技术创造新商业-云时代研发效能的机遇和挑战

简介: 技术创造新商业,在不同的时代可以有不同的主题,但对算力、研发效能的提升以及为业务的发展提供非常坚实的底盘的需求是永远不会改变的。回顾过去,每一代新型的软件研发需求都会对软件工程基础带来巨大的推动。在2020阿里巴巴研发效能峰会上邀请了蚂蚁金服首席技术官程立为大家介绍在云时代研发效能的机遇和挑战,具体从“数字抗疫”对研发效能未来的启示及阿里巴巴研发效能提升的三大重点进行讲解。希望大家可以得到自己的思考和收获。

演讲嘉宾简介:
程立,花名鲁肃,蚂蚁金服首席技术官。2005 年加入支付宝,是支付宝技术平台的奠基人之一,在支付宝与蚂蚁金服期间,主持支付宝各代技术架构的规划与基础技术平台的建设。2018 年,程立开始担任蚂蚁金服国际事业群首席运营官。

以下内容根据演讲视频以及PPT整理而成。

本次分享主要围绕以下三个方面:

            一、技术创造新商业
            二、“数字抗疫”对研发效能的启示
            三、阿里巴巴研发效能提升三大重点
            

一、技术创造新商业

在阿里巴巴做技术的使命是不断的创造新商业,商业在不断的改变,技术也在不断的改变。但其中有三件事情是永远都不会改变的,首先是要不断提升计算力,不让算力约束业务的发展。第二是提升研发效能,让工程师的生产力得到提升,使得研发交付更快。通过技术发展的越来越快,发挥业务创造力。最后是为业务的发展提供非常坚实的底盘。技术创造新商业,在不同的时代可以有不同的主题,但前面三件事情是永远都不会改变的。

二、“数字抗疫”对研发效能未来的启示

2020年新冠疫情让大家都陷入了思考,从研发效能的角度这意味着什么?在2020年春节期间,阿里巴巴的同学基本都没有休息,大家都在努力用技术的方式抗击疫情。经过了这么久再回首可以发现“数字抗疫”对研发效能带来了很多启示。
大基建、小场景
第一个启示是未来的应用是什么样的?在现如今经济,民生都往数字化发展的时代,每个人每天都在使用很多应用。预计在未来5年应用数量会呈爆炸式的增长,整个社会使用的应用会超过之前所有应用的总和。即使是街边的小店,也需要自己个性化的应用程序,来满足自己用户的需求。整个社会数字的基建在不断变大,场景也在不断变多,如何通过技术的方式,来更快的满足各个不同的小的场景需求?每一次需求的变化,都会给软件带来巨大的变化。整个社会数字化、经济化的过程也会驱动软件研发的方法和工具的变革。
即时、无距协同
第二个感到惊喜和诧异的启示是即时、无距的协同。原本以为受到疫情的影响,居家办公可能会对研发效能带来一些负面影响,但是整个疫情期间,研发效能无论是从需求吞吐率还是从代码产出效率角度而言,在质量不变的情况下,都提高了20%-30%。而且这种现象在非常复杂的系统中也同样出现了,如涉及多个时区的全球化系统,跨越7个国家、10几个城市,300多人的项目也都能够正常运转,没有受到任何影响,甚至还可以提前交付。这对未来的研发效能来说是非常大的机遇。
极速交付
第三是极速交付。在未来,应用的交付是什么样的?在疫情期间,阿里巴巴内部有一个数字抗疫系统,用于跟踪内部员工的健康情况。系统从需求的提出到交付上线是以小时,甚至分钟为单位。系统技术方案有三个选择,首先要建在云上,其次业务要使阿里业务中台系统,最后系统所有的报表系统,如Kanban,要使用另一套中台。大量的代码是配置化的研发,从而整个抗疫系统所有的交付都是以小时为单位,最简单的需求只需要分钟级就可以实现。因此在未来,任何一个新的需求的提出如果都能以这种速度进行交付,将会给研发效能带来巨大提升。
极速弹性
第四个启示是极速弹性需求。在疫情期间,很多事情无法预料,如钉钉,需要在很短的时间内满足上百万人,甚至上千万人的在线沟通的需求,可以发现钉钉确实是在很短的时间内完成了上百万核的技术扩容。另外健康码,也是基于云,阿里巴巴的业务平台和数据平台,以支付宝或钉钉作为交付的手段,实现了快速交付,从第一个用户到目前上亿的用户只花了几天的时间。在未来,极速的弹性对研发效能来说也非常重要。目前云的弹性使用的还不够极致,目前的弹性还是以资源为基础去计算,未来希望将所有的事情都交给云,业务需求有多少,自动扩展弹性。
数据智能为灵魂
第五个启示以数据智能为灵魂。目前所有的“数字抗疫”应用都无法脱离数据和智能,数据和智能已经成为了每个应用背后的灵魂,此时则需要考验能够以多快的速度驾驭算法,算力。在未来,开发任何一个应用,数据和智能都会成为其背后的灵魂。
安全可信为内禀
最后的启示以安全可信为内禀。无论开发的应用多小,场景多简单,安全可信都是最基本的准则。每一个应用都服务于民生,在任何一处出现了一些问题,都会产生不可想象的后果。在未来,如何开发出安全可信的应用也是目前主要的挑战。
image.png
回顾过去,每一代新型的软件研发需求都会对软件工程基础带来巨大的推动,如从最早的操作系统、大型复杂的商业系统、互联网系统、到目前数字经济的系统。大家需求思考的是数字经济的系统应该如何研发?相信整个过程中必然会呼唤新的软件方法和工具的产生。

