Aperture Venture Studio 推出了一个三阶段架构，用于构建能够同时为多家独立公司服务的 AIoT（人工智能物联网）平台。
为什么共享 AIoT 平台至关重要
大多数工程团队围绕单一产品设计平台，然后在后续发布中重复利用其中的部分组件。然而，风险投资工作室（venture studio）必须同时应对多家初创公司，这些公司面向不同的客户、运行在不同的硬件上，并有着截然不同的发展节奏。如果没有协调一致的方法，每个创业项目都必须从头开始重建相同的数据流水线、模型训练栈和设备管理服务。这种重复劳动是在浪费时间。
三阶段模型
Aperture 的方法将生命周期分为三个清晰的阶段：
- 针对单一客户的可用解决方案 – 团队交付一个满足现实需求的、功能完备的 AIoT 服务，从而确立具体的应用场景和一系列需求。
- 共享平台中的可复用模块 – 将解决方案重构为可复用的组件，并将其与其他模块一起置于通用平台中。这一步是最困难的，因为代码必须具备足够的抽象性，以支持资产追踪、员工安全或环境监测等截然不同的领域。
- 分拆（spin-out）候选阶段 – 当一个创业项目准备成为独立公司时，它只需将共享基础设施更换为实现相同接口的私有实例，从而使代码无需更改即可运行。
中间阶段承担了最繁重的工作。团队会创建一个 AI 模型基础层，这样对于每个新项目，只需进行微调，而无需从零开始训练。将核心模型视为共享资产，意味着对基础模型的任何改进都能立即使所有依赖它的创业项目受益。
在不进行完全隔离的情况下实现共享数据流水线
一种常见的诱惑是完全隔离每个租户的数据流水线，认为这样可以保持各创业项目的清晰分离。Aperture 警告说，完全隔离会阻碍改进方案的流动：应用于一个流水线的错误修复或新的数据清洗程序永远无法惠及其他流水线。他们的混合方法解决了这个问题：
- 隔离租户数据 – 每个创业项目的原始数据都保留在各自的存储桶中，以确保隐私和合规性。
- 共享处理逻辑 – 用于清洗、去噪和结构化数据的通用代码存在于单个库中。更新该库会自动使每个创业项目受益。
- 创业项目特定规则 – 边缘情况通过位于共享逻辑之上的小型插件式规则集来处理，在保持核心稳定的同时允许进行定制。
该设计在利用共享处理逻辑的同时，实现了数据主权。
实现无痛分拆的解耦
当团队依赖于仅存在于工作室生态系统内的内部 API 时，紧耦合就会悄然产生。Aperture 通过对所有依赖项强制执行严格的接口来应对这一问题。每个模块仅声明其所需的契约——无论是设备通信、模型推理还是计费——不多也不少。
当一个创业项目达到分拆阶段时，只需将这些接口指向其自身的实现即可。由于代码从未直接调用具体的内部服务，因此这种更换只需进行配置，而无需进行全面的重写。及早规划这种解耦可以避免后期昂贵的架构重构。
风险与反论点
共享基础设施模型并非万灵药。
后续关注点
核心要点： 构建一个具有清晰接口、通用模型基础和混合数据流水线策略的共享 AIoT 平台，可以让风险投资工作室更快地启动多个初创项目，并实现干净利落的分拆。