长按二维码,关注官方公众号
使用微信扫一扫分享到朋友圈
使用微信扫一扫进入小程序分享活动
蔡飞志，花名谷渐，OceanBase技术部高级技术专家。毕业于北京大学，2014 年进入 OceanBase 团队，先后从事 OceanBase 数据库代理、数据库驱动、分布式存储的研发，目前是 OceanBase 开源生态的研发负责人。对于LLM、AI Agent 相关技术方向感兴趣，是个喜欢聊天的 i 人。
陈博，硕士，毕业于浙江大学计算机学院。曾在阿里巴巴达摩院任职，目前担任小红书搜索算法DQA组场景卡算法负责人，擅长AI搜索、电商搜索召回相关性等领域，曾在ACL、NAACL、IJCAI等会议发版论文6篇。
从事数据挖掘相关工作10年，负责公司寿险领域核保风控模型、理赔自动化等模型开发，参与基于大模型的chatBI项目研发。参与的风控模型项目曾获得“燕梳奖”、“金信通”奖等荣誉。
崔万云，上海财经大学信息学院副教授，博士生导师。他是AI2000最具影响力学者提名，ACM中国优博提名奖、ACM上海优博奖得主。在NeurIPS、ICLR、ACL、EMNLP、SIGMOD、PVLDB、IJCAI、AAAI等会议上发文二十余篇。主持国家自然科学基金青年项目、上海市青年扬帆项目等。
08年硕士毕业于中国科学技术大学后在阿里巴巴搜索技术中心从事Hadoop工作，参与建设云梯集群，在豆瓣、新浪、京东、商汤期间等从事大数据、AI相关架构工作，19年8月加入贝壳至今，现为贝壳计算存储部负责人，负责大数据集群及核心组件、AI基础设施、搜索云、多媒体服务等建设。
本科毕业于上海交通大学电子系，随后取得香港中文大学信息工程博士学位，毕业后加入新加坡高级数字科学中心（美国伊利诺伊大学在新加坡的研究所）从事科研工作，在计算机网络和分布式系统领域相关的顶级国际会议发表多篇论文。加入Alluxio前，傅正佳曾在新加坡科技公司Bigo Technology担任机器学习研发总监。
郭人通是 Zilliz 合伙人和产品总监，是 CCF 分布式计算与系统专委会执行委员。他专注于开发面向 AI 的高效并可扩展的数据分析系统，是 Milvus 项目的系统架构师和 Zilliz Cloud 产品负责人。工作成果曾发表于 SIGMOD、VLDB、USENIX ATC、ICS、DATE 等国际顶级会议与期刊。在加入 Zilliz 前，他曾就职于华为，是 ModelArts 平台核心研发成员。郭人通拥有华中科技大学计算机软件与理论博士学位。
蚂蚁集团DI Copilot技术专家，主导DeepInsight智能数据分析平台&智能化技术能力建设。重点通过自然语言交互实现金融场景下的智能数据查询、智能分析、可视化生成及分析报告自动化输出，提升企业级数据分析效率。整合蚂蚁大模型与多模态技术，优化平台在数据理解、复杂逻辑推理等场景的准确性。推进大模型与数据分析工具链深度融合，形成标准化智能分析解决方案。重点关注领域：多模态融合推理、智能化工程体系、数据价值发现。
携程技术专家，从事10年自然语言和机器学习算法工作，主要负责携程旅游部门主要算法落地和大模型应用，主导了包括携程智能客服在内的多个落地项目。
负责数势科技智能算法的开发，包括LLM Agent，RAG，内容推荐，文本生成，知识图谱挖掘等算法技术。英国纽卡斯尔大学博士，在智能算法领域学术与工作经验丰富。在学术研究方面，拥有10项智能算法相关专利并发表4篇国际期刊，曾主导由欧洲玛丽居里计划资助的国际项目，在研究期间，共发表了3篇期刊文章、1篇会议文章和1篇Chapter；在工作方面，曾任职京东零售数据中台，负责人工智能技术在营销领域的相关落地，多次获得优秀员工及集团战略项目奖，曾获HICOOL全球创业大赛二等奖。
阶跃星辰预训练算法负责人，前阿里国际大模型负责人。技术代表有：Multi-matrix Factorization Attention(MFA)，PDN，GraphTheta等。
负责 Apache Paimon 的研发和产品，PMC Chair of Apache Paimon，PMC member of Apache Flink。先后从事分布式流计算、分布式批计算、湖存储，目前专注于流式湖仓的技术。
梁家卿博士，复旦大学大数据学院青年副研究员，主要研究方向为基于知识图谱与大模型的认知智能。在国际顶级学术会议与期刊（包括TKDE，AAAI，IJCAI，ICDE等）发表论文50多篇。在应用落地方面，作为技术负责人研发并公开发布了多个知识图谱与大模型应用平台如CuteGPT、Emo-CuteGPT、CN-DBpedia、ProbasePlus、CN-Probase、“不倒翁”智能问答等，相关产品API被工业界与学术界多家单位已调用累计17亿次以上，并形成了16个专利。有成功训练百亿参数量级别模型的经验和在大规模集群上训练千亿参数量级别模型的经验。先后在国际性的“知识库构建”比赛中荣获第二名；在中国计算机学会和中国中文信息学会的主办的语言与智能技术竞赛“信息抽取”比赛中荣获第一名。主持研发的情感增强大模型 CuteGPT 在上海卓辰信息科技有限公司（帮助其情报信息知识抽取准确率达到 90%以上）、上海双地信息系统有限公司（帮助其开发了内容管理产品“小孔商业智能AI助理”）、上海光唯文化传媒有限公司（应用于其客户在新产品研发业务，新产品销售额超过千万元）等单位实现了落地应用。并且曾获ACM-ICPC区域赛金牌、TopCoder Open全球前150名、吴文俊人工智能科学技术奖科技进步奖三等奖、上海市优秀博士毕业生、上海市计算机学会优秀博士论文、华为云最佳论文复现奖、复旦大学超级博士后、上海市超级博士后、中国博士后科学基金面上资助、国家自然科学基金青年基金资助。
智源人工智能研究院数据研究组的负责人，主导开发了悟道天鹰（Aquila）系列语言大模型，以及Infinity Instruct千万指令数据集系列等重要项目，目前正专注于基于大模型的数据合成技术的研究与应用，致力于推动该领域的技术进步和创新。
罗学焕，目前就职于滴滴出行，在公司数据平台组主要承担数据资产与数据地图相关研发工作。曾持续在数据平台领域学习工作，参与从0到1数据平台的构建，离线开发平台，实时平台等相关工作。目前专注于元数据体系及血缘体系构建，血缘解析等相关的研发。
网易伏羲群体智能负责人并兼任产学研负责人，2018年博士毕业于中国科学技术大学计算机应用技术专业，已发表人工智能顶级期刊和会议论文70余篇，已申请专利50余项，其中已授权8项，多次获得人工智能顶级会议数据竞赛世界冠军，同时为多个顶级会刊担任审稿人，2023年入选中国计算机学会计算经济学专业委员会执行委员，2024年入选杭州市“西湖明珠工程”特殊支持人才，2025年入选第六届浙江省青年科协会员。主要研究大数据智能和群体智能，相关成果应用于文化娱乐、众包平台、智慧零售等生产生活多个领域。
