人设计的结构卡住了AI。
解法就是三层重构。信息层面让AI能拿到知识，流程层面从串行改成Agentic模式，组织层面交付和守护分开、产研边界溶解。后面直播礼物的案例就是三层重构的落地缩影——方向、分镜、生成、评审都由Agent做，人只定目标，上新周期从20天压到4天以内。目前L2已成主流范式，较L1周期缩短20%到30%。
往前看还有验证规模化和先锋队模式两个难题。但说到底，变革落在每一个人身上。知识能被看见，品味和判断却很难，组织得给这些看不见的价值一个位置。人人都在加速，也要给远见留空间。AI跳过了慢慢写的过程，更要给年轻人慢慢生长的机会。范式在变，组织在变，底色永远是每一个工程师。
张宏波：
从“会生成”到“可交付”：AI时代的软件工程、语言上限与可靠性
——以MoonBit生态增长与大规模迁移实践为例
_
Image
来自粤港澳大湾区数字经济研究院基础软件中心首席科学家张宏波，带来了主题为《从“会生成”到“可交付”：AI时代的软件工程、语言上限与可靠性——以MoonBit生态增长与大规模迁移实践为例》的精彩分享。他认为，AI原生编程语言完全有可能。尽管有人质疑新语言缺语料，但过去半年用AI复制MoonBit生态的经验表明，软件工具链重构后，编程语言作为AI入口，值得为智能体全新设计。
AI时代软件工程面临四大挑战：可维护性—AI代码难转成长期资产；工具链碎片化—传统工具分散，AI上下文有限无法拼接；可靠性—Copilot生成代码三到四成有漏洞，人已无力审查；部署难—跨平台分发仍是瓶颈。
新语言能做减法：语言层减少历史包袱、提供更强护栏；反馈层统一编译、测试、诊断，让AI快速迭代；部署层一套代码输出Wasm/JS/Native，降低学习成本。但冷启动需3-4年高强度投入积累语料。意大利学者论文显示，MoonBit语料仅Gleam七分之一时，AI生成效果反而更好，证明AI友好设计确有其事。
通过类型系统和语义重构接口保障可维护性；将编译器、构建、IDE等统一到moon入口，解决碎片化；引入形式化验证确保安全；多后端和轻量Wasm支持跨平台部署，自带沙箱保护IP。整个生态可自动包装成Agent Skill，如PPT库编译为Wasm后无需安装即可调用。MoonBit的定位不只是一门语言，而是从语言设计开始的垂直整合软件生产线，覆盖编译、构建、测试、验证到部署全链路。
李朝明：
CLI原生·Agent共生——快递100的AI Native实践与开放生态
_
Image
快递100产研中心负责人李朝明带来了《CLI原生·Agent共生——快递100的AI Native实践与开放生态》的主题演讲。他表示，快递100 从2010年成立以来，一直在回答客户三个问题：货发了没有、货到哪里了、什么时候能到。去年快递100发布了中国首个快递物流网络数智图谱，通过AI加Data的能力，首次真正回答了“什么时候能到”这个困扰行业多年的问题。三个问题都回答完之后，这次会上又提出了新三问——用什么快递公司寄最合适、快递员什么时候上门取件、出了问题怎么办——其实都在回答同一个命题：快递物流的确定性。
经过一年进化，快递100网络数智图谱覆盖度从10家拓展到近15家主流快递公司，智能时效预估已服务超千家企业的5亿次调用。今年还衍生出新能力“智选运力”，能精确到小区楼栋，根据客户的位置和寄件需求，从网络图谱里推荐最匹配的快递品牌和运力，让确定性服务真正落地。
在AI Native的探索中，快递100总结出适用于他们的AI领创方法论，也就是端云协同+两个结合+CLI&Skill&MCP。他们把自己的能力封装成三大AI原语——CLI是命令管道，让AI直接调用；Skills是封装好的意图加执行链，指导AI如何使用；MCP是标准化协议，任何遵循MCP的AI都能接入。这三者共同构成AI可理解、可执行的原子化能力。
基于图谱和原子化能力，快递100还推出了全流程经营Agent“果宝”。它不是一个对话框，而是能独立上岗的数字员工——面向个人是AI快递助手，面向企业是AI快递管家，面向快递员是AI快递小哥。果宝具备自我进化能力，能够每天复盘工作、补齐知识，越用越聪明。
李老师分享结束后，小芒电商产研总监兰勇、雷赛智能IT总工涂楠、中捷通信有限公司物流事业部总经理助理兼电信业务中心经理兼翼快递孵化中心经理黄志中、北京芬香科技有限公司研发负责人苏金波、广东省快递行业协会秘书长助理何惠娟、Msup创始人兼CEO暨微上信息技术研究院院长刘付强、快递100总经理陈登坤、快递100副总经理兼首席产品体验官陈武强等八位嘉宾共同上台，见证快递100 AI Native新品发布。
Image

从代码开发到智能系统交付：

Agentic Coding 时代的

程序员新范式

本次开幕式新增了圆桌对话环节，GIAC 发起人，高可用架构发起人Tim Yang作为主持人、AfterShip CTO 洪小军、Lovstudio.ai创始人手工川、盛大集团EverMind COO韩云芸三位嘉宾，分享了各自领域的关键突破：
Image
关于程序员数量，大家的共识是传统写代码的岗位会减少，但更综合、更复合的高级群体会增加，编程会像数学一样成为普遍技能。在真实研发实践中，目前很多团队已无人写代码，全流程由AI和Agent串联，但挑战在于与外部协作仍需人类处理，同时要用更充分的上下文、更完善的验证和权限控制来应对AI犯错。关于新人该学什么，数据结构、计算机组成和哲学是基础，但学会学习、掌握与AI沟通的方式更重要。资深工程师的价值不可替代，他们能端到端负责事情、做关键决策和促成团队协作，懂得AI的边界，知道什么时候需要兜底。招聘和晋升时，大家更关注候选人做了什么、能否让一群人变快，以及是否有解决过棘手问题和展现Humanity关怀的特质。判断力、协作能力和对AI边界的理解，是未来工程师最稀缺的能力。
至此，GIAC开幕式圆满结束，各位嘉宾纷纷表示收获满满，期待明年和大家再聚。

KEEP THE THREAD GOING

更多来源文章