他们怎么用云原生？来自技术先锋者们的冷思考

　　采用云原生的数字化转型已成为业界共识，但云原生如何更好地落地，产生价值，仍有不少工作要做，先锋者们也给出了自己客观、理性的‘冷思考’。

　　4月初，位于北京中关村壹号的福佑卡车总部，迎来了一批技术先锋者，他们是全球云原生交流平台“创原会”的活跃会员。当天，专家们在福佑卡车技术合伙人、人工智能专家陈冠岭的带领下，探访了这家首个将人工智能引入公路干线运输的企业，并就云原生时代 “上好云、用好云、管好云”的实战经验开展分享和交流。

　　自CNCF(云原生计算基金会)在2015年提出云原生概念后，近年来企业采用云原生的势头呈现爆发性增长，例如，CNCF 在2018年曾开展行业调查显示，约73%的受访者在生产过程中开始使用云原生的关键技术之一容器。一批国内行业龙头企业也开启了相关探索，他们利用云原生技术，在云上创新，拓展新业态，并通过云上研发、管理效率的提升，让整个企业的运营和管理更加精益。

　　回顾这些创新历程，这群探路者认为，采用云原生的数字化转型已成为业界共识，但云原生如何更好地落地，产生价值，仍有不少工作要做，探路者们也给出了自己客观、理性的“冷思考”。

　　01

　　“我为什么用云原生”

　　在福佑卡车的大厅中，一块大屏实时显示着全国各地正在运输的状况，新订单、新询价、线路、在线货主、在线司机等数据一目了然。

　　作为一家产业互联网公司，福佑卡车在公路干线运输领域，建立了类似“滴滴”模式的科技货运平台，衔接了货主端和司机端。

　　在货运行业，个体司机是货运资源的主力，但线上化不足、成交效率低、卡车空驶率高、运价不透明等问题持续困扰着行业。过去，货运业务的成交，往往靠物流园中的各种“小黑板”手写沟通，例如，“XX货从内蒙古到上海”“需要XX车到广州”等简略信息，司机和货主则穿梭在黑板间寻求合作。如今，这些线下的“小黑板”被搬到了线上，但双方仍需电话讨价还价。因供需变化快、规则缺少标准、价格波动大，行业的痛点仍然存在。

　　2018年后，基于行业历史交易数据和AI算法，福佑卡车推出了智能定价、智能分单和智能服务等，解决行业瓶颈。以智能定价为例，福佑推出了“一口价”模式，当平台给司机推送一个订单时，系统会自动带上一个实时生成的价格。在智能系统的加持下，福佑卡车货运准时率达到了95.2%，大幅领先于业内的人工平台，空驶率从行业平均的45%降到了6.6%，除了节能减排，司机的收入也明显提升。

　　这些智能化转型的落地背后，是底座技术架构的选择。起先，福佑卡车的技术栈只是单体系统，所有代码都放在一个“大模块”里，随着业务规模和复杂度提升，系统的问题越来越多。在2017年“双11”期间，业务最繁忙的时候系统突发崩溃，持续两三天才解决;当年公司财务系统的重构上线，也花了将近一个星期。

　　这让陈冠岭意识到，单体系统已无法很好地支撑业务的高速发展，福佑卡车也下决心把整个技术栈迁移到云原生架构上。

　　云原生是一种运行在云上，充分利用云架构特点的技术。业内有资深人士总结，它的最大特点就是“快”：伸缩快、开发快、上线快、更新快、速度快，从而使得业务能更快地满足市场的变化。

　　福佑卡车的实践与思考，也得到了多位业界专家的观察印证。华为云数据库专家立勋表示，近年来，企业在业务上有几个典型变化趋势，促使他们更积极地拥抱云原生技术。

　　首先，企业的业务对弹性、时效性的要求越来越高。以前电商企业设定某个时间点做促销，技术部门至少有几周时间去准备资源，但现在电商、直播、游戏行业爆火，瞬时流量增长十分迅猛，根本无法像传统模式，提前预留大段时间做资源规划。同时，金融政企也有类似趋势，比如社保、财税系统对可用性的要求极为严苛，要求7X24小时在线，不能有任何宕机风险。另一个趋势是，企业跨地域业务、尤其是出海业务快速增长，需要技术系统提供全域的支撑。此外，中小企业以及大企业的长尾业务对于更高性价比、降本增效的追求，也是今年企业最关注的问题之一。