先后在Alibaba、Splunk、eBay等大型跨国企业工作。现就职于eBay担任架构师，专注于电商用户行为处理和分析领域，以及数据平台化技术工作。
在 ICLR、ACL、EMNLP、AAAI 等国际顶级会议上发表了30余篇论文，研究方向涉及大模型生成、人设对话、图文多模态等，并有丰富的AIGC技术应用经验，在游戏智能NPC系统、虚拟陪伴、AI绘画、AI音乐等场景中落地。
唐竹，现任育碧数据办公室（Ubisoft Data Office）数据治理产品总监，拥有超过10年的游戏行业数据 (特别是数据治理) 产品经验，并获得CDMP认证。目前，她正带领团队致力于设计并实施一套面向育碧全球几十个工作室的企业级数据治理产品方案，推动数据治理的全球化落地。
汪汗青，上海人工智能实验室具身智能中心青年研究员，2024年博士毕业于北京理工大学，他曾于微软亚洲研究院、阿联酋起源人工智能研究院、苏黎世联邦理工学院访问，主要研究方向为具身导航和仿真数据生成。他以第一作者在CVPR、ECCV、ICCV、NeurIPS、TPAMI、IJCV等计算机视觉和人工智能的顶会顶刊发表论文十余篇，并多次担任相关会议期刊的审稿人。他曾获国家奖学金、国家留学基金委公派留学资助、北京市优秀博士毕业生，上海市超级博士后等荣誉称号。他作为主要负责人带领实验室团队开发了通用具身仿真平台桃源(GRUtopia)以解决具身智能领域数据稀缺问题，目前已在开源社区Github上获得670+ star。
新能源智能化先锋——蔚来汽车数据算法专家，前网易数据分析业务裂化专家。深耕多目标优化算法与电池健康管理，主导研发的换电站智能充电系统已落地全国3000+座换电站，实现单站日均服务能力提升15%、充电损耗降低2%。相关成果获2项国家发明专利。持续在AAAI、KDD等顶会发表电池充电相关论文，致力于通过算法重构能源基础设施运营范式。
现任菜鸟集团-平台产品&数据平台&人工智能部 产品总监，2010年至今在阿里巴巴淘宝、阿里云、菜鸟集团就职；0-1创建产品Quick BI、DataWorks数据管理、DataWokrs-DQC数据质量等公有云产品，并支持多项专有云商业化项目交付；实践大数据人工智能在物流快递数字化、电子面单、物流云等物流领域应用；CCSA大数据技术标准推进委员会编委、DAMA中国会员圆桌嘉宾、参编《数据标准管理实践白皮书》，专利12项。
阿里云AI搜索研发负责人，负责阿里云AI搜索产品OpenSearch、阿里云ElasticSearch AI研发，以及开源搜索引擎Havenask研发。覆盖AI搜索、向量检索、大数据检索、对话式搜索等多个场景。带领团队研发多款搜索、推荐和智能问答类产品研发。目前主要聚焦在大模型AI搜索研发，关注大模型AI搜索对业务和客户的价值。
2011年加入阿里巴巴集团，曾主导集团内部部门级数据产品的建设与应用。现任阿里云产品DataWorks Copilot技术负责人，负责数据建模、数据开发、数据分析等产品能力的建设。
毕业于费尔菲尔德大学 MBA，专注于数据分析解决方案。擅长机器学习、知识图谱，凭借深厚的专业知识和丰富的实践经验，为企业提供精准、高效的数据洞察，助力商业决策与业务增长。
陈赢峰 ，网易伏羲机器人算法负责人，工程机械机器人业务技术负责人，研究集中在机器人、强化学习和游戏AI等相关领域。博士毕业中国科学技术大学，在校期间多次参加Robocup世界机器人大赛并于2014年获得服务机器人组别世界冠军，参与研发中科大“可佳”系列机器人项目。曾担任网易伏羲强化学习研究负责人，将强化学习前沿技术创造性的应用在游戏AI、游戏测试领域，并在网易多款游戏中落地应用并上线。现负责多款工程机械机器人，包括挖掘机器人，无人装载机等产品的技术研发和算法预研。在NeurIPS，IJCAI, AAAI, ICRA等人工智能和机器人顶会上发表论文60余篇，并获取2019 ASE最佳论文奖，长期担任NeurIPS, AAAI, ICRA等会议期刊审稿人。授权国家发明专利50余项，入选杭州市“青年科技人才培育工程”，荣获“滨江区青年科技人英才”称号。
2017年加入腾讯，超过8年互联网大数据架构及应用经验，先后参与腾讯国内游戏、微信支付、海外游戏等业务大数据平台建设工作，带领团队从0-1构建海外游戏大数据多云架构及迭代演进，当前主要负责海外游戏广告分析平台建设工作。
十年以上大数据相关工作经验，负责携程海外版Trip.com的数据仓库工作。曾主导多个集团和部门级大数据项目，具有丰富的旅游及海外业务大数据管理经验。
张进，阿里集团1688AI团队算法负责人。多年NLP，多模态，强化学习等AI相关领域的研究工作，多年AI创业经历，当前负责1688的AI原生应用以及AI创新产品的研发。
张启煊是3D GenAI初创公司影眸科技联合创始人兼CTO。他专注于计算机图形学、计算摄影和生成式AI，多项研究成果被SIGGRAPH、ICCV和CVPR等顶级学术会议接收，两次获得SIGGRAPH最佳论文荣誉提名，发布了多款创新的3D GenAI工具，包括Rodin、ChatAvatar和WAND。
张升涛，目前就职于理想汽车，致力于大语言模型在数据分析领域的应用和推广。曾参与完成京东个性化推荐第一版，金山软件智能运维系统，迅雷网络推荐系统的搭建和优化工作。
张如欢，资深AI架构师，拥有10年AI行业经验，亲历AI 1.0至AIGC时代的技术演进。曾在百度、Nuance、华为等科技公司担任AI产品经理，主导多项创新智能交互AI产品的落地。具备较深厚的技术洞察与商业化能力。
张熙，博士毕业于中科院自动化研究所，目前担任阿里通义实验室高级算法工程师，负责多模态智能体Mobile-Agent、PC-Agent等工作。在国际顶级期刊和会议TPAMI/TIP/CVPR/ACM MM/TMM/TCSVT等发表论文，曾获得CCL BEST Demo、China MM BEST Paper、VCIP BEST Student Paper、中科院院长奖等，担任多个顶级会议与期刊Reviewer，并在开源社区Github获得3.5k star。
英飞流 InfiniFlow 联合创始人，连续创业者，先后负责多年搜索引擎，数据库内核，云基础架构和大数据架构，以及人工智能核心算法研发，包括广告推荐引擎，计算机视觉和自然语言处理。先后主导并参与多家大型企业数字化转型，支撑日活千万，日均两亿动态搜索请求的互联网电商业务。自InfiniFlow创业一年以来，已孵化了2个开源AI项目，一个是仍在快速迭代和增长中的头部RAG引擎RAGFlow，一个是专用于RAG场景的AI原生数据库Infinity，后者服务前者，共同解决LLM落地的普遍痛点。