二、阿里巴巴效能提升三大重点

阿里巴巴内部也对如何提升研发效能做了很多讨论,其中三个重要的机遇必须把握住,从而掌握下一代研发效能的关键点,最终获取到新的软件工程方法的红利。
**拥抱云原生、释放云红利
第一个关键点是云,阿里巴巴从很早就开始将商业系统迁入云,在2019年完成了核心商业系统全部上云,但这只是起点,并不是终点。从2020年开始,阿里巴巴开始真正拥抱云原生,释放出云的红利。在过去十年,云计算使得数据中心变成了计算机,以算力的资源使用计算机,但目前使用的界面还只是汇编等级的界面。在未来,希望云计算可以真正达成自己的承诺,实现无处不在的云,用户不需要关心资源是怎样的,商业系统只需要提出计算需求,云就可以完成计算的交付,这个过程叫做云原生化的过程。在云原生化的过程中,如何重构技术架构,从而面向云,发挥云原生的能力?这将是未来提升研发效能的较为重要的关键点。
坚持与发展大中台、小前端
但是从复杂的商业需求到云原生提供算力中间还有一个巨大的鸿沟,即紧贴前线每一个小的业务的创新,提供强大的中台能力。阿里巴巴提出中台的思想并开始实现已经有至少5年的时间了。阿里巴巴中台的战略是非常成功的方向,但其中还是会有很多问题需要去解决。中台最核心的点是要能够释放业务的创新力,让业务创新更快,让业务创新的成本更低。因此,中台需要作为一个能力交付平台,使得自己的能力能够被集成、被扩展、被信赖。所有用中台的业务,都是可信赖的,不需要担心安全性和稳定性。而且依赖中台的所有前端应用都可以实现自我闭环运作,完成自己的创新,从而发挥小前端的自己的创新力。阿里巴巴坚持大中台、小前端的策略,过程中除了继续加强业务中台的能力之外,尤其强调数据中台和AI中台。通过结合数据、智能及业务三大中台,赋能每一个小的前端应用,实现自我闭环,发挥自己的创新力,并实现快速发展。
数字化协作、数据驱动优化
第三个关键点是如何提升协作效率。协作效率对研发效率的影响非常大,基本超过一半,任何多人的项目,最为关键的瓶颈是协作的效率。好的协作工具可以使得协作得到巨大提升。在疫情期间,大家所使用的工具没有变,但是实际研发效率提升了,这是因为大家可以直接线上开会,不需要预订会议室,所有人都随时在线。因此如何可以利用好数字时代的沟通工具,协同工具提升数字化协作效率,同时优化组织生产关系将是非常关键的点。一旦协同都实现数字化后,此时需要借助数字化分析工具做好组织管理的决策,在上万人的企业内提升组织协同效率。
image.png

