2025 年十大企业技术趋势：平台工程和人工智能代理引领潮流...

在预测2025年十大最重要的企业软件技术时，有三个关键要求：

它需要真实： 只有在生产环境中展示出其价值的技术才被视为“真实”，并将被纳入此列表。
它需要可访问： 一项技术要成为趋势，必须能够被广泛的企业所接触。仅被少数大型组织利用的技术不符合条件。
它需要有强大的商业影响： 顶尖技术趋势需要在商业层面上产生影响。这通常意味着提升人类生产力、应用程序和基础设施的弹性、性能或可扩展性。

以下是第1–5名。第6–10名包含在本文第2部分。

1. 平台工程是商业成功的关键

开发人员为企业创造新的产品能力和功能，以在市场上取得成功。平台工程师的任务是确保应用程序开发人员能够将大部分或全部时间用于高效编码，通过提供一个开发者平台，允许自助访问所有所需的API，以实现最佳生产力。

平台工程直接关注提高开发人员的生产力，通过消除他们日常工作中的额外任务。尽管平台工程已经存在近十年，但许多企业在2024年加大了对这一领域的投资。像往常一样，这主要是由于市场压力要求降低运营成本、提高发布频率、增强韧性以及及时交付更有价值的产品能力。

平台工程是一项复杂的学科，因为它涉及自动化和集成大量复杂的流程和工具，这些都是应用程序开发生命周期的一部分（见图1）。理想的开发者平台提供自助访问开发人员所需的一切，以实现最佳生产力，包括内置的监控和可观察性、秘密管理、容器编排和管理、镜像管理、持续部署、API管理和安全扫描。运营团队通过自动化计算、存储、网络和数据库基础设施，为开发者自助服务提供基础。

2025年的关注重点

根据最近的研究来自企业战略集团，有限的内部专业知识、自动化差距和工具的局限性是目前阻碍平台工程采用的最重大瓶颈（图2）。企业需要在2025年解决这三个挑战，以便能够最佳地利用开发平台作为提升开发者生产力的加速器。企业需要集中精力关注三个核心领域，以应对这些挑战，实现下一代平台工程的承诺。

组织必须通过合作伙伴关系、技能提升、跨职能团队和招聘专业人才来投资于建立深厚的平台工程专业知识。
弥补自动化差距需要集中努力识别可以自动化的高价值流程，优先考虑减少手动开销的端到端工作流程。
缓解工具的局限性涉及选择符合组织需求的开发工具，并扩展或集成现有解决方案以弥补功能差距。

通过在2025年集中关注这三个重点领域，企业可以为成功利用开发平台加速创新和推动开发者生产力奠定基础。

业务影响：10/10 — 非常高

应用程序开发人员通常只有一半的时间用于高效编码，另一半时间则用于系统维护、解决技术债务、更新工单和项目管理工具、晨会、管理第三方集成、生产支持、编写基础设施代码等。平台工程旨在减少或消除许多这些额外任务，这不仅释放了开发人员的时间，还显著降低了挫败感。归根结底，平台工程对于确保产品开发的可扩展性至关重要，因为它旨在优化开发人员的生产力，而不会产生显著的额外运营成本。

2. 任务中心的人工智能：人工智能代理协作完成任务

在人工智能的蜜月期结束后，组织现在正在寻找能够快速交付可量化价值的实际用例。这需要简化人工智能工具，并普遍关注透明度、可解释性和整体治理。一旦这些功课完成，“人工智能时代”将真正开始。代理将是帮助人工智能可持续证明其价值的关键组成部分。

人工智能的价值在于提高人类的生产力并实现数据驱动的决策。因此，一个人工智能模型在所有基准测试中名列前茅并不重要，能够为人工智能定义具体目标以可靠且独立地实现这些目标则至关重要。

由于大型语言模型在提供与特定任务相关的上下文和明确指令时能取得最佳结果，因此创建所谓的人工智能代理来负责完成特定任务是合理的。这些代理可以由“团队领导”（图4）协调，团队领导是层级中更高的代理，负责监督各个代理之间的互动。基于这一原则，可以有多个层级的代理和“团队领导”。图4中的代码展示了基于phidata的优秀开源代理框架的“团队领导”的定义。

#### This code will not run on its own. It is there only to illustrate what
#### a teamlead agent might look like. 
#### You would then hvae to define the 3 agents that are part of the team.

