能力路线
云原生 → AI 原生客户案例 · 汽车制造
东风商用车：从云原生到 AI 原生
东风商用车需要的不是单一工具，而是能够同时承载业务创新、数据价值、应用自主研发和资源快速交付的数字化底座。云原生AI 原生AI 工程
建设对象
数字化底座架构视角
五层能力核心价值
工程资产化项目背景
企业已具备云原生基础，希望进一步支撑 AI 应用规模化研发与运营。
核心挑战
传统应用、模型、知识和智能体需要在统一工程体系中协同。
客户现状与需求
问题拆开说明，建设目标才不会停留在口号
客户痛点
业务需求变快
业务部门对应用的关注从功能交付转向价值创造和体验，上市节点更紧，原有项目式交付难以持续跟上。
数据价值难以释放
数据分散在不同系统和技术栈中，缺少统一集成、治理、服务化与深度分析能力。
架构交付速度不足
资源、平台环境和应用发布之间未形成连续交付链路，无法实时回应应用和数据需求。
软件开发依赖外部
传统的需求、外包开发和 IS 项目管理模式导致应用迭代和功能扩展难以自主可控。
关键需求
统一资源与运行底座
通过软件定义计算、存储和网络，兼容虚拟机、裸金属和容器，支撑混合云资源统一管理。
构建自主研发流水线
将代码、构建、测试、镜像、发布和环境管理连接成一条可测量的交付链路。
数据服务化
建设数据集成、数据湖、数据治理、数据资产和 API 市场，让数据可治理、可共享、可安全调用。
平台化运维与安全
对监控、日志、应用性能、备份、容灾、基线与安全策略进行统一管理。
建设目标
把业务诉求转化为可交付、可验证的建设目标
- 01延续云原生平台能力
通过软件定义计算、存储和网络，兼容虚拟机、裸金属和容器，支撑混合云资源统一管理。
- 02建立 AI 工程体系
将代码、构建、测试、镜像、发布和环境管理连接成一条可测量的交付链路。
- 03推动 AI 场景持续交付
建设数据集成、数据湖、数据治理、数据资产和 API 市场，让数据可治理、可共享、可安全调用。
建设方案
从运行底座、研发交付、可观测到 AI 原生工程形成连续演进路径。
混合云和资源基座
覆盖软件定义计算、块/文件/对象存储、SDN/SD-WAN、云主机、裸金属、镜像与 IAM。
技术能力基座
以容器运行框架、服务网格、镜像仓库、多集群、微服务与持续交付支撑现代化应用。
应用与数据能力基座
建设 API 全生命周期、数据开发与治理、低代码、RPA、AI 算法中心和应用商店。
实施与组织转型
按架构研讨、技术预研、数据验证、流程与岗位责任再造、规模建设分阶段推进。
关键架构
数字化底座总体架构
从业务场景向下连接应用、数据、技术和混合云资源，运维与安全贯穿各层。01
业务与场景
数字化能力的使用方
智能制造数字化营销智能服务车联网自动驾驶
02
应用与数据能力
组装和服务化业务能力
应用商店API 全生命周期数据湖数据治理数据资产AI 算法中心
03
技术能力基座
现代化应用开发与运行
KubernetesCI/CD镜像仓库微服务服务网格多集群管理
04
混合云资源基座
统一管理计算、存储和网络
虚拟机裸金属容器资源软件定义存储SDN / SD-WANIAM
05
运维与安全保障
贯穿式管理体系
监控告警日志管理APM备份容灾基线管控安全策略
实施路径
从现状评估到体系运营，分阶段控制建设风险
- 01场景与蓝图
在已有云原生基础上识别 AI 场景、人机责任、能力缺口与分期路线。
- 02最小 AI 工程闭环
建设统一入口、知识、模型、工具、Agent、评测与运行基础。
- 03运营与规模化
用效果、质量、安全、成本与运行证据持续演进 AI 工程体系。
实施原则
以平台能力复用为起点，逐步建设知识、模型、工具和智能体工程流程。
实现效果
效果覆盖效率、质量、稳定性和长期运营
业务响应方式改变
资源、环境和应用能力通过平台化方式交付，支撑业务快速迭代。
数据 API 化
通过可视化方式生成、编排、审批和管理 API，为数据开放与共享提供可控入口。
能力可复用
共性技术、数据服务和工程流程逐步从项目资产转变为企业资产。
自主可控能力提升
产品、数据和应用团队获得统一工程底座，降低对单一外部厂商和个人经验的依赖。
持续演进
平台上线不是终点，能力需要跟随业务持续生长
工程与资产管理
扩展知识工程、ModelOps、AgentOps、AI DevOps 和可复用 AI 资产。
统一运营与规模化
通过持续评测、可观测、安全和成本治理扩展 AI 场景。
能力标签
云原生AI 原生AI 工程