110亿美元的信号：为何实时数据是代理式AI的神经系统

IBM 以 110 亿美元收购 Confluent，这是迄今为止最明确的信号，表明代理式 AI 将依赖于利用实时数据的能力。 

除了 IBM，Google 和 Salesforce 等其他行业巨头也注意到了这一点，近年来进行了重大收购，旨在更好地连接企业数据和系统。  

方向很明确。  现在，有效企业架构设计的关键问题是如何规划和构建以实现代理式 AI 的承诺。  在我看来，企业正在朝着大规模多代理编排的方向发展，而实时数据对于驱动真正的价值至关重要。 

没有实时上下文的 AI 代理是在过去中运作 

代理式 AI 承诺能够实时响应和推理的自主系统。但在生产环境中,如果系统响应太晚或缺乏实时上下文，这一承诺很快就会崩溃。 

考虑一家全球金融服务公司，必须在数千个持续变化的市场输入发生的瞬间就加以考虑并做出响应。在这种环境中，AI 驱动的流程无法承受定期轮询源系统以寻找变化。几分钟的延迟不是不便，而是风险。系统必须响应刚刚发生的变化，就在此刻，而不是几分钟后。 

这正是其他代理式 AI 平台的不足之处。它们的请求-响应架构是为更慢的世界设计的，在那个世界中，应用程序可以在批处理模式下运行，定期查询源系统以寻找变化，同时消耗大量计算和 LLM 资源。 

响应式代理系统的运作方式不同。它们需要实时响应整个企业中发生的变化——订单下达、服务交付更新、客户销售活动——而不是在它们发生几分钟或几小时后。  

必须轮询数据库以了解当前状态的 AI 代理不是实时的；它是在后见之明中运作。实时响应业务事件才能赋予代理真正的态势感知能力。它提供了它们果断行动、与其他代理协调以及可靠运行所需的响应能力和最新上下文。 

迈向由事件驱动的 AI 编排 

要在企业规模上支持这一点，底层架构必须从静态数据集成转变为实时运作的专业化代理的动态编排。应将较大的问题分解为较小的任务，并实时分派给具有适当技能的 AI 代理。代理、企业应用程序和数据源之间的异步通信，以及不让 LLM 被过多引发幻觉的上下文所淹没，是实现高性能企业所需的可扩展性、可靠性和准确性的唯一途径。 

市场正在迅速成熟以支持这一运动。 我们看到主要的云服务提供商通过为这些技术创建专用空间来认可这一必要性。 例如，AWS Marketplace 最近推出了新的 AI 代理和工具 类别，作为这些解决方案的集中目录。 

生态系统的这种成熟至关重要。它简化了发现和采购流程，使企业能够专注于创新而不是供应商谈判。像我们新推出的 Solace Agent Mesh 这样的解决方案，现在可在这个新的 AWS 类别中获得，是该行业如何试图弥合差距的例子，提供了在不重建整个堆栈的情况下管理和编排代理所需的框架。 

结论 

IBM-Confluent 交易证实了许多企业架构师已经了解的事实：实时数据不再是可选的。它是企业规模 AI 不可妥协的基础。 

有效的代理系统无法与当前时刻隔离地进行推理、规划或行动。它们必须在业务事件发生时实时响应。没有实时响应能力，AI 就局限于后见之明。  

"代理时代"已经到来。它的定义不仅仅是模型，而是这些模型的智能被实时应用。