　　云原生为上述需求提供了解决路径。以云原生数据库为例，它在弹性速度、交付周期、调度感知、扩展能力、计费粒度上不断优化，被认为是企业应对市场变化的必由之路。

　　当然，拥抱云原生这件事并不简单。

　　行业资深人士、畅销书《人工智能产品经理》作者张竞宇参与了在福佑卡车的分享。在他看来，在云原生技术的落地中，企业必须先斟酌“投入的最小闭环是什么”，而不是一上来就铺开所有东西去做全面升级。

　　面临这一选择，企业往往只能“边开飞机边换引擎”，因为不可能把原先的架构全部停止开发而完全转向一个新底座，只能是在发展的同时加快云原生转型。

　　“我们的做法是把核心的财务系统先拿出来做迁移，这是因为它涉及最底层的数据框架，它迁移完成后，数据框架定了，再进行上层业务系统的迁移。”陈冠岭介绍，他们公司花了整整一年，终于实现了云原生架构的技术转型。

　　从2018至今五年，已有越来越多的企业出于降本增效、敏捷创新等诉求，都在过去几年加快从传统架构向云原生技术迁移。在云原生的助力下，行业数字化转型也得以进入深水区。在这一过程中，企业又有哪些新感悟?

　　02

　　适应阵痛期

　　2017年年中，陌陌内部立项了一个全新的大项目，主要目标是转向云原生。

　　“我们接入云原生的初衷是降本增效。”陌陌云基础设施团队云平台方向负责人周峰告诉数智前线，但这个过程并不像当初想象得那么简单。

　　在初遇云原生时，很多人以为将云原生架构拿到自己的业务场景中，直接落地就完事了，但实际上云原生架构与真实场景间还有一个gap。“如何与业务场景适配，还要保持可扩展性，让接入成本最低，这些都是最具挑战的地方。”周峰说。

　　“回头看，这是企业开始云原生化的阵痛期。”周峰坦言，他们大概花了两年时间，才适配到满意的状态。实际上，这也并非陌陌一家的经验，几乎所有企业都经历了这一阶段。

　　造成这一“gap”的主要原因，是云原生虽然解决了业界最具挑战的共性问题，将底座打好了，但仍有一些东西很难统一。为此，它留有一定的可扩展性，让企业结合实际场景去做调整。这就好比一个人买了间“毛坯房”，还需自己装修和添补各种个性化的家用。

　　比如，陌陌遇到的问题之一是，在通过K8S将非云原生服务全部容器化时，K8S 只提供了面向普通在线服务的静态调度策略，一方面导致在线集群的资源利用率并不高，另一方面导致 GPU 业务无法容器化。为此，他们自研了动态调度策略作为插件扩充到 K8s 调度体系中，并和华为云深度合作实现了GPU业务的容器化以及vGPU调度策略。

　　“这个阶段，有些企业的云原生会‘变形’。”周峰观察到，“他们做了太多的定制，相当于自己造了一遍轮子。虽然解决了当下的问题，但带来的影响是云原生之后的所有发展，包括框架升级和新技术引入，都很难再跟进。”他告诉数智前线，陌陌一条重要的经验是在适配过程中，一定要遵循云原生的扩展标准。

　　福佑卡车也经历了类似的阶段。陈冠岭回忆，当他们将原来的单机系统拆分成微服务时，拆分的颗粒度需要自己摸索。拆得太细，管理的复杂度会增加，但拆得太粗，又达不到独自管理的效果。

　　“这中间会有很多权衡。”而这种颗粒度，其实每家公司都不一样，要根据业务、组织结构来设计。包括拆分过程中数据结构的设计，拆分后的监控管理.....“我们花了不少时间才转过来。”陈冠岭说。

