不同时代的技术各有其适配场景,企业需遵循匹配自身业务需求的技术选择原则,跟风盲目落地新技术只会增加成本、降低效率。 ## **1. Web互联网适配全国跨地域分散访问场景** Web核心优势是远程跨地域访问、零客户端安装,仅适合多地域分支机构的访问需求。单一局域网办公场景,C/S架构体验、成本都优于Web,硬上Web属于无效跟风。 ## **2. 移动互联网需利用手机硬件特性落地** 移动端原生价值是调用手机摄像头、GPS等独有硬件能力,仅适配外勤巡检、现场打卡等PC无法完成的场景。仅做PC页面套壳的移动端应用,不会提升效率反而翻倍增加维护成本,大多沦为摆设。 ## **3. 云计算适配海量波动流量的公网业务** 云计算核心优势是弹性扩缩容、按需付费,仅适合面向C端、流量波动大的公网业务。用户固定、流量平稳的传统内部系统,私有化物理服务器成本更低可控性更强,盲目上云只会增加额外开销与安全风险。 ## **4. AI适配非结构化数据与开放性任务** AI原生擅长处理非结构化数据、规则无法穷举的开放性任务,适合合同解析、智能质检等场景。规则明确的确定性业务,硬编码比AI更稳定低成本,硬套AI会引入幻觉风险,反而增加额外复核工作量。
时代原则
2026-08-10 09:12

时代原则

本文来自微信公众号: 阿朱说 ,作者:吕建伟


我个人感觉:互联网时代-电子商务时代-云计算时代-AI时代,都是IT人的时代机会。


相比:基础设施建设时代-加入WTO时代-煤老板时代-房老板时代,那不是咱们IT人的时代机会。


(1)时代原则


过去我做企业应用软件时,我每个时代都做了一个原则:


在Web互联网时代,我做了一个原则:如果企业不搞全国铺分公司,那就不要用Web技术做企业应用。


在移动互联网时代,我做了一个原则:如果利用不上手机上的硬件特性(如摄像头/麦克风/传感器/GPS),那就不要用移动技术做企业应用。


在云时代,我做了一个原则:如果不是连接互联网-连接海量用户-有波峰波谷业务,那就不要用云技术做企业应用。


在AI时代,我又做了一个原则:如果不是非结构数据-开放性任务-无完备明确固定规则,那就不要用AI技术做企业应用。


(2)Web互联网时代


Web时代:企业应用,没有全国分公司,别上Web


如果企业不搞全国铺分公司,那就不要用Web技术做企业应用。


Web的核心禀赋:远程跨地域访问、浏览器零客户端安装。


适配场景:多地域分支机构,员工分散在全国各地,需要随时随地访问系统,不想每台电脑安装客户端。


反面场景:单一厂区、单一办公楼,所有人局域网办公。早期Web性能差、带宽有限,内网C/S胖客户端体验、稳定性、性能远强于Web;硬上Web只会增加服务器、带宽、安全成本,收益几乎为零。


当时很多企业跟风做BS/Web,明明所有人都在一栋楼办公,舍弃流畅的C/S,换来卡顿的网页系统,属于典型技术跟风。


(3)移动互联网时代


移动时代:用移动,就要吃手机硬件红利


如果利用不上手机上的硬件特性(如摄像头/麦克风/传感器/GPS),那就不要用移动技术做企业应用。


移动端原生价值不是把PC网页缩小放到手机屏幕,而是手持设备自带的硬件能力。


适配场景:外勤巡检、扫码盘点、现场拍照取证、GPS打卡、语音录入。这些是PC完全做不到的。


反面场景:单纯查报表、录入表单、审批流程,业务完全可以在电脑完成。很多项目单纯追求“要有APP”,只是PC页面套壳,屏幕小输入难受,没有发挥手机任何硬件优势,维护却要多一套移动端版本,成本翻倍。


大量企业APP沦为摆设:员工宁可回到电脑操作,手机端只是一个摆设壳子。


(4)云计算时代


云时代:云的价值,是互联网规模的弹性


如果不是连接互联网‑连接海量用户‑有波峰波谷业务,那就不要用云技术做企业应用。


云的核心优势:弹性扩缩容、按需付费、互联网面向公网的运维能力。


适配场景:面向C端、外部客户访问,业务流量波动巨大:促销暴涨、平时低谷,自建机房很难扛住峰值,闲置时又浪费硬件。


反面场景:传统内部ERP、工厂MES,用户固定几百人,流量平稳,没有大起大落。这种场景私有化机房/物理服务器成本更低、可控性更强;盲目上公有云,多出来网络带宽、云服务费用,弹性能力完全用不上,还额外带来网络、数据安全风险。


很多传统企业上云,只是把内网系统搬到云上,流量常年一条直线,弹性完全闲置,纯增加开销。


(5)AI时代


AI时代:AI适合非结构化、开放性任务


如果不是非结构数据‑开放性任务,那就不要用AI技术做企业应用。


传统软件擅长:结构化数据、封闭确定规则。比如:计算工资、库存扣减、单据流转,规则写死,输入确定输出就确定。


AI大模型原生擅长:文本、图片、语音这类非结构化数据;没有固定标准答案的开放性任务:文档摘要、合同抽取、客服问答、图片质检、需求解析。


适配场景:合同解析、工单文本归类、海量文档检索、自然语言交互、图片识别质检,规则很难穷举。


反面场景:业务逻辑清晰、规则明确的流程,比如记账、订单计算。硬套大AI反而引入不确定性:会幻觉、结果不可控,需要大量校验。这种场景写代码硬编码规则远比大模型稳定、低成本、可审计。


当前大量企业AI项目踩坑:给确定业务硬塞大模型,把原本确定性流程改成充满不确定性,业务不敢直接采信AI输出,还要人工二次复核,没有降本反而增加工作量。

频道: 社会文化
本内容来源于网络 原文链接,观点仅代表作者本人,不代表虎嗅立场。
如涉及版权问题请联系 hezuo@huxiu.com,我们将及时核实并处理。
正在改变与想要改变世界的人,都在 虎嗅APP