team_lead = Agent(
    name="Team Lead",
    model=OpenAIChat(id="gpt-4o"),
    team=[software_developer_agent, tester_agent, bug_fixer_agent],
    instructions=[
        "Coordinate the workflow: first have the Software Developer Agent create the code, then the Tester Agent test it, then the Bug Fixer Agent fix issues if any are found.",
        "Summarize the final state of the software."
    ],
    show_tool_calls=True,
    debug_mode=True,
    save_to_file=True,
)

代理框架可以应用于的用例范围广泛，难以夸大。想让代理创建一个便捷的新闻摘要，内容来自您所有喜爱的新闻网站、博客以及其他出版物吗？也许可以再让另一个代理将摘要转化为在线查看的每日仪表板？为什么不再让一个代理负责反馈学习呢？

2025年关注重点

在2025年，组织需要专注于使代理工作流程易于创建、增强、管理，并供各种技术水平的人群使用。简化AI代理的使用远不止是将一个图形用户界面放在它们面前，让用户自行点击组合自己的代理和工作流程。真正的挑战在于从安全性、合规性、成本效率和准确性等角度创建持续执行的保护措施，以在许多复杂的代理工作流程中提供集中治理。

商业影响：10/10 非常高

将 AI 代理团队提供给人类员工，将使技术和非技术岗位能够逐步自动化他们每天需要忍受的许多耗时且痛苦的日常事务。

3. Kubernetes 为每个人

Kubernetes 的可扩展性非常强，但对于操作员和 DevOps 团队来说，完全采用以政策驱动（声明式）的方法并不简单，任何“硬编码”的内容都会限制未来的可扩展性。软件和云供应商需要继续努力提供简单、预集成且易于配置的 Kubernetes 集群。

开发人员往往花费大量时间处理应用程序及其周围的 Kubernetes 服务和基础设施的部署、配置和管理，而不是编写代码。例如，在向 AWS EKS 等托管 Kubernetes 服务部署时，开发人员需要解决与网络和安全、存储和数据以及监控和可观察性相关的众多不同云服务的集成。图 4 提供了一些关于即使是基本 Kubernetes 环境复杂性的基本见解，这使得传统 IT 团队很难从传统的基于 VM 的基础设施切换到利用容器和 Kubernetes 集群进行调度的环境。

Nate Ceres 和 Sean McKenna，两位微软的高级产品营销经理，在这段 1:27 分钟的对话中总结了这一挑战（录制于 2024 年盐湖城的 KubeCon）。

简而言之，Nate 和 Sean 明白，他们需要简化 Kubernetes 集群的供应、集成、运行、安全和成本管理，以便更广泛的组织能够运行 Kubernetes 应用程序。

Jefferey Gregor（OVH Cloud 的总经理）谈到了通过提供完全托管的 Kubernetes 集群来解决“Kubernetes 的学习曲线非常陡峭”的重要性，这样可以减少开发人员需要关注的服务数量。

2025年的关注重点

在2025年，Kubernetes云和基于Kubernetes的平台供应商需要让更广泛的受众更容易地部署和管理Kubernetes集群。这需要提供一系列具有不同程度预集成和灵活性的Kubernetes解决方案。

商业影响：8/10 非常高

Kubernetes 是当前实现应用环境政策驱动可扩展性的标准途径。无法利用 Kubernetes 往往会限制组织的敏捷性、运营灵活性和可扩展性。

4. 实时统一数据访问

到2025年，我们将看到GraphQL平台的崛起，为开发者提供一个单一的端点，以便跨组织及更广泛的范围查询数据源。这需要平台工程师积极提供一个通用的GraphQL接口，以供开发者使用。

孤立的数据源迫使开发者使用多个REST API、直接数据库查询或其他协议。开发者需要手动处理每个数据源的数据提取、转换和聚合。他们依赖API后端获取所需的数据，并且需要进行多次网络请求，以便在不同的API端点上运行查询。这可能会导致在查询运行期间由于数据变化而出现数据不一致的问题。调试这些不一致并管理大规模分散的REST API的整体复杂性，可能会迅速消耗开发者的时间。