郑文镇，中国科学院大学硕士，阶跃星辰大模型预训练算法研究员，主要研究方向为大语言模型的Scaling law。
目前就职于蚂蚁集团，是流图计算系统GeaFlow的负责人，之前在阿里巴巴集团一直从事流计算系统和OLAP系统等设计研发工作。工作多年以来，一直从事大数据和图计算领域的相关工作。
资深算法专家，曾先后就职于诺基亚、携程、美团等企业，现任蔚来搜推算法负责人。在美团期间，负责点评外卖搜索业务，主导了泛商品搜索推荐项目。目前主要负责蔚来、乐道、萤火虫等多个APP搜索和推荐业务。
在数字化转型的浪潮中，数据架构正迎来前所未有的变革。随着大数据、人工智能和机器学习技术的飞速发展，企业对数据的存储、处理和分析能力提出了更高的要求。数据湖作为新一代的数据存储架构，能够存储海量的结构化和非结构化数据，为AI模型的训练和应用提供了坚实的基础。同时，大模型时代的到来，对基础设施的需求也日益增长，企业需要构建更加高效、灵活的数据架构来支持AI的广泛应用。
面向数智融合的贝壳数据架构演进
贝壳的数据分布在HDFS、Cubefs、腾讯云Cos等，支撑大数据BI、AI、搜索、多媒体等，多套数据类架构造成了数据存储冗余，存在多个数据岛、算力岛。海量数据存储成本是一个巨大的挑战，计算资源以及计算框架在多种业务间无法得到共享，在大模型兴起后，对于多模态数据的处理以及跟存量库表数据的关联计算，让上述矛盾更加突显。解决思路就是统一计算存储方式，从海量存储、存储编排、资源调度、计算加速。为了实现这套统一的范式，需要实现落地存算分离、存储编排、统一资源池等。
演讲大纲：
1. 贝壳数据架构的现状，如存储量、核数、gpu卡数、技术栈等
2. 贝壳数据架构要解决的核心问题，如存储成本、资源调度等
3. 解决问题的核心方法，如存算分离、存储编排、统一资源池调度等
4. 总结与未来的规划
听众收益：
1. 贝壳数据架构的规划、演进及经验分享
2. 贝壳数据架构对数智融合的关注、思考与实践
3. 贝壳数据架构对行业趋势的判断与规划
DeepSeek变革时代，Alluxio重塑企业AI存储范式
随着DeepSeek等大语言和多模态大模型的技术边界持续突破，全球AI训练集群规模已迈入百万卡级别，单次训练任务的数据吞吐需求突破PB/小时的级别。这场由算法创新驱动的“AI风暴”正深刻重塑着基础设施架构的核心规则，其中，存储侧的性能、扩展性、成本效率与数据主权控制，已成为决定企业AI成败的关键要素。Alluxio通过重塑企业AI存储范式，帮助企业构建高性能AI数据底座以应对I/O挑战，提升AI算力的效率与性能，被广泛应用于生成式AI、自动驾驶、AI制药、金融量化以及视频渲染等场景。
演讲大纲：
1. DeepSeek变革时代，AI存储所面临的主要挑战
2. 聚焦AI数据全链路闭环管道的核心环节，洞悉存储破局新范式
3. Alluxio技术架构和最新版本核心能力
4. 权威MLPerf Storage测试结果解读
5. 提高AI工作负载性能的Alluxio缓存策略以及典型案例
听众收益：
1. 了解提高AI数据访问性能的主要瓶颈
2. 了解Alluxio缓存加速的主要原理和技术
3. 了解主流AI存储基于MLPerf Storage测试的能力对比
4. 了解Alluxio在不同应用场景可以为用户带来的核心价值
在大数据与AI技术的推动下，RAG技术应运而生，通过检索增强生成，有效提升语言模型的生成质量和相关性，广泛应用于企业级多模态信息处理、智能问答、知识图谱等领域，成为处理复杂任务的关键技术。
搜搜薯：生成式搜索在小红书的应用与实践
小红书作为国内领先的社交电商平台，始终以"Inspire Lives 分享和发现世界的精彩"为使命，致力于通过技术创新为用户提供更智能、更精准的搜索体验。在过去一年中，我们成功构建了AI搜索服务——"搜搜薯"，服务上亿用户，通过通用问答与场景问答能力的深度融合，显著提升了用户体验与搜索效率。然而，传统RAG（检索增强生成）技术在应用过程中面临需求理解偏差、多文档矛盾消解困难、答案细节缺失等核心问题。为此，小红书自研了新一代检索增强框架——RedRAG，通过query规划、多文档知识聚合与细粒度答案生成技术，有效突破传统方案的局限性。本次演讲将分享小红书在RedRAG落地实践中面临的真实挑战，并将技术思考与优化经验回馈社区。
演讲大纲：
1. 小红书搜索业务背景
2. 为什么选择生成式搜索
3. 搜搜薯技术选型与实践
4. 生成式搜索未来展望
听众收益：
1. 了解RAG落地场景
2. 了解RAG系统化建设思路
3. 了解RAG使用业务场景
阿里云AI搜索Agentic RAG技术实践
介绍阿里云AI搜索在Agentic RAG、Graph RAG、多模态搜索等多个方向上的关键技术和难点，以及这些关键技术如何落地到开箱即用AI搜索服务和面向开发者的AI搜索开放平台，同时介绍具体客户场景落地的案例。
演讲大纲：
1. 阿里云AI搜索简介
2. 关键技术解读
● Agentic RAG、Graph RAG
● 多模态技术
● 搜索专属系列大模型
3. 产品落地
● 基于Elasticsearch的AI搜索
● 开箱即用深度搜索服务
● AI搜索开放平台
4. AI搜索未来方向
听众收益：
1. Agentic RAG相关技术实践
2. 阿里云AI搜索相关产品和客户案例
2025年的RAGFlow——多模态、上下文记忆、推理
RAGFlow作为头部的开源RAG引擎，已经在国内外数千家企业得到推广和使用。2025年的RAGFlow，会在多模态、记忆管理、推理等方面推出新的功能，本次分享带来目前RAGFlow在这些方面的进展。
演讲大纲：
1. 多模态RAG实践的工程问题
2. 记忆管理和实践
3. RAG推理实践
听众收益：
1. 了解RAG技术的工程实践
2. 了解RAG技术的发展和迭代
OceanBase RAG技术的应用与实践
在数据库技术支持场景中，面对用户问题繁杂、问法多变致使智能回复准确率低的难题，OceanBase引入并优化了Retrieval-Augmented Generation（RAG）技术架构。通过问题改写、嵌入优化、文档召回策略优化及RAG算法模型升级等举措，我们大幅提升了回复准确率。同时，在Data+AI领域内，我们也结合业务场景打造了高效、精准、可拓展的智能问答系统，助力ChatBI等系统的能力升级。本次演讲我将剖析RAG技术在OceanBase数据库场景的应和优化实践，以及在Data+AI领域的拓展应用与未来规划，希望给听众带来收获和启发。
