从模型到应用：理解今天的 AI 技术栈

一分钟读懂

谈论 AI 时，人们常把模型、安全、Agent Runtime 和基础设施并列在一起。它们都重要，却不处在同一层：模型提供能力，系统把算力变成可用平台，Agent Runtime 组织模型与工具完成任务，安全和评测则贯穿这些层级。

观智录用八个纵向领域描述技术栈，用安全、评测、治理与合规、可观测性与经济性四个横向视角检查每一层。纵向领域回答“它在哪里”，横向视角回答“应该怎样审视它”。

这套地图的目的不是追求唯一分类，而是让读者能从一次具体变化出发，继续找到它的上下游、风险、证据和长期影响。

为什么不能把所有方向放在同一层

Kubernetes 调度器负责依据资源和约束安排工作负载；Agent Runtime 则决定何时调用工具、怎样维护状态，以及如何处理一次任务。二者可能共同参与一次代码执行，却承担不同职责。MCP 对工具、资源和提示的划分也说明，工具接入协议只是 Agent 系统的一部分，而不是整个基础设施。

因此，分类的重点不是给公司或产品贴唯一标签，而是建立稳定边界，让一次变化能够回到它真正影响的技术层。

八个纵向领域

最底层是算力，包括芯片、内存、互联和数据中心。系统层负责集群、调度、网络、存储和隔离。数据与知识层处理训练数据、搜索、RAG、知识图谱和 Memory。模型层研究基础模型、多模态、推理模型与世界模型。

训练与对齐描述模型怎样获得和修正能力；推理与服务关注模型上线后的延迟、吞吐和成本；Agent 负责状态、工具、协议与持久执行；应用与交互最终把这些能力带给个人、组织和物理世界。

四个横向视角

安全不只研究模型输出，也包括工具权限、Sandbox 隔离和数据泄露。评测既测模型能力，也测 Agent 是否完成真实任务。治理与合规关注数据、版权、审计和责任。可观测性与经济性则把质量、延迟、Token、算力和成本放进同一个运行视图。

NIST 将测试、评估、验证与风险管理视为持续过程，这也是观智录不把四个视角做成孤立频道的原因。

如何阅读观智录

想知道最近发生了什么，可以从首页和编年进入事件短记；想理解一段时间的趋势，可以阅读阶段综述；想建立完整认知，则进入专题长文和领域页面。每篇内容都标明主领域、观察视角、事件时间与来源，方便读者判断它在整张地图中的位置。