最后给「AI Native 研发范式实践手册」收个尾吧，也是阿里官方的四点陈述。

1. 从写代码到可靠交付，仍有较多技术问题要解决
基础设施本身的工程复杂度，可能不亚于 Agent 应用层的建设。
-- 这一点很赞同，LLM 和 Agent 应用架构能决定 Agent 的能力表现，但让它稳定持续、可运维的运行，互联网时代的很多基础设施，几乎都不能避免。Agent Infra，既要借鉴互联网 Infra 的经验，又要建设对 Agent 更友好，更适合 Agent 这种非确定性运行的特点，任重而道远，未来几年在企业场景中至关重要。

2. 企业的知识资产，还没充分做到 Agent 友好
知识的结构化、版本化、权限管理和质量治理都还有大量工作要做。
-- 是的，千万不要被现在企业内的文档数量骗了，绝大部分企业现在都称不上知识，就只是文档库而已。更谈不上积累，更像积压！这种知识资产的建设，需要自上而下统一去整改，不能每个部门自己搞自己的，也不能让不懂的人来，行政、项目经理和 PMO 尽量往后站，让更懂 AI 的人站出来！

3. 组织设计的影响更为深远，也更难找到确定性答案
如何在激励创造与缓解焦虑之间找到平衡？
-- 这是一个很现实的问题，特别对于中大厂。AI 提效，为什么对个人和创业团队更容易见效，各位大厂牛马心里很清楚，因为大厂内部的阻力很大很大，来自事的，来自人的，都很大。不去解决组织设计的问题，什么 AI SI 来了都白扯。围绕 AI 重新建立组织，这句话说来容易，实际在大厂很难执行，因为各个部门的权力组织，都不想被取代。怎么让中层敢放开用 AI ？怎么让基层觉得用 AI 不需要担心自己被取代 ？这些前置问题，需要每位团队管理者根据自己所处的环境具体去思考。

4. AI 技术本身的迭代速度，会对现有架构持续造成冲击
我们继续接受这种不确定性，保持架构的适应弹性，同时避免因为“等更好的模型”而推迟必要的基础设施建设。
-- 是的，AI 本身的不确定性就很高，发展中又在不断迭代。记得 Claude Code 的 Boris 一直在强调，面向几个月后的 AI 做事情。这种技术判断力很重要，哪些是变化的，哪些是不变的。哪些是会被下一代 AI 取代的，哪些是有了下一代 AI 就成立了？

AI 时代，一位有技术判断力的负责人，更为关键。同时，AI 的快速变化和不确定性，怎么和中大企业中特别需要确定性的财务、项目、PMO 等组织之间形成共识，在技术和业务间找到持续可以跑的方向，都还有很多要做的事情。

手册在这：
https://ai-native.alistatic.com/app/ainativeinfra/ai-native-handbook-web/index