演讲大纲：
1. 数据库技术支持场景现状
2. RAG技术架构与应用实践
3. RAG技术实施挑战与解决方案
4. RAG在Data+AI领域未来展望
听众收益：
1. 掌握RAG技术架构在数据库技术支持场景中的应用
2. 学习RAG技术的优化手段
3. 理解在Data+AI领域中智能问答系统的构建和应用
在人工智能和机器学习领域，高质量的数据集是模型训练和应用的基础。随着大模型时代的到来，对数据的需求量不断增加，合成数据技术应运而生。合成数据通过生成技术模拟真实数据，不仅能够提供大量多样化的数据，还能在隐私保护和数据标注成本方面提供显著优势。合成数据在预训练、微调、多模态交互、空间智能等多个领域都有广泛的应用，成为推动AI发展的关键技术。
OpenSeek高质量数据集构建开源实践
OpenSeek是由北京智源人工智能研究院（BAAI）发起的开源项目，旨在联合全球开源社区，推动算法、数据和系统的协同创新，开发出超越DeepSeek的下一代模型。 该项目从Bigscience和OPT等大模型计划中汲取灵感，致力于构建一个开源自主的算法创新体系。 自DeepSeek模型开源以来，学术界涌现出众多算法改进和突破，但这些创新往往缺乏完整的代码实现、必要的计算资源和高质量的数据支持。 OpenSeek项目期望通过联合开源社区，探索高质量数据集构建机制，推动大模型训练全流程的开源开放，构建创新的训练和推理代码以支持多种AI芯片，促进自主技术创新和应用发展。诚邀全球开发者深度参与OpenSeek项目，共同开发跨时代的下一代模型。
演讲大纲：
1. 数据来源准备
2. 数据合成
● 通用知识标签体系构建
● 原始语料标注、筛选
● 预训练QA数据合成
● 质量过滤
3. 数据预处理
● 去重
● 文档字符长度
● 质量分类器
听众收益：
1. 大模型全流程理解
2. 高质量数据处理Pipeline
3. 推理数据合成技术
4. 深度参与OpenSeek项目
在数字化和智能化浪潮下，零售行业正经历着前所未有的变革。AI技术的广泛应用不仅提升了运营效率，还极大地改善了顾客体验，推动了行业的创新发展。从个性化产品推荐、店面分析和洞察，到防损和资产保护、增强现实体验，再到自动生成营销内容，AI技术正在成为零售企业提升竞争力的关键工具。同时，数据驱动的决策模式正在成为零售企业的标配，通过深度分析用户数据，企业能够实现精准营销，提升用户满意度和忠诚度。
1688 AI原生应用的创新探索与实践
本次分享核心围绕1688在AI导购助手，AI深度搜索方面的探索和落地，探讨大模型如何围绕产品和业务进行建模，介绍大模型在电商领域中的应用前景，以及对传统电商导购模式的颠覆与重构。
演讲大纲：
1. AI大模型在1688场景落地的创新与挑战
2. 1688AI导购助手的技术实现
3. 1688AI搜索的技术探索与实现
4. AI时代电商场景的挑战与机遇
听众收益：
1. AI在电商场景的探索和思考
2. AI在落地应用场景的边界与突破
3. AI落地应用场景的技术范式变化
4. AI如何围绕业务目标建模
5. 零售行业在AI时代的机遇与发展
随着大数据、人工智能、区块链等数字技术的飞速发展，金融行业迎来了前所未有的变革机遇。从智能投顾精准匹配客户投资需求，到区块链技术保障跨境支付安全高效，数智技术正全方位重塑金融服务模式，推动传统金融向数智新金融时代迈进，为全球金融业务拓展与创新注入强大动力。
平安人寿智能风控体系建设实践
平安人寿秉持“保险姓保”的理念，致力于构建新一代智慧核保平台，通过“打造行业领先的预核保平台、推出创新核保政策、构建行业标杆的大数据风控模型”等核心举措，全面推动数字化转型，促进数据要素的高效流通。让客户真切感受到“科技，让投保更简单”的便捷体验。
通过引入机器学习、联邦学习等前沿技术，平安人寿搭建了亿级规模的数据集市，并升级了覆盖保前、保中、保后全生命周期的智能核保模型体系。同时借助联邦学习的分布式训练方法，在保护客户数据隐私的同时，显著提升了模型的精准度和稳定性，能够更有效识别客户风险。这一创新不仅助力核保政策的全国差异化落地，更实现了“千人千面”的个性化核保审核。
本次演讲，我将为大家分享平安人寿新一代智慧核保平台的技术架构设计与创新实践，希望能为听众带来启发。
演讲大纲：
1. 寿险智能风控体系的发展及目标
2. 数据互联在风控体系中的创新应用
3. 大数据算法平台在风控体系中的创新应用
4. 大模型在风控体系中的创新应用
5. 业务应用价值和未来探索方向
听众收益：
1. 了解平安人寿风控整体解决方案
2. 学习平安人寿智能风控体系的创新应用
3. 探讨大模型时代下金融风控的发展方向
在数据要素时代，数据已成为企业核心资产和创新驱动力。随着数据量的爆发式增长和应用场景的不断拓展，数据治理的重要性日益凸显。数据治理不仅涉及数据的存储、管理和安全，还包括数据的流通、共享和价值挖掘。有效的数据治理能够提升数据质量，保障数据安全，促进数据的高效利用，从而推动业务增长和创新发展。
滴滴数据血缘建设实践
随着集团业务的不断拓展，数据源和数据量呈爆发式增长，数据之间的关联愈发复杂，清晰地梳理数据血缘关系变得至关重要。本次分享，我将带领大家深入探讨滴滴数据血缘体系的构建实践与经验，助力开发与业务人员精准把握数据的上下游脉络。该体系在执行表下线删除或业务加工逻辑调整时，可快速识别出清晰链路，为数据治理提供精准有力的支撑。希望能带给听众启发和收获。
演讲大纲：
1. 血缘建设总览
2. 血缘设计与实现
3. 血缘应用
4. 遇到的挑战与解决方案
5. 后续规划
听众收益：
1. 学习搭建血缘体系的方法
2. 了解构建血缘应用的思路
实现人人可治理：Data Mesh 与自动化治理平台在游戏行业的应用实践
Achieving Governance for Everyone: Practical Applications of Data Mesh and Automated Governance solution in the Gaming Industry
