2025年10月17日，Andrej Karpathy在Dwarkesh Patel的播客节目中进行了长达两个多小时的深度对话，首次系统性地阐述了”Decade of Agents”这一前瞻性概念。这让笔者不禁回想起Gartner AI技术成熟度曲线。
站在2025年第四季度的起点回望，从2022年11月30日ChatGPT正式发布至今，我们见证了一轮完整的”AI浪潮”——从集体性的战略误判，到爆发式的狂热追捧，再到如今理性回归的预期重塑，恰好映射了技术Hype Cycle的经典轨迹。
The innovations themselves move along the curve toward maturity or obsolescence; it’s we humans that “cycle” around between enthusiasm and disillusionment. Jackie Fenn, Gartner
正如Gartner所揭示的洞察：“技术创新本身沿着曲线走向成熟或消亡；而我们人类，则在热情与幻灭之间往复’循环’。“当前，AI领域正接近”幻灭低谷”向”启蒙爬升期”过渡的关键节点。本文希望回归AI制药（AIDD）的应用本质，与读者共同探讨那些已经显现商业价值、技术路径趋于成熟的实践方案。
经典的IT管理著作《凤凰项目》所阐述的DevOps三步工作法，揭示了现代化企业运作的本质规律。这一规律跨越了1950年代工业管理时代、1970年代计算机系统工程时代、2000年代数字化管理时代直至当下的智能化转型阶时代，其内核始终如一。历史反复印证着”没有银弹”的朴素真理，正如2025年人们对AI的认知逐步回归理性。
企业的智能化升级核心在于构建组织的神经中枢与价值创造引擎。这一系统性目标自最早的管理实践至今，始终遵循三个基本原则：
- 第一步：流动原则——建立端到端的价值流动体系
- 第二步：反馈原则——构建快速有效的反馈机制
- 第三步：持续学习与实验原则——培育组织的学习与实验能力
从1950年代丰田生产方式（TPS）的看板系统（Kanban System）首创精益制造，到1980年代戴尔通过信息系统重构PC产业价值链实现直销模式革命，商业的核心命题从未改变：如何让价值高效流动、快速迭代、持续进化。AI时代带来的本质突破在于：我们可以将自然语言描述的业务逻辑直接视为”软件工程时代的代码”。人类获得了驾驭更大规模系统复杂度的能力，得以在更宏大的尺度上高效构建上述价值循环。在实践层面，企业需要实现业务逻辑-数据-算法的全链路语义映射，借用《语义治理：面向AI时代的新一代数据治理方法》的描述：
通过构建企业级业务本体和实现全链路语义映射，语义治理为AI时代的数据管理提供了新的解决方案，帮助企业更好地应对复杂的业务环境和快速变化的市场需求。 公众号：亚信科技新技术探索
如图所示，业务实体（人员与非人业务实体）对应蓝色方框，其产生的数据及对应语义实体对应绿色方框，算法实体（包含AI模型与传统软件）对应紫色方框。这一循环在更广阔的语义空间中实现了价值流动、快速迭代与持续进化的统一。
在实际操作中，业务实体的构建会因行业特性而呈现差异化特征，核心在于紧密契合业务主体逻辑并根据场景需求进行动态调整。但与之相对应的是，数据与算法团队的组织架构却具有较强的可复制性，类似于2000年代企业级IT团队的演进路径，已经形成了相对成熟的最佳实践。
2025年10月9日，顶级AI投资机构Andreessen Horowitz（a16z）在其博客中发布了一份AI时代软件工程系统架构图。这份架构图不仅勾勒出AI驱动下软件工程团队的组织构想，还系统性地展示了各功能模块及其对应的初创企业生态，为行业提供了一个完整的基础设施（Infra）参考框架。
The Trillion Dollar AI Software Development Stack a16z
从架构图可以清晰地看到，AI驱动下的软件工程团队呈现出全新的组织形态。具体而言，人类角色节点通过直接控制AI Agent，或通过以自然语言为载体的结构化数据（Data）间接驾驭代码生成过程。其中，以Wiki/Jira为代表的规格文档体系（High Level Spec + Detailed Spec, Stories, Architecture）承载了业务逻辑的核心表达。以AIDD（AI-Driven Drug Discovery）行业视角审视图中的人类组织架构（Humans），可以映射出清晰的三层分工体系：
-
业务层（蓝色框）：Users作为业务执行的前沿角色，在AIDD场景下涵盖药物化学家、计算生物学家、临床研究协调员以及医学事务团队等。这一层级同样包含高通量筛选（HTS）平台、单细胞测序仪、以及自动化液体处理工作站等非人业务实体。他们直接产生并消费数据，是业务价值的直接创造者。
-
语义层（绿色框）：这一层的关键在于将领域专业知识转化为可执行的系统架构。在传统软件工程中，这一职能由产品经理承担；而在AIDD领域，则需要具备制药和软件工程经验的复合型人才，例如拥有药学背景的产品架构师或科学计算专家。他们能够将复杂的业务流程，通过系统性拆解转化为语义明确的功能模块。借助AI Planning & Architecture工具（如抗体设计工作流编排平台或临床数据管理系统），这类角色通过语义抽象工程构建起连接科学问题与技术实现的桥梁。
-
算法层（紫色框）：传统的软件工程师角色在此演变为AI系统工程师，他们既掌握AI思维模式，又具备软件工程实践能力。通过与AI工具以及代码审查系统的直接或间接交互，他们将语义层的抽象需求转化为AI+算法混合解决方案。
这样的架构自然地形成了更加”反脆弱”的系统。在驾驭复杂性能力提升的同时，系统演进的逻辑也在商业核心构造的历史变迁中找到了映照。
-
工业管理时代以流动原则为主导。福特流水线的标准化生产方式配合当时落后的信息化手段，使生产规模成为竞争核心，但也限制了企业响应市场变化的速度。
-
数字化管理时代，反馈原则成为主导。Zara通过PDA实时采集、ERP系统与自动化配送将这一优势在快时尚领域发挥到极致，但本质上仍是依赖预设规则被动响应市场。
-
智能化管理时代，持续学习原则正在成为核心。如同前述的业务逻辑-数据-算法循环，决策系统通过与环境的持续交互实现自我迭代和能力提升。
智能化时代的本质是走向学习原则。业务语义复杂度的指数级增长对企业主动创造知识的能力提出了根本性挑战。在AIDD领域，制药研发的内在复杂性被映射至语义空间，使得人类经验从静态的知识主体转化为在业务逻辑-数据-算法循环中可持续迭代的”涌现能力”。
制药业的”十年十亿美元”魔咒，正在进化型组织的演进中消解。希望我们这一代从业者共同见证新时代的到来！