目录
相关文章
|
运维 网络协议 容灾
阿里云云解析DNS产品升级,融合DNS解决方案发布
阿里云云解析DNS产品升级,融合DNS解决方案发布
阿里云云解析DNS产品升级,融合DNS解决方案发布
|
Java Apache Scala
【阿里云镜像】配置阿里云Maven 镜像
【阿里云镜像】配置阿里云Maven 镜像
25818 1
【阿里云镜像】配置阿里云Maven 镜像
|
12月前
|
存储 弹性计算 供应链
墨西哥节点,开服!
墨西哥节点,开服!
553 11
|
存储 人工智能 NoSQL
表格存储:为 AI 注入“记忆”,构建大规模、高性能、低成本的 Agent Memory 数据底座
本文探讨了AI Agent市场爆发增长背景下的存储需求,重点介绍了Tablestore在Agent Memory存储中的优势。2025年被视为AI Agent市场元年,关键事件推动技术发展。AI Agent的存储分为Memory(短期记忆)和Knowledge(长期知识)。Tablestore通过高性能、低成本持久化存储、灵活的Schemaless设计等特性满足Memory场景需求;在Knowledge场景中,其多元索引支持全文、向量检索等功能,优化成本与稳定性。实际案例包括通义App、某浏览器及阿里云多项服务,展示Tablestore的卓越表现。最后邀请加入钉钉群共同探讨AI技术。
2315 14
|
11月前
|
机器学习/深度学习 自然语言处理 数据可视化
《自然语言处理架构的隐秘力量:FFN深度揭秘》
前馈神经网络(FFN)是自然语言处理(NLP)领域中不可或缺的组件,尤其在Transformer等架构中发挥重要作用。FFN通过非线性变换和特征提取,增强模型对复杂语义的理解能力,同时平衡注意力机制输出,提升泛化性能。其基本结构包括输入层、隐藏层和输出层,工作原理涉及加权求和与激活函数处理。尽管存在训练成本高和可解释性差等问题,未来的研究可能通过稀疏连接、动态计算等方式优化FFN,推动NLP技术进一步发展。
579 3
|
JavaScript 算法
【Vue面试题六】、为什么Vue中的 v-if 和 v-for 不建议一起用?
这篇文章解释了Vue中`v-if`和`v-for`不建议一起使用的原因,因为`v-for`具有更高的优先级,同时使用会导致性能浪费。文章建议使用`<template>`标签来包裹`v-if`和`v-for`,以优化性能,并通过计算属性提前过滤不需要显示的项。
【Vue面试题六】、为什么Vue中的 v-if 和 v-for 不建议一起用?
|
存储 缓存 关系型数据库
MySQL 查询优化方法
在数据库应用中,高效的查询性能至关重要。本文探讨了常用的 MySQL 查询优化方法,包括索引优化(选择合适的索引字段、复合索引、定期维护索引)、查询语句优化(避免全表扫描、限制返回行数、避免使用不必要的函数)、表结构优化(选择合适的数据类型、分区表、定期清理无用数据)及数据库配置优化(调整缓存大小、优化存储引擎参数)。通过这些方法,可以显著提高 MySQL 的查询性能,为应用程序提供更好的用户体验。
1122 4
|
安全 编译器 API
为什么会有 GIL?如何释放 GIL 实现并行?
为什么会有 GIL?如何释放 GIL 实现并行?
384 1
|
缓存 前端开发
后端MultipartFile接收文件转Base64
后端MultipartFile接收文件转Base64
225 0
|
Java 编译器 Maven
SpringBoot(二)之parent解析
默认配置spring-boot-maven-plugin,简化构建spring-boot的构建流程。
1144 1