育碧作为一家享誉全球的领先游戏公司，旗下的《彩虹六号》、《刺客信条》等多个品牌深受全球玩家和合作伙伴的喜爱。旗下游戏制作和运营由全球几十个工作室支撑，数据平台和IT系统错综复杂，构建了一个极为复杂的数据生态系统。在全球游戏行业激烈竞争的大背景下，数据治理和精细化运营的需求日益增长，为育碧的数据治理提供了新的机遇。为此，育碧数据办公室结合全球先进的数据治理框架与自身业务特点，正在量身定制一套微创新模式—— Data Mesh 与自动化治理平台，以降低治理门槛，让人人参与，实现育碧在数据领域精细化管理。演讲者将以数据治理方案的视角，为听众带来游戏行业基于复杂组织和系统的数据治理案例，特别是基于元数据构建自动化平台在AAA游戏的实践经验。希望和国内外数据治理伙伴们共同探索外部方案引入育碧的机遇。
演讲大纲：
1. 育碧的治理困局以及Data Mesh早期实践
2. 元数据驱动的自动化治理平台在AAA游戏的探索
3. 经验迁移和建议
听众收益：
1. 获取基于Data Mesh的数据治理的初期建设范式
2. 透视游戏行业特有挑战的解法验证路径
Ubisoft, a globally renowned gaming company, is celebrated for its iconic brands such asRainbow Six and Assassin’s Creed, beloved by players and partners worldwide. Supported by dozens of studios across the globe, Ubisoft operates within an intricate and highly heterogeneous data ecosystem comprising complex data platforms and IT systems. Against the backdrop of intense competition in the global gaming industry, the demand for data governance and operational excellence has grown significantly, presenting Ubisoft with new opportunities for data management innovation.
To address these challenges, the Ubisoft Data Office is tailoring a micro-innovation model combining the advanced Data Mesh framework and Automated governance platforms to lower governance barriers, enabling broad participation and achieving refined data management. This presentation will provide a comprehensive overview of Ubisoft’s data governance solutions, particularly in handling the challenges posed by complex organizational and system structures. Attendees will gain insights into leveraging metadata to build automated governance platforms and explore opportunities for adopting domestic and international data governance solutions.
Outline
1. Ubisoft data governance dilemma and early data mesh practices
2. Exploration of metadata-driven automated governance solution in AAA Games
3. Experience transfer and suggestions
Audience Benefits
1. Acquire initial frameworks for data governance based on data mesh
2. Gain insights into validated solutions for game industry challenges
在数据洪流时代，数据量呈爆发式增长，数据类型日益复杂，企业面临着前所未有的数据管理挑战。构建高效、智能、可信的数据架构，成为企业在数智化转型中脱颖而出的关键。
OpenLake：面向AI时代的数据基础设施演进
传统的数据基础设施在面对海量数据、多样化数据类型以及实时处理需求时，逐渐暴露出灵活性不足、成本高昂、扩展性有限等问题。OpenLake作为一种新型的数据基础设施架构，融合大数据、搜索、AI一体化方案，为企业提供更灵活、更经济、更高效的AI应用场景支持，助力企业更好地应对AI时代的挑战与机遇。
演讲大纲：
1. 面向AI时代的数据基础设施演进
2. OpenLake：大数据/搜索/AI一体化
3. 统一存储建设
4. 统一元数据建设
5. 大数据+搜索+AI多引擎融合
听众收益：
1. 从技术发展视角，了解面向AI时代的数据基础设施演进
2. 了解OpenLake架构所需的核心技术能力，例如存储、元数据等
3. 了解面向大数据AI一体化融合的应用案例
eBay数据平台化实践和思考
在电商世界里，数据的构建和分析是塑造业务战略和产品发展的关键要素。然而，一个缺乏精心设计的数据架构或者功能不全的大数据平台，可能会导致企业在开展数据工作时耗费大量资源和人力，难以拓展。在本演讲中，我将结合在eBay的经验，和大家探讨如何通过数据平台化的思路来应对这些挑战，并减少其中的技术痛点和难点。
演讲大纲：
1. eBay用户以及行为数据的洞察
2. 数据架构设计的关键实践
3. 大数据平台的应用案例
4. 未来的数据趋势展望
听众收益：
1. 数据平台化的技术实践
2. 数据部门平台化转型的教训和经验
3. 了解平台开发中的痛点难点的解决方案
流图计算引擎GeaFlow在蚂蚁多场景上的应用实践
本次演讲主题主要围绕蚂蚁集团自研的流图计算引擎以及在蚂蚁内部风控、知识图谱、流量归因、图数仓等场景面临的挑战及如何解决进行介绍。风控和大规模知识图谱场景是典型的图计算应用场景，同时我们通过图计算和图的OLAP引擎能力，助力大数据领域问题的解决，例如在大表JOIN场景能做到明显的性能加速。
演讲大纲：
1. GeaFlow流图引擎
