值得关注的科技行业宏观趋势——关于AI、开源、单体架构、混合现实、Rust、持续集成...

一切皆AI

很显然，AI和生成式AI是我们讨论的重头戏。最终，我们在本期技术雷达中提炼出了34个与生成式AI相关的热点。至于我们的主题，有两个是专门描述生成式AI的，包括“人工智能助力软件开发团队”和“涌现的大语言架构模式”。此外，我们还有一些候选主题，既涉及宏观层面、也关注具体实践。我们讨论了生成式AI与普通AI(甚至统计技术)之间的区别。虽然生成式AI显然是闪亮的新事物，但其实有些问题更适合用非生成式AI技术来解决。

AI适用性的范围正在迅速扩大，影响各种流程、用例和组织单元。我们看到生成式AI和大语言模型越来越多地被部署在边缘，这可能有利于保护用户的隐私。AI在数字产品中也变得更加常见，尽管它往往是隐藏的。自主AI代理也在解决更广泛的问题，使AI不仅仅局限于提示词界面。当然，随着这些应用程序从概念验证阶段转移到生产阶段，我们会产生相应的需求，需要MLOps、LLMOps、LLM可观察性等工程实践。

我们仍在学习如何使用AI。有时，甚至需要改变解决问题的思路。这样的文化和心态转变具有挑战性，但它们将是充分利用AI能力的必要条件。

我们还在看到一些迹象，例如有些公司正在试图借助AI进行生产力改进，进而减少他们的劳动力，降低人力成本。这一现象的发展程度在不同的工作领域有所不同。理想情况下，应当让AI系统去采摘“低垂的果实”。将人类释放出来去做他们最擅长的事情，例如发挥同理心或创造力。由于我们仍在学习这些AI方法擅长什么，以及它们遇到困难的地方，目前还很难达到理想状态。让我们从AI转向其他话题。

开源仍然可行吗？

Thoughtworks自创办以来一直是开源的大力倡导者和贡献者，这也是我们对许多开源供应商的许可证变动感到沮丧的原因。这其中包括不同的形式：一些许可证在非商业用途免费、但商业用途收费，Hashicorp就是如此。另一种是将开源项目仅分发代码，而没有构建，这给使用该项目的组织增加了负担。其他人则使用免费增值模型，对免费版提供受限功能，更高级功能需要许可证。

许多责任被归咎于私募股权和风险投资公司，因为它们对公司的收入和盈利能力施加了更大的压力，尤其是在技术行业发展放缓的情况下。其他人推测，开源供应商只是在保护自己的知识产权，免受通过托管云服务从中获利的云供应商的侵害。开源的商业模式显然正在改变，我们将持续看到开源世界的变动。

回到AI，关于大型语言模型的开源意味着什么，有很多争论。是使用模型的算法、训练模型、训练后得到参数，还是训练数据最重要？开源倡议有一个工作组试图解决模型何时被视为“开源”的问题。

在线开发者工具

我们看到了在线开发者工具的日益普及，同时也看到了开发者为了使用这些工具所放弃了什么——主要是他们的数据。通过第三方托管数据导致的数据泄露成为一个重要问题。默认设置并不总是反映以隐私为优先的视角，一些工具正在试图消除自托管选项。随着AI编码助手的日益使用，知识产权问题也受到了越来越多的审视。

单体架构的复兴

最近如微服务的兴起、对事件驱动架构和其他分布式架构的日益关注增加了部署和系统的复杂性，使得我们看到一种回归到单体架构的趋势，更准确地说，是回归到模块化单体架构。这就像单体架构又流行起来了一样。与任何与架构有关的事情一样，单体方法和其他更分布式的方法都有其优缺点。正如我几年前写的，微服务在技术雷达中永远不会进入采纳环，因为很多时候你不想使用它们。

重新思考基础设施即代码

基础设施即代码(IaC)已经存在了很长时间，将许多传统代码工作中的实践和优势带到了基础设施的配置中。然而，通过代码指定基础设施的方法，然后管理由此产生的代码基础设施，存在不同的选择。有几个热点提案提出了不同的、新的管理IaC的方法，这体现在对基础设施编排平台的逐渐转向。我们认为Winglang是一个特别有趣的工具，因为它以高级抽象的方式覆盖了基础设施的特定部分。然而，目前来说我们还没有找到一种能够解决所有问题集的总体方法。

Rust无处不在

网络安全问题持续给我们的行业带来隐患。内存安全漏洞使我们能够处理大量的漏洞利用。得益于像MobSF、Wiz和Orca这样的有趣工具，安全测试和扫描都取得了不错的进步，但漏洞利用仍在继续，这类问题很难通过代码审查被发现。

使用内存安全的编程语言是预防这些漏洞的有效方法。Rust就是这样一种语言，它还具有高性能的优势。Rust生态系统正在持续扩大，随着更多支持Rust编程的工具逐渐涌现，嵌入式使用案例的认证工作也在进行中。扩大工具空间和培养Rust专业知识一定能有效帮助我们对抗安全漏洞。

混合现实怎么了？

关于Apple Vision Pro的讨论有很多，但大部分都不是很正面。人们曾期待苹果的发布将触发扩展现实和空间计算应用的开发。然而，应用实际上并没有发生太大变化。当然，我们已经看到它在游戏、协作空间、远程维护和培训等方面发挥着巨大价值。

我们越来越多地看到人们有兴趣利用这项技术来支持数字孪生，以便为制造业和供应链进行假设情景模拟。看来我们仍然需要持续观望企业如何使用XR相关的技术实践。

Pull Request和持续集成

Thoughtworks坚信真正持续集成(CI)的力量。对我们来说，如果没有基于主干开发，就无法实现真正的持续集成。然而，拉取请求非常普遍。我们承认，在特定情况下，如分布式开源项目有许多社区贡献，Pull Request是更可取的，但我们仍然认为，对于许多组织来说，基于主干开发更为优越。我们最近看到的是，越来越多的工具可供使用，试图在继续使用Pull Request模型的同时更接近真正的持续集成。

其中一些工具正在使用AI来自动化与合并某些类型的Pull Request相关的工作。尚不清楚为什么Pull Request模型如此受欢迎，但任何能让Pull Request更接近于支持真正的持续集成的事情都必定是好事。