因为它链路太长了，链路长代表影响的业务和影响的人更多，你必须得换一种新的思路来考虑这个问题。同时用户分层，内部的技术人员增多，其实我们最终要化为一句话：要把解决复杂问题定义为架构师的一个典型角色。
阿里的技术特别复杂，能入职到阿里来，把阿里的整个技术栈完整摸一遍的同学真的是很了不起。以单元化架构为例，我们可能需要了解端，有iOS、安卓端，有PC端，还要了解CDN、网络、接入层、服务发现、服务路由、HSF等的。
在人工代码评审（Code Review，CR）中，对于纯文本形式的代码浏览不可避免地将耗费大量的时间，影响CR的效率。
统一数据基础层
我们通过各种方式采集到的丰富数据，在清洗、结构化后进入统一的ODS数据基础层。
其主要功能包括：
有人认为这种从 UI 截图直接生成代码的意义不大，AI 和 Sketch 软件本来就是用数据结构保存设计文件的结构描述，不需要通过机器学习来获取，而且生成的代码不确定性很大。
进一步来分析为什么会这样呢？2003年到2006年可以认为是大数据的诞生期，谷歌的三大论文发表对于业界产生了巨大的影响力，但是值得注意的一点是谷歌所提出的技术重点是解决分布式扩展问题，不一定应用在数据库上面。
DataWorks数据集成可以通过实时库监控抽取从关系型数据库（MySQL、Oracle、PolarDB等）抽取数据，再采取消息订阅的方式汇聚实时消息流数据，汇聚起来的数据可以去做一些数据处理，
边缘的AI允许通过本地化处理进行实时机器学习，从而实现即时数据处理，详细的安全性和增强的客户体验。同时，许多企业正在寻求将AI推入云端，这可以减少实施障碍，改善知识共享并支持更大的模型。前进的道路在于找到一种利用云和边缘优势的平衡。
当然，这些都是底层的技术问题，用户对此并不关心，也不需要关心，对于用户来说，人工智能技术的应用能否真的提升效率，而不是浮于表面的漂亮概念，才是最重要的。而因为智能化应用的特殊性，只靠单个产品
并不能真正带来巨大的效果提升，实现人工智能的安防应用，对用户来说，必须是整体的解决方案才有价值。这意味着用户对于项目的整体智能化需求更加明确。