2. GeaFlow应用场景
3. 大规模实时知识图谱构建
4. 未来展望
听众收益：
1. 对GeaFlow流图计算引擎有初步的了解
2. 了解哪些业务场景适合使用图计算引擎来处理，超大规模知识图谱GraphRag的挑战及解决思路
3. GeaFlow未来的技术路线及Apache捐赠规划
随着大数据和AI技术的飞速发展，ChatBI作为一款创新性的数据分析工具，正在逐步颠覆传统的商业智能模式。它通过深度整合AI技术与云平台能力，以对话式交互方式简化数据分析，广泛应用于商业、教育等领域。其技术基础是大型语言模型（LLMs），通过机器学习算法训练而成，能够理解和生成自然语言。
ChatBI在Trip.com的应用：利用大模型和Agent技术实现更高效的数据洞察
我们现有的数据可视化工具拥有丰富的数据指标和出色的图表展示能力，但是当用户想进行下钻分析时往往费力度较高。另外对于有一定SQL基础的员工，寻找合适的数据表及获取相关数据知识是他们工作中的一大痛点。我们通过充分利用LLM和Agent技术，与数仓现有的指标体系、数据资产体系相结合，推出ChatBI工具智能助手，提高了用户在数据洞察时的效率。
演讲大纲：
1. 数据分析现状及痛点
2. 基于ChatBI的智能助手方案
3. LLM和Agent技术的应用
4. ChatBI的未来展望
听众收益：
1. 稳定的指标数据智能识别方案
2. BI知识库和RAG的搭建
基于DeepSeek先进架构的数据分析智能体升级：技术突破与产业实践
随着DeepSeek技术的不断演进及其应用场景的多元化，AI Agent市场正迎来前所未有的增长机遇，尤其在企业数字化转型的背景下，智能数据分析和决策支持将成为企业运营的核心。此次分享将深入探讨数势科技的SwiftAgent如何全面融入DeepSeek，带来卓越的创新价值。我们将重点展示其技术架构、关键能力、行业应用实例及未来发展策略，旨在为企业探索ChatBI类产品提供新方向。
演讲大纲：
1. DeepSeek对Agent领域和自然语言交互式数据分析产品创新的重要影响
● 深入解析DeepSeek的技术架构及其在大数据分析领域的作用
● 探讨生成式AI如何与大数据技术融合，升级ChatBI类产品能力
2. 数势科技SwiftAgent与DeepSeek的深度结合
● 自动化数据准备与清洗
● 卓越的数据处理与语义层构建
● 先进的可视化工具与图表展示
● 深度推理与专业洞察报告生成
● 智能化策略生成与决策建议
3. 行业落地实践：金融、零售行业的实践分享
4. 技术难点与解决思路
5. 总结与未来规划
听众收益：
1. 先进企业将认识到DeepSeek在智能分析决策Agent领域的重要作用。
2. 技术团队将深入了解AI在自动化数据准备与语义构建中的技术架构和路线，解决自然语言对话在数据分析中的精准性和敏捷性问题。
3. 管理团队与业务部门将掌握可落地的AI结合路径和最佳实践，助力企业在AI时代实现转型与升级。
大模型驱动的DeepInsight Copilot在蚂蚁的技术实践
在蚂蚁集团数万人数据分析场景中，传统模式面临指标定义复杂、取数依赖SQL技术、洞见需专家经验、可视化搭建低效、深度报表开发周期长五大痛点。我们基于蚂蚁大模型与DeepSeek技术，构建DI Copilot智能矩阵，支持自然语言取数Text2DAL、自然语言定义度量、自然语言增强分析、自然语言生成报表等。DICopilot产品已覆盖阿里&蚂蚁集团N万+数据分析用户，实现：低门槛的自助取数，低门槛自助分析，高效的制作报表，效率提升10倍+。
演讲大纲：
1. 传统数据分析模式的核心痛点
2. DI Copilot技术体系与创新突破
3. 用户需求驱动的技术演进路径
4. 端到端智能模型技术升级方向
5. AI时代数据分析范式重构与价值验证
听众收益：
1. 大模型在数据分析场景的实践路径验证：DI Copilot产品化突围
2. 范式重构：人机协同新范式实现度量定义/可视化/洞察分析全链降本
3. 普惠革命：智能体技术突破驱动效率/能力/智力三重平权
4. 终极赋能：打造「懂业务、会思考」数据伙伴，人人皆可数据科学家
随着人工智能技术的快速发展，AI领域不断涌现新的突破和创新，近期DeepSeek的曝火更是引发了广泛关注。强推理模型、多模态大模型、生成式AI以及量子计算等领域的进展，正在推动AI技术向更高效、更智能的方向发展。大模型推理技术的优化升级，使得模型能够在更短的时间内提供更精准更合理的应答。多模态大模型通过整合文本、图像、语音等多种模态的数据，提升了模型的理解和生成能力。生成式AI在内容创作、艺术设计、自然语言处理等领域的应用越来越广泛。量子计算的引入，为AI模型的训练和推理带来了新的可能性，有望大幅提高计算效率。
从技术突破到商业落地：三维原生大模型Rodin的创新与实践
2024年6月，影眸科技推出全球首个三维原生大模型Rodin，基于图片及文本快速生成高质量三维资产，技术领先行业。其核心技术Clay荣获Siggraph 2024最佳论文提名，引领3D生成领域的技术变革，成为全球范围的主流探索路径。Rodin上线仅两月即实现100万美金年度循环收入，与国内外多家知名企业合作，广泛应用于游戏、3D打印、电商和汽车等行业。本次演讲将深入解析Clay的技术创新与研发突破，探讨三维生成领域的前沿趋势，分享Rodin在文娱、3D打印和XR领域的创新应用，并展望三维生成技术的产业化前景。听众在学习前沿技术的同时，也将了解技术成果转化的实践经验，洞察三维生成技术的商业价值与发展方向。
演讲大纲：
1. Clay核心技术创新与研发突破
2. Rodin在学术与商业领域的探索实践
3. 技术成果转化挑战与实践经验
4. 数字创作新时代的挑战与机遇
听众收益：
1. 掌握三维原生大模型Rodin的核心技术创新
2. 了解三维生成领域的前沿技术与创新突破
3. 洞察三维生成技术的产业化前景与商业价值
4. 了解Rodin在文娱等领域的商业应用和市场思维
5. 学习技术成果转化的实践经验
6. 把握数字创作新时代的机遇与发展方向
基于异质性建模的大语言模型长文本高效推理
大型语言模型(LLM)在推理过程中面临计算资源瓶颈，尤其体现在长文本场景中：一方面是参数规模庞大导致的存储压力，另一方面是KV缓存膨胀引起的内存占用。本报告将深入探讨这一双重挑战的协同优化方法，揭示两者之间的内在联系，并提出基于异质性现象的优化思路。研究表明，通过理解和利用大模型中的异质性，可以在保持模型性能的同时，显著降低长文本推理时的资源消耗，为大模型在资源受限环境下的部署提供新思路。
演讲大纲：
