移动中台研发中台AI中台中台生态是怎样形成的？

　　中台是企业级共享能力平台。因此，除了最开始所提出的业务中台和数据中台之外，中台也逐步发展出技术平台、研发中台、移动中台、AI中台、算法中台、组织中台等相关的其他中台。
　　我们简单说几个。
　　技术平台：
　　技术平台整合和包装了云基础设施，以及在其上建设的各种技术中间件，比如微服务、分布式缓存、消息队列、搜索引擎、分布式数据库等，并在此基础上建设和封装了简单易用的能力接口。
　　技术平台
　　技术平台的建设标准是参考在一个只提供虚拟机或容器的私有云上，建设一个业务中台或数据中台所需但私有云没有提供的技术相关组件。技术平台作为工具和组件，为建设前台应用和业务中台提供了基础设施重用的能力，大大缩短了它们的建设周期。
　　如果数字中台（即业务中台+数据中台）是强大的中台炮火群，则技术平台提供的是如何根据需要快速搭建中台炮火阵地（即创建和部置不同环境下的中台）。如何让阵地建设得更加可靠、简捷易用（通过技术平台提供资源的动态扩展能力等），隔离数字中台对基础设施的依赖。
　　比如业务中台的每个业务服务中心都需要关系型数据库。关系型数据库要提供一主一备和自动切换功能，以及读写分离和只读库创建的能力。
　　为了快速访问大数据量的表，一般需要使用分布式数据库对其进行分库分表操作。分布式缓存是提高访问效率的一个必不可少的组件。通过消息队列实现异步解耦和大流量削峰填谷，大大增强了前台应用应对大用户并发的能力。使用CDN加速的对象存储，可极大提高前端访问的性能。
　　数字中台是在技术平台的基础上开发、运行的，但又不能与技术平台相绑定。因为数字中台关心的是如何满足业务要求，而技术平台则提供的基础设施底层的能力，相互促进但又相互隔离。
　　研发中台：
　　研发中台是关注应用开发效率的管理平台。
　　软件开发和系统建设是一项工程，涉及项目管理、团队协作、流程、测试、部署、运营、监控等方面。如何将在企业应用开发过程中的最佳实践沉淀为可重用的能力，从而更好地快速迭代开发创新型的应用，也是很多企业目前的一个关注点。
　　这个关注点也是企业能力的体现，即研发中台。
　　研发中台
　　研发中台为应用开发提供了流程和持续交付的能力，包括敏捷开发管理、开发流水线、部署流水线、持续交付。敏捷管理一般由问题、迭代、实施等组成，并管理研发人员的日常工作和任务。
　　开发流水线则涉及源代码的版本管理、分支的创建、合并和提交，半成器的构建、存储和使用以及产成品的构建。将产成品部署到指定环境并上线运行是部署流水线的职责。线上的应用需要监控，包括基础设施监控、应用监控、日志洞察、浏览器监控、链路分析和追踪等功能。研发中台为应用的开发提供了流程、质量管控和持续交付的能力。
　　消费者接触得最多的企业前台触点是移动端。如何保障移动端的迭代效率和稳定性也是企业需要着重考虑的。一个电商业务一开始可能只是一个工具型的APP，完成对商品全生命周期的闭环支持。
　　移动中台：
　　随着在业务中台基础上发展出相似业务，需要平台级的移动端开发支持。继续深化发展可能还需要支持多业态。因此为快速开发移动APP、H5和小程序以支撑前台业务发展所进行的最佳实践就逐渐沉淀为移动中台。
　　移动中台
　　第一，移动APP与其他前端技术比较，有其特殊性。比如移动APP作为一个C/S架构：其一，发版模式需要通用应用市场的审核；其二，客户端的更新是使用者控制的，提供远程配置、动态更新需要有助于控制APP端。
　　第二，移动业务是在线业务，对网络强依赖，而移动链路本身的稳定性和连通率等相比有线网络有一定的不足。因此消息推送的实现需要考虑网络因素。
　　第三，移动端的质量相关问题，需要提供热修复等功能。
　　第四，对移动APP本身的安全扫描和加固也是一个需要着重考虑的因素。由于前端有不同的实现技术，如果完全使用不同的开发方式，对于企业来说是重复投入，且资源和技术不能共享。
　　因此，使用Hybrid混合开发的方式，既可以支持移动APP，又可以支持H5，甚至小程序，也是移动中台需要研究的一部分。因此，尽可能将前端组件化，比如UI组件和图表组件，在此之上组装成业务组件，能大大提高移动端的开发效率和质量。
　　前面所提的业务中台、数据中台等都是从技术系统层面展开的中台的演变。企业在进行中台建设时，容易着手的也是对技术体系的改进。但要发挥中台的能力，让中台战略实际落地到企业，并为企业的业务目标服务，需要与中台技术架构相匹配的组织架构。
　　从Supercell 的＂部落＂，阿里巴巴的共享业务事业部、数据平台事业部，京东的前、中、后台，大家都可以看到建设中台需要两手抓，两条路线相匹配，齐头并进。如果将业务中台、数据中台等称为＂战斗部队＂，那么为企业提供的项目投资管理、风险管理、资源调度等的组织中台则是＂战场指挥部＂，指挥前线，调度后方。
　　＂小前台，大中台＂这种组织形式，并不是什么新鲜事物，实际上它是一种理想化的支撑模式。前台业务足够灵活，配套支撑足够快捷，资源还能够高效复用。不过要让中台模式在企业中发挥作用，对企业本身也是有一定要求的，比如企业有一定规模，业务比较丰富，值得去提炼共性元素形成共享能力。
　　如果同时开展多种相类似的业务，那么从业务A提炼出来的能力可能提供给业务B使用；或者虽然业务单一，但同一业务在不同地域有不同的模式，也能沉淀出很多共享能力。
　　数据中台提供了数据分析报表来响应运营，并在此基础上提供数据能力直接服务于业务。那能不能更进一步，提供诸如个性化服务等智能相关的能力？
　　答案是肯定的。通过AI中台。AI中台借助数据中台的能力，尝试解决模型的训练、发布，智能服务的构建自动化，统一的元数据管理体系，模型的全生命周期管理等问题，通过AI能力平台化，降低对人员能力的要求。
　　与数据中台利用CPU级别的资源不同，AI中台需要扩展对GPU资源管理和整合能力，为算法模型的开发者、训练者、标注管理者、数据管理者等构建智能服务的人员服务，并最终为业务人员提供智能化的服务。