前几天读到陈果老师的《企业架构的中国实践：四大流派与本质回归》，"四种流派"这个标题确实很吸引人。文章把国内的 EA 实践归为四类：原教旨主义 TOGAF 派、金融机构派、华为派与学华为派、实用价值派，并以"回归 EA 作为战略沟通与 IT 治理工具的本质"为标尺，给四派排了座次。
文章信息量很足，但读完我有个不同的看法：与其说这是四种"流派"，不如说是 EA 应用的四种"场景"。"流派"框架隐含价值排序------总有一派更接近"本质"，其余都是走歪了；而"场景"框架承认一个更朴素的事实：每种做法在其特定前提条件下都是合理的。
更重要的是，一旦用"场景"的眼光重新审视，就会发现这个框架还漏掉了最关键的两格------数字原生企业和 AI 原生企业。而恰恰是这两格，正在改写 EA 的游戏规则。
一、四种经典场景：各自的成立前提
先把陈果笔下的四派重述为四种场景，各自的前提假设就清晰了。
场景一：工程化实施（华为系）。面向大规模自研复杂信息系统的传统企业。EA 是系统工程的顶层输入，4A 架构 + Y 模型从战略逐层分解到流程、数据、应用、技术。落地早，通用性好------根因在于制造业的业务有物理实体（物料、产线、物流），业务对象不能等价于信息对象，所以这套方法以流程架构为主轴，恰恰是对"业务 ≠ 信息"的妥协，也因此适配面最广。
场景二：工程化实施（金融系） 。与华为系本质是同一家人，但适配金融服务高度产品化的银行、保险。银行的业务本身就是信息业务------一个"理财产品"没有物理形态，本质上就是一组规则、合约和数据结构，所以业务架构几乎可以"编译"成系统架构，从概念设计一路贯通到流程、需求与实现，标准的从 0 到 1。这也正是它出了银行保险就难以复制的原因。
场景三：实用价值派 。前提假设是企业已有成熟产品或原型系统，通过业务设计与现有资产的适配完成从 0.5 或 0.9 到 1 的交付，工程化要求因此可以裁剪。但有个反向推论常被忽略：外购产品越多，集成架构和数据架构的要求反而升高------主数据、应用集成、跨系统身份权限，没有任何厂商替你负责。这个场景里 EA 的价值重心从"设计"整体迁移到"决策与组合治理"。
场景四：原教旨 TOGAF / ITSP 。偏传统宏观蓝图的 IT 战略规划场景，还没遇到落地实施的问题------交付物本身就是蓝图，验收即止。它在集团管控、信创规划、监管合规的场合仍有真实生态位，一句话概括其存在前提：甲方需要的是证据链，而不是战斗力。
四种场景，四种前提，本无高下之分。方法之争之所以没完没了，往往是因为争论双方在不同场景里各说各话。
二、第五种场景：数字原生企业------无 EA 之名，行 EA 之实
这是陈果框架漏掉的第一格。
互联网公司从不设"企业架构部"，但中台运动本质上就是 EA 的能力地图和资产复用思想的一次野路子实现：业务中台对应能力地图，数据中台对应数据架构，技术中台对应技术标准与平台治理。它们用工程语言把 EA 的核心关切重新做了一遍。
把这个场景放进框架，对比才真正有杀伤力：同样是资产复用诉求，传统企业要建架构委员会、立流程、做遵从管控，互联网公司用一次组织调整就直接解决了。
这迫使我们回答一个根本问题：EA 到底是一套方法，还是一种治理结构？
如果是方法，数字原生企业从未离开过它，只是换了一身工装；如果是治理结构，那它的适用范围可能比我们愿意承认的要窄------当组织本身可以被快速重构时，"用文档和委员会对齐业务与 IT"就成了一种高成本的替代品。数字原生场景给出的答案是：架构意图可以直接物化为组织结构和平台能力，而不必经过蓝图这个中间层。
三、第六种场景：AI 原生企业------当"数字员工"成为组织正式成员
这是最新、也最值得认真对待的一格。AI 原生企业不是"用 AI 提效的企业"，而是开始雇佣数字员工的企业：业务流程的执行主体本身正在变成 Agent。当 Agent 从"工具"变成"员工"，EA 面对的对象就从"系统"变成了"人机混合组织"，冲击是结构性的，至少体现在五个层面。