1. 大模型中的异质性现象
● 参数异质性：模型权重重要性分布不均
● 注意力异质性：KV缓存项价值差异显著
2. 基于参数异质性的模型压缩
3. 基于键值异质性的键值缓存压缩
听众收益：
1. 获得异质性视角，掌握权重参数和注意力机制中蕴含的内在规律
2. 学习系统化方法论，构建基于异质性建模的优化框架
3. 掌握技术整合能力，形成有效的解决方案
从Scaling Law视角探索大语言模型训练的最优超参
在大语言模型训练中，超参数调优往往依赖经验和试错，消耗大量计算资源。我们通过系统研究3700多个不同规模的模型，提出了普适性的超参数扩展规律--Step Law。实验表明，最优批大小与学习率可分别量化为数据集规模和模型参数的函数，预测误差低于0.1%。并且在不同的模型架构、不同的训练数据分布以及不同的模型形状上都表现出了惊人的泛化性，所有实验数据和开源工具已逐步开放，旨在帮助从业者显著降低调参成本。
演讲大纲：
1. 传统超参数调优的痛点与成本
2. 大模型超参曲面的凸性特征
3. Step-Law的提出、拟合与误差分析
4. 在模型结构、形状以及训练数据分布上的泛化性
5. 训练数据与结果的全面开源共创
听众收益：
1. 掌握大模型训练中学习率/批大小的精准计算范式
2. 理解超参数扩展定律的核心原理与推导逻辑
3. 获取价值百万GPU小时的超参数调优基准数据
4. 了解Scaling Law研究的实验设计与消融
随着人工智能技术的飞速发展，AI Agent正逐渐成为推动人机协作的新范式。AI Agent通过模拟人类的决策过程和交互方式，极大地提高了效率和用户体验。从智能家居控制、客户服务聊天机器人，到复杂的决策支持系统，AI Agent的应用范围广泛。随着技术的不断进步，AI Agent的能力和应用场景也在不断扩展，这使得学习和掌握AI Agent的相关知识变得尤为重要。
多模态、多端手机智能体Mobile-Agent实践
Mobile-Agent是通义实验室自研的多模态手机智能体，专为模拟人类在手机上的操作而设计，采用纯视觉理解的方案，能够像人类一样“看”懂手机屏幕上的内容。同时，为完成跨多个APP的复杂任务如比价等，还构建了自主进化的多模态智能体Mobile-Agent-E，通过自主生成tips和shortcuts，提高任务完成率。另外，针对电脑端，我们推出了面向复杂生产力场景的PC-Agent，通过精准拆解跨应用指令，有利于自动化办公。
演讲大纲：
1. 大模型智能体
2. Mobile-Agent 构建原理与实践
3. PC-Agent 构建原理与实践
4. Mobile-Agent 代码实战
听众收益：
1. 了解多模态智能体的背景和基础知识
2. 了解手机端智能体MobileAgent和电脑端智能体PC-Agent构建的基本原理和目标
3. 了解Mobile-Agent开源仓库
随着人工智能技术的飞速发展，BI 领域正经历着前所未有的变革。AI 与 BI 的深度融合，推动了 BI 向更智能、更高效、更易用的新范式转变。近期 DeepSeek 的曝火，更是为 AI 领域带来了新的关注和思考，其背后的技术创新和应用潜力，也为 AI 驱动的 BI 发展提供了新的思路和方向。
LLM在理想汽车数据分析场景的实践应用
随着大语言模型预训练的结束，开启了test-time computing 新开发范式以及最近DeepSeek-r1的成功，均表明借助于强化学习让大模型在专业领域拥有长思维能力为复杂问题的解决提供了新的思路。那么数据分析领域如何应用，我们根据自己的探索为大家带来落地经验分享。
演讲大纲：
1. 基于原生大模型能力的BI设计
2. 可信数据分析大模型的幻觉控制
3. 如何快速接入新数据
4. 智能归因分析初探
5. 展望
听众收益：
1. 了解LLM在数据分析以及BI领域的最新进展
2. 获得新一代BI探索的新方向
3. 了解如何利用LLM解决实际的数据分析问题
4. 了解将通用大模型应用到自己的业务问题的一种最佳实践
DataWorks Copilot在ETL与BI的应用实践
DataWorks Copilot依托前沿的大模型技术，构建了一套贯通数据全生命周期的AI for Data技术链路。产品能力贯穿数据集成、数据建模、数据开发以及数据治理等核心环节，不仅显著提升了开发者的工作体验与效率，更在数据分析场景中以数据洞察和ChatBox等创新形式提升数据消费的效率和体验，发挥数据价值。DataWorks Copilot已在阿里巴巴集团内部实现大规模覆盖，服务于数以万计的用户，并在阿里云平台上为互联网、零售、汽车、金融等多个行业提供了全面的应用支持与实践。
演讲大纲：
1. DataWorks Copilot演进路线介绍
2. 产品实践及创新
3. 大模型应用技术及创新
4. 未来畅想及突破
听众收益：
1. AI对大数据开发领域的带来的变化与影响
2. 通过AI技术提升数据消费能力
3. 大模型技术的应用与实践
菜鸟集团ChatBI在物流领域数据自助实践
菜鸟由阿里巴巴集团联合多家物流企业共同组建，致力于打造数据驱动、社会化协同的物流及供应链平台，目标实现全球72小时送达的智慧物流网络。菜鸟全球智慧物流网络，已覆盖200多个国家和地区，日均处理跨境包裹超400万件，并率先推动绿色物流，减少包装浪费，助力低碳环保等。本次演讲，将为大家分享菜鸟技术团队是如何利用AI达成数据驱动的物流履约场景，主要介绍ChatBI在物流企业数据自助实践经验，并把更多AI在物流场景的应用分享给大家。
演讲大纲：
1. 菜鸟业务背景介绍
2. 菜鸟ChatBI建设场景
3. 菜鸟ChatBI在物流领域实践
4. 更多AI实践在物流领域落地
听众收益：
1. 了解ChatBI在物流领域落地场景
2. 了解ChatBI系统化建设思路
随着人工智能技术的飞速发展，AI前沿领域不断涌现新的突破和创新。具身智能、AI在科学发现中的应用、AI芯片技术进展、联邦学习与隐私保护等领域的进展，正在推动AI技术向更高效、更智能的方向发展。具身智能通过模拟生物体的感知和动作能力，实现更加自然和高效的交互，应用前景广阔。AI在科学发现中的应用取得了显著进展，大型语言模型（LLMs）成为应对文献分析挑战的强大工具。AI芯片技术的不断进步，为AI模型的训练和推理提供了强大的硬件支持。联邦学习与隐私保护技术的发展，为数据的安全共享和利用提供了新的解决方案。
网易灵动：具身智能在工程机械智能化中的应用实践
