封面
前折页
书名页
版权页
前言
目录
第1章 AI原生时代的企业架构
 1.1 技术演进逻辑
  1.1.1 工具技术：从“替代体力”到“替代智力”
  1.1.2 连接技术：从“人与人”到“万物互联”
 1.2 技术演进下的架构本质
  1.2.1 架构是什么
  1.2.2 企业架构是什么
  1.2.3 架构的本质
 1.3 AI原生企业架构的本质与价值
  1.3.1 AI原生的本质
  1.3.2 AI原生企业架构的本质
  1.3.3 AI原生企业架构的价值
  1.3.4 关于“SDD是否会颠覆架构”的思考
 1.4 本章小结
第2章 AI原生企业架构的组成与落地
 2.1 面向AI原生的企业架构组成
  2.1.1 业务架构
  2.1.2 应用架构
  2.1.3 数据架构
  2.1.4 技术架构
 2.2 架构元模型和落地阶段
  2.2.1 元模型
  2.2.2 落地的两大阶段
 2.3 本章小结
第3章 AI原生业务架构的四种设计范式
 3.1 目标驱动的设计
  3.1.1 从规则驱动到目标驱动
  3.1.2 两大核心支撑能力
 3.2 认知驱动的设计
  3.2.1 智能能力的演进阶段
  3.2.2 对业务架构的变革影响
 3.3 服务驱动的设计
  3.3.1 4个关键方面的演进
  3.3.2 服务驱动的设计逻辑
 3.4 中台驱动的设计
  3.4.1 从小中台到大中台的变化
  3.4.2 大模型带给业务中台的启发
  3.4.3 DataToken本体方法论
  3.4.4 DataToken与Palantir方法论对比
  3.4.5 中台驱动的底层逻辑
 3.5 本章小结
第4章 AI原生业务架构落地
 4.1 落地过程与关键点
  4.1.1 传统业务架构的落地过程
  4.1.2 AI原生业务架构落地的关键点
 4.2 目标驱动的设计落地
  4.2.1 典型产品与适用场景
  4.2.2 案例解析
  4.2.3 落地支撑与可行性评估
 4.3 认知驱动的设计落地
  4.3.1 基于用户体验地图的落地实践
  4.3.2 决策模式的选择
 4.4 服务驱动的设计落地
  4.4.1 基于个人工作台整合多交互方式
  4.4.2 微卡片的落地实践
 4.5 中台驱动的设计落地
  4.5.1 落地路径
  4.5.2 落地方法
 4.6 落地的战略与战术：基于金融领域
  4.6.1 战略落地过程：从领域到能力
  4.6.2 战术落地过程：从需求到四大范式设计
 4.7 本章小结
第5章 AI原生应用特征的内在逻辑
 5.1 AOA
  5.1.1 微服务和智能体的本质对比
  5.1.2 智能体架构的4层设计
 5.2 开放共建
  5.2.1 从“大教堂”到“大集市”的模式改变
  5.2.2 开放共建的解决思路
 5.3 基于语义的交互
  5.3.1 基本模式
  5.3.2 交互协议
  5.3.3 设计模式
  5.3.4 解决复杂性的核心理念
 5.4 本章小结
第6章 AI原生应用架构落地
 6.1 落地过程与关键点
  6.1.1 传统应用架构的落地过程
  6.1.2 AI原生应用架构落地的关键点
 6.2 面向智能体架构的落地
  6.2.1 五级能力模型与实施路径
  6.2.2 落地困境分析与澄清
  6.2.3 方法论：“飞行号”模型
 6.3 开放共建框架的落地
  6.3.1 新一代分层架构落地框架
  6.3.2 框架构成和落地原则
 6.4 基于语义交互的落地
  6.4.1 MCP和A2A的企业级落地方法
  6.4.2 设计模式的分类框架
  6.4.3 设计模式落地原则和案例
 6.5 落地的战略与战术：基于金融领域
  6.5.1 战略落地过程：从分层到分组
  6.5.2 战术落地过程：从模块化到交互设计
 6.6 本章小结
第7章 AI原生数据体系架构
 7.1 数据核心处理层
  7.1.1 数据存储方式的改变
  7.1.2 数据计算方式的改变
  7.1.3 数据分析方式的改变
 7.2 数据语义赋能层
  7.2.1 数据语义的“一纵一横”
  7.2.2 AI原生时代的数据飞轮
 7.3 数据底层支撑层
  7.3.1 大模型带来的启发
  7.3.2 数据的底层支撑
  7.3.3 数据语义的空间扩展
 7.4 本章小结
第8章 AI原生数据架构落地
 8.1 落地过程与关键点
  8.1.1 传统数据架构的落地过程
  8.1.2 AI原生数据架构落地的关键点
 8.2 AI原生数据核心处理层的落地
  8.2.1 数据存储体系建设思路
  8.2.2 数据计算体系建设思路
  8.2.3 数据分析体系建设思路
 8.3 AI原生数据语义赋能层的落地
  8.3.1 数据无边界语义体系构建思路
  8.3.2 数据语义流动体系建设思路
 8.4 AI原生数据底层支撑层的落地
  8.4.1 数据一致性落地思路
  8.4.2 不同数据空间打通的落地思路
 8.5 落地的战略与战术：基于金融领域
  8.5.1 战略落地：从数据分布到数据流转
  8.5.2 战术落地：从语义构建到语义流动
 8.6 本章小结
第9章 AI原生技术架构落地
 9.1 落地过程与关键点
  9.1.1 传统技术架构的落地过程
  9.1.2 AI原生技术架构落地的关键点
 9.2 落地难点与建设思路
  9.2.1 AI原生安全体系
  9.2.2 AI原生可观测体系
  9.2.3 AI原生可评估体系
  9.2.4 AI原生可控性体系
 9.3 落地的战略与战术：基于金融领域
  9.3.1 战略落地：从技术栈到技术平台
  9.3.2 战术落地：从质量特征到服务
 9.4 本章小结
推荐阅读
后折页
封底