第一，数字员工需要岗位体系，这正是能力地图的新形态传统企业用能力地图回答"企业需要哪些能力"；AI 原生企业用它回答更具体的问题------每个数字员工的岗位职责是什么、可以调用哪些技能与工具、向谁汇报、与哪些人类岗位协作。能力地图第一次从挂在墙上的规划文档，变成了数字员工的岗位说明书。
第二，架构资产必须机器可读 数字员工没有师傅可跟、没有例会可开，它的"入职培训材料"就是企业的领域模型、本体、数据契约和流程规范。传统 EA 的交付物是给人看的文档，靠评审会去落实；而在这个场景里，业务语义第一次从"文档规范"变成了"生产资料"------不能被机器消费的架构资产，约等于不存在。
第三，设计到实现的链路在坍缩还记得金融系的精髓吗------业务建模可以"编译"为系统架构。这在银行业当年是个比喻，需要几百人年的建模工程去兑现；而在 AI 原生场景里它正在成为字面现实：结构化的业务语义经由大模型直接驱动流程编排和代码生成，数字员工"看着说明书上岗"。从 0 到 1 的距离被空前压缩，工程化实施派几十年积累的建模方法论，第一次有了自动化的执行引擎。
第四，治理形态从架构评审委员会"变成"数字员工的人力资源部 数字员工的管理问题本质上是 HR 问题：入职（部署上线）、授权（工具与数据权限）、考核（输出质量与合规评估）、审计（行为留痕）、离职（退役与权限回收）。当系统行为由模型在运行时动态生成，事前评审就失效了------你不可能评审一个尚未被生成的决策。治理必须下沉为可执行的运行时护栏：策略即代码（policy-as-code）、行为边界、调用审计。这恰恰是实用价值派"组合治理"思路的极端化：设计深度被裁剪到极致，治理动作被增强到极致。
第五，EA 的"作战地图"同时服务两类读者 陈果说 EA 是给决策者看的作战地图，这个定位非但没有过时，反而升格了：一张语义清晰、边界明确的能力地图，既是高管做取舍的依据，也是数字员工理解"自己在组织中处于什么位置"的组织架构图。EA 第一次同时服务于人类决策者和机器执行者------这可能是它诞生四十年来最大的一次受众扩展。
四、六种场景一张图
| 场景 | 核心前提 | EA 的角色 | 交付逻辑 |
|---|---|---|---|
| 工程化实施（华为系） | 业务有物理实体，大规模自研 | 系统工程的顶层输入 | 从 0 到 1，流程为主轴 |
| 工程化实施（金融系） | 业务即信息，产品高度产品化 | 系统工程的顶层输入 | 从 0 到 1，业务建模可"编译"为系统 |
| 实用价值派 | 已有成熟产品或原型 | 决策与组合治理工具 | 从 0.5/0.9 到 1，设计裁剪、集成治理增强 |
| 原教旨 / ITSP | 需要合规留痕与规划蓝图 | 宏观规划与遵从管控 | 蓝图即交付物，证据链优先 |
| 数字原生 | 组织可直接重构 | 内化为组织与平台能力 | 无 EA 之名，行 EA 之实 |
| AI 原生 | 数字员工成为执行主体 | 人机共享的语义底座与数字员工治理 | 语义驱动实现，设计坍缩、护栏增强 |
结语：场景先行，方法殿后
回头看，"四种流派"之争其实是工业时代 EA 的内部矛盾------无论哪一派，默认的读者都是人，默认的执行者都是科层组织。而数字原生和 AI 原生这两个新场景，一个在组织维度 上绕过了蓝图，一个在执行维度上瓦解了蓝图。
但它们瓦解的只是 EA 的文档形态，不是 EA 的内核。恰恰相反：当业务语义可以直接驱动系统实现时，"把业务说清楚"这件事的价值被放大到了前所未有的程度。能力地图、领域模型、数据契约------这些 EA 的老物件，正在从咨询报告里走出来，变成 Agent 时代的生产要素。
所以，先问清楚"我在哪个场景、前提假设是什么"，再谈"该用哪套方法"，大部分流派之争会自然消解。而真正值得投入的问题只剩下一个：
你的架构资产，准备好了吗------它不是文档，是数字员工的入职手册。
