AI平台架构
概述
AI 平台是为业务创造价值的自研 AI 基础设施，核心不是做通用低代码工具，而是贴合自身业务的数据与能力底座。正确做法是从业务痛点出发解决核心问题，再逐步沉淀为平台能力。
关键内容
- 四层架构：
- 数据层：统一接入各业务系统结构化/非结构化数据，做数据治理、数据血缘、特征存储，解决数据孤岛
- 模型层：提供模型推理、微调、知识库管理、Prompt 工程、Agent 编排，解决 AI 能力复用
- 开发层：提供标准化开发框架、SDK、API 网关，让业务团队快速开发 AI 应用
- 应用层：面向业务的具体应用——数据分析、报表、预警、智能问答
- 初创公司误区：90% 从一开始就走错方向，做封装 RAG/Agent 的低代码工具，与开源产品无区别，无壁垒无业务价值
- 正确路径：从业务痛点出发 → 解决一个核心问题 → 逐步沉淀为平台能力，避免"大而全"
- 核心根基：没有统一数据，所有 AI 能力都是空中楼阁；数据层是平台的第一优先级
- 团队规模：初创公司 AI 平台团队预期仅几人，应聚焦而非分散
来源
- raw/articles/essays/thinking-series/008-算法面试 — 全文