AWS 在银行、保险和航空客户中看到一个反复出现的难题:运行数十年的主机批处理代码,往往只有一位即将退休的维护者能够理解。AWS 试图用 Amazon Bedrock、Kiro IDE 和 AWS Transform 把 Assembler 改写为 Java Spring Boot,但迁移速度仍取决于业务专家能否核验原有规则。
这是什么
这是一套面向大型机遗留系统的现代化迁移方法:先用 AI 提取 Assembler 中的业务规则,经 COBOL 这一可读性较强的中间形式交给专家核对,再转换为运行在 AWS 上的 Java 服务。COBOL(一种成熟的企业级编程语言)在流程里不是最终目标,而是降低直接改写风险的校验层。
Amazon Bedrock 提供可调用的大模型,Kiro IDE 辅助分析和修改代码,AWS Transform 负责 COBOL 到 Java 的转换。AWS 同时要求配置权限、测试数据,并安排业务与技术专家参与功能等价验证。
行业怎么看
这套方法最有价值的地方,不是“AI 自动写代码”本身,而是把代码迁移拆成可检查的步骤。相比从 Assembler 直接跳到 Java,先转 COBOL 会增加一道工序,却让熟悉旧系统的专家更容易发现业务逻辑是否丢失。
风险也很清楚:代码能被改写,不等于规则能被正确理解。大型机系统往往夹杂多年形成的特殊处理、监管要求和隐含规则;如果文档不足、测试样本不完整,AI 生成的 Java 服务可能表面运行正常,实际却在结算、风控或理赔等环节出现偏差。AWS 自己也把领域知识和专家验证列为必要条件,这说明企业级迁移目前更适合作为辅助工程,而非无人复核的自动交付。
对普通人的影响
对企业 IT:AI 正进入代码迁移这类高成本工作,但预算不能只按生成速度计算,还要为架构梳理、权限治理、回归测试和专家复核付费。
对个人职场:企业内懂行业规则又能审查 AI 输出的人会更值钱;单纯按代码行数衡量生产力的岗位会承压,职责将更多转向问题定义与结果校验。
对消费市场:银行、保险和航空系统更新速度可能提高,但消费者真正感知到的仍是服务稳定性与处理准确性,而不是底层技术由 Assembler 换成了 Java。