GraphQL 查询相对于 REST API 查询的优势：

单一 REST 端点：客户端不需要进行多个调用，而是将所有内容整合为 /aggregated-users。
隐藏复杂性：所有数据获取（两个外部 API，一个数据库查询）和聚合逻辑都保留在服务器上。
减少样板代码：客户端只需调用一个端点即可获取合并的数据，而不是处理多个请求和合并。

拥有统一的 AI 层带来的优势不仅仅是提高开发者的生产力，还允许集中应用安全策略、RBAC、监控和每个 API 的管理。

2025年关注的重点

组织在2025年需要关注五个关键领域：

创建一个通用的GraphQL网关，整合来自多个来源的数据，例如REST APIs、数据库和一个中央GraphQL端点背后的外部服务。
投资于平台工程，以能够集中管理新GraphQL层的身份验证、授权和合规流程。
在服务器端协调数据获取、转换和聚合，而不是让开发人员承担编写代码来实现此任务的负担。
提供实时能力，允许开发人员订阅自定义的数据流。
集中观察和管理GraphQL层，以确保弹性并优化资源分配。

商业影响 10/10

GraphQL 数据平台是开发者平台的扩展，因此旨在实现相同的目标：节省开发者时间。与此同时，GraphQL 平台为部署 LLM 提供了极好的基础，因为它们在单一查询层下统一了数据访问，并能够灵活地检索 LLM 所需的上下文——最终简化了 AI 驱动的解决方案在整个组织中的构建、测试和维护方式。

5. Bare Metal, VMs, 应用容器和WASM容器将共存

到2025年，我们预计组织将共同努力实现应用环境管理和操作的一致性，无论它们是在云端还是本地运行，或者是部署在VM还是容器上。这将导致应用堆栈的显著整合，消除对冗余管理团队和工具的需求。

通过不同团队管理传统VM和容器已成为许多组织的一个重大痛点。这通常因不同团队负责云基础设施和本地基础设施而加剧。然后，通常会为每种不同的部署组合提供不同的管理工具、可观察性和监控平台、安全和合规工具，以及编排和自动化工具。

Kalyan Ramanathan，Portworx的市场副总裁和Prashant Rathi，Portworx的产品营销总监，讨论了统一企业数据服务集的必要性，以高效和一致地提供数据库、备份和恢复、灾难恢复、归档、数据分析、数据集成、数据目录等。将一套一致的数据服务应用于任何应用，无论它是在裸金属、VM、应用容器还是WASM容器上运行，都可以显著降低操作复杂性，提高数据一致性和成本效率，并优化安全性和合规性。

Dan Ceruli，Nutanix的产品负责人，谈到了Nutanix Enterprise AI作为他们的新平台，简化了虚拟化和容器化应用的AI能力实现。

商业影响：8/10

在同一平台上运行裸金属工作负载、虚拟机、应用程序容器和WASM容器可以带来许多关键优势：

减少操作孤岛可以导致人员、工具和流程的整合。
一致的数据服务促进可预测的性能、提高数据完整性和增强资源利用率。
拥有一个统一的管理平面可以让开发人员和操作人员腾出时间专注于创新，而不是花时间在重复的任务上。
DevOps团队可以为每个项目选择最佳的部署目标，而不会增加操作复杂性。
统一的操作平台简化了AI能力的实施，因为集成要求显著减少。

2025年的关注重点

在2025年，组织将投资于平台运营的统一、标准化和自动化：

选择一套通用工具来监控、可观察性、编排和自动化裸金属、基于虚拟机、基于容器和基于WASM容器的工作负载变得至关重要。
组织将专注于在任何类型的应用程序栈中建立集中式的安全和合规政策。
对标准流程和工具链的关注将允许简化应用程序现代化，而无需承受从遗留平台迁移的压力。
开发人员将需要统一的管道和跨不同环境工作的统一自助服务目录。
人工智能和机器学习将用于优化资源分配并确保统一环境的弹性。

第1部分结论

所有这些趋势技术都专注于使组织能够更快、更频繁且以更低的成本交付更好的软件。同时，整体趋势是朝着整合和简化操作的方向发展。通过消除冗余的工具和流程，公司可以释放人力资源，以应对基础设施和应用生命周期管理中的关键政策驱动自动化——最终提升敏捷性、可靠性和安全性。因此，团队可以将更多精力投入到创新和价值创造中，而不是陷入重复的手动任务中。

本文的第2部分可在此处查看。