　　在这个阵痛期中，所有企业都面临人才挑战。在五六年前，云原生还是一个快速演进的新技术，业界人才缺乏，企业内部技术人员也没有这样的知识结构。数智前线观察到，大部分企业通过引入新的人才，但主体仍然是员工在自我学习和落地实践中建立新的知识体系。“而这个过程也急不得”，周峰补充说。

　　软通动力CTO刘会福对此同样深有体会，他们公司自2017年起采用云原生，开始大规模上云迁移，并在2018年一度成为华为云在云原生领域最大的实践客户之一，阵痛期却并未缺席，调整期达到了2~3年时间。

　　“但云原生的优点也很明显，比如成本确实降了，整个系统架构的稳定性也有很大提升，事故率大幅降低。”刘会福说。这也是大部分企业即使面临阵痛期的各种烦恼，依然坚定选择云原生的主要原因。

　　在周峰看来，企业在阵痛期中并不全靠自己盲人摸象。“业界已有不少云原生组织，例如华为云与中国信通院、CNCF等共同成立的创原会。企业在云原生建设过程中，可以多参加讨论，交流取经，减少踩坑。”

　　03

　　云原生并非一劳永逸

　　虽然拥抱云原生的过程普遍存在“阵痛期”，但当人才队伍培养搭建起来，业务适配也达到一定程度后，云原生的价值渐渐发挥出来。

　　“云原生是一个刚需。”张竞宇告诉数智前线，“我们在企业做数字化升级，以及一些结合人工智能的场景时，无论快速部署还是算法调优，都需要这个技术框架来支撑。”

　　在业界看来，只有走进云原生这个大门，才能享受它带来的发展红利。云原生并不是一家公司的力量，它是全球所有云原生中坚力量推动的新技术成果，是企业云上创新必然进入的新成熟期。

　　那么，落地云原生这样的架构，企业是否就能一劳永逸?

　　业界认为，云原生是快速演进中的技术，应用云原生的实践难以一蹴而就，也不是一劳永逸。伴随上云、用云的深入，企业对云原生内涵的理解也将更为丰富，在应用、运维、成本优化等方面，都要与时俱进持续创新。

　　比如，随着业务发展和组织架构变化，企业最初设计的微服务会开始慢慢变得臃肿，职责和边界不再像以前那样清晰。“所以，你是不是又要定期做一些重新设计?这个工作是每半年做一次，还是等到变得臃肿不堪时再做?这都需要仔细考量。”陈冠岭说，他们因此将其称之为演进式架构。

　　还有系统的可观测性和监控。现在，微服务成百上千个，每个微服务到底发生了什么?这就要求系统监控要跟上来。甚至不仅是运维层面的监控，一些企业还尝试将业务层面的监控也加入这套体系里。这样，像业务流程中的一些异常，比如支付异常，以前可能要靠后期发现，但现在可以实时监控，业务会更有效率。

　　再比如，云原生技术还在快速迭代，企业也要随之不断创新。最近几年，业界推出了各种类型的云原生数据库，而无论中国还是美国，其增速都远高于传统数据库。

　　数据库专家立勋总结说，在接下来的几年，云原生数据库将主要围绕三方面迭代——从资源为中心转向应用为中心，提供更高弹性;做到全域可用，从地域为中心，到流量为中心，做到流量从哪里来，要访问的数据就会流到哪里去;实现多模融合，一个入口处理所有数据，用户像使用傻瓜相机一样，更简单地使用云原生数据库。

　　当用云规模化后，成本也要在持续运营中降低。在创原会的这次交流现场，会员企业们也分享了各自成本优化的策略：一些企业不同业务的高峰期不一样，有些白天繁忙，有些晚上忙。通过混合部署和削峰填谷，服务器利用率实现翻倍。还有一些企业通过定期代码扫描等手段，发现长期不被调用的代码，将他们下架，也能优化成本。

　　近年来，许多企业在人工智能应用上的支出持续走高。今年，各种大中小模型的训练，也推高了对高性能计算集群的需求。

　　“很多企业做预训练模型、做跨模态分析时，承担了大量不必要的开发成本，吃了亏。”从事人工智能技术和落地的张竞宇告诉数智前线，这些是一开始做资源规划或财务管理上就出了问题。他建议，用户首先要做资源规划，根据自己的需求评估。比如，哪些算法有必要大规模投入，哪些更需工程化经验。其次，采用云原生架构，从自动化部署和管理角度，也能降低人工智能的成本，以及运维出错的风险。

　　04

　　AI，云原生土壤上的新枝芽

　　“你们的业务是怎么用AI的?”

　　在创原会的活动现场，不少企业CTO们热闹地谈论起了AI。刘会福告诉数智前线，即使是ChatGPT，也是基于云原生基础设施推出的大模型，这让企业们对于如何在云原生架构上开展人工智能落地展现出了浓厚兴趣并持续关注。

　　不少专家表示，在某种程度上，过去几年人工智能的产业落地实际正在走向一个低谷，今年才算是真正迎来了一个转折。

　　“很多企业投的钱都打了水漂。”刘会福观察，“行业客户怎么去用，怎么用好，还存在一个技术鸿沟。”当ChatGPT推出后，刘会福看到大模型解决的一个核心问题，是把人工智能的易用性提上来了，“它能跟我们的真实场景结合，这是一个大变化”。

　　ChatGPT引起的AI热方兴未艾，行业中的企业需求已泛起涟漪。

　　在陌陌，像ChatGPT这类大模型有一个重要场景是聊天。未来，在陌陌的App里，可能会有情感机器人与用户聊天，产生情感共鸣。

　　在编程领域，华为云PaaS技术创新Lab的技术专家沈泊也分享到，自己一直在紧密关注并亲身实践AI辅助下的编程开发。

　　人工智能写代码这件事，其实业界已经研究了多年，近期终于从研究原型走入落地应用阶段。例如，微软的人工智能代码生成工具Copilot、AWS的Code Whisperer都已面世，谷歌内部1万多名员工已用类似工具将减少编码时间。

　　在国内，华为云则在去年发布了AI编码工具CodeArts Snap。它是华为云CodeArts软件开发生产线中的全流程软件工具之一。Snap直译为“响指”，意思是有了AI作为编程助手，在“打一个响指”的瞬间内就可以完成一段代码编译，迅速提升软件开发效率。

　　沈泊认为，在传统的IDE(集成开发环境)界面中，开发者编写代码的工作仍然较为复杂;在未来，基于AI能力训练的加持，开发者在IDE中即可通过与AI对话，迅速完成代码生成、修改、测试等工作，让创新真正“触手可及”。

　　同时，CodeArts Snap具有与众不同的一点，在于把传统软件工具与AI结合。传统工具在精确性、稳定性上有优势，可以用来增强AI的代码生成和修改能力。

　　刘会福借用比尔盖茨的话来形容此刻的大模型，“人们往往高估技术变革在三五年内的影响，而低估它在10年甚至更长时间维度上的影响。”他称对大模型保持谨慎乐观。虽然大模型能解决一个又一个原子化场景，但一个企业里的场景错综复杂，标准化远远不够，大模型可能帮我们解决50%、60%或70%的问题，但最后30%还是要靠人。

　　在安全领域工作20多年的探真科技销售副总监杨光则强调，大家在探讨大模型等先进技术如何推动社会进步的同时，也应该保有一点敬畏心，假设AI被坏人利用，劫持了你的交互信息，为他所用，后果会非常严重，时刻关注安全问题，是从业者的一个重要原则。

　　“AI对现有很多行业都带来了冲击，这些冲击让我们去不停刷新升级。不管是客服也好，编程也罢，各行各业都会有变化，这是件好事。”刘会福称。

　　AI对各行各业的影响仍在持续，更多先进技术也在加速与云原生的结合。据Gartner预测，到 2025年，云原生平台将在超过95%的新数字计划中作为基础，远超2021年的不到40%。但要真正在这条路上走深走远，也需要业界进行更多类似的探讨和“冷思考”。