近年来， 具身智能技术吸引了来自学术界和工业界越来越多的关注，也给机器人的广泛应用带来了潜在希望。工程机械行业是科技制造的典型代表，而工程机械智能化更是黄冠上的明珠。 具身机器人机器人技术和工程机械智能化的结合既有迫切的行业需求，又是验证和发展具身智能技术的完美场景。本演讲以人机协作挖掘机器人自动装车为例，首先介绍远控挖掘机的技术实现和困难， 然后介绍基于远控挖掘机落地的具身智能数据闭环，最后介绍目前基于端到端的自动装车模型的尝试和进展。
演讲大纲：
1. 工程机械智能化和具身智能技术的结合背景
2. 基于人机协作的远控挖掘机介绍
3. 基于人机协作的数据闭环
4. 基于遥操作数据的端到端模型的训练和进展
听众收益：
1. 了解工程机械智能方向的进展
2. 了解机器人遥操作技术的实现
3. 了解挖掘机器人自动装车技术的实现
4. 了解工程机械数据采集和模型训练的技术路线
面向通用具身智能的“虚实贯通”之路
上海人工智能实验室（上海AI实验室）完成首次“虚实贯通”技术体系全闭环验证，在“真实-模拟-真实”（Real-to-Sim-to-Real）路径下，加速打造可自主演进的具身智能进程。作为该体系“模拟”环节的核心，GRUtopia 2.0以高性能仿真，推动具身智能“在虚拟中走向现实”。升级后的GRUtopia2.0凭借通用模块化框架、场景资产自动化生成、高效数据采集系统三大革新，进一步向通用化、多样化、易用化迈进。仅通过单一平台、简单代码输入，即可实现仿真环境中机器人灵活训练，提升数据采集效率，为研究者提供了“一站式”具身智能开发解决方案。平台数据集、模型、工具链等将陆续开源，与业界伙伴共同促进技术进步与生态繁荣。
演讲大纲：
1. 回望具身智能的“数据金字塔”
2. 虚实贯通技术路线
3. “桃源”通用具身平台
4. 开源开放，共建具身生态
听众收益：
1. 了解具身智能领域的核心问题
2. 了解具身智能的虚实贯通路线解决数据稀缺的方案
3. 了解具身智能平台“桃源”平台的特性和使用方法
随着全球数字化转型的加速，AI技术已成为推动创新和经济增长的关键力量。AI技术的全球化趋势明显，不仅在跨境电商、智能制造、智能医疗等领域发挥着重要作用，还在全球范围内引发了资本的关注和追逐。AI出海产品创新与实践、海外市场需求及增长策略、全球视野下的AI出海投融资等议题，成为企业拓展国际市场、提升竞争力的重要方向。
Zilliz北美市场开拓探索及实战
在全球化的浪潮下，越来越多的科技从创办第一天起就立足于全球化。本次演讲将系统呈现Zilliz作为开源技术创新企业，在北美市场拓展过程中构建的体系化实践框架。我将为你深度解析市场进入策略的迭代演进、产品本地化的关键决策、跨文化团队的管理范式，以及在开源商业化模式上的创新突破，通过真实商业场景中的经验沉淀，为技术驱动型企业的全球化发展提供可复用的方法论。
演讲大纲：
1. 市场进入策略演进
2. 产品本地化实践路径
3. 全球化团队建设实践
4. 开源商业化创新探索
听众收益：
1. 获得科技企业全球化战略的实战经验
2. 掌握技术产品全球化落地的关键成功要素
3. 学习跨地域团队管理的创新方法论
4. 借鉴开源商业化在全球市场的实践路径
让AI更懂你：MiniMax多模态AIGC在海外智能交互中的应用
2024年9月，MiniMax推出首款AI高清视频生成模型Abab-video-1，迅速登顶AI产品榜全球及国内增速榜双榜单TOP 1。同年MiniMax再次引领技术潮流，推出专为二次元优化的图生视频模型I2V-01-Live。并持续创新，发布Subject to Video模型。MiniMax在海外为广告、影视、教育等领域提供了全新的内容创作解决方案。
MiniMax海外团队推出全球领先的多模态AIGC技术，通过整合语音、文本、图像和视频等多种模态数据，已广泛应用于智能客服、虚拟助手、教育娱乐等领域。
本次演讲将深入解析MiniMax的多模态AIGC技术创新与研发突破，探讨多模态生成领域的海外应用的前沿趋势，分享其在智能交互、个性化推荐和实时反馈中的创新应用，并展望多模态生成技术的产业化前景。
演讲大纲：
1. 业界趋势：MiniMax多模态AIGC的核心技术
2. 落地场景：海外场景从模型到实际应用
3. 典型案例解析：社交+广告+数字人制作
听众收益：
1. 了解MiniMax多模态AIGC技术的核心能力
2. 学习海外应用大模型的典型案例
3. 交流多模态技术在智能交互、个性化推荐和实时反馈中的实践方法
4. 洞察多模态生成技术的产业化前景与全球市场机遇
随着人工智能（AI）、生成式 AI（AIGC）、虚拟现实（VR）、增强现实（AR）等数智技术的飞速发展，娱乐行业正迎来前所未有的变革。这些技术不仅提升了内容创作的效率和质量，还为用户带来了更加沉浸式、个性化的体验。例如，AI技术已被广泛应用于剧本创作、角色建模、场景设计等多个环节，提升了创作效率和艺术表现力。通过大数据分析，AI还能够精准预测观众喜好，帮助制作方打造更受欢迎的作品。此外，AIGC技术在文本生成、图像生成、视频生成等方面的应用，极大地简化了内容创作流程，实现了从素材到成品的快速转化。
腾讯海外游戏大数据平台建设助力游戏增长实践
海外游戏面临着相比国内复杂的业务环境及诸多挑战，如何设计一套合规、高效、灵活的数据架构支撑海外游戏业务的经营分析、数据洞察、算法落地成为了海外数据驱动增长目标的关键，本次演讲将主要介绍海外游戏数据平台从0到1演进的心路历程，以及重点介绍海外游戏广告平台建设过程中的工程治理优化实践。
演讲大纲：
1. 海外游戏业务简介
2. 海外游戏多云大数据架构演进
3. 海外游戏广告分析平台工程治理优化实践
4. 下一步规划展望
听众收益：
1. 海外游戏数据驱动游戏增长效果
2. 海外游戏大数据架构设计经验、思路
3. 海外游戏广告投放场景及挑战
携程旅游场景RAG+Agent应用实践与展望
旅游场景面临大量非结构化数据的挑战，包括文本和图片，同时需要面对客人复杂多变的问题和咨询，我们通过实践得出最佳的RAG和Agent应用方式，并通过多模态RAG等技术手段提升效果，成功落地在智能客服等多个场景中，并取得了良好效果。
演讲大纲：
1. 旅游业务背景
2. 旅游场景面临的挑战
3. 旅游场景RAG+Agent方案
4. 实践落地效果
5. 未来规划
听众收益：
1. 了解RAG技术的核心原理和实现机制
2. 学习如何将RAG应用于实际场景
3. 学习如何提升RAG性能
4. 掌握如何设计和实现更高效的RAG+Agent架构
5. 了解RAG的未来发展趋势和应用前景
网易伏羲基于LLM的游戏智能交互应用实践
网易伏羲作为网易旗下的人工智能研究机构，致力于利用前沿人工智能技术释放劳动者的生产力，探索人机协作的全新时代；网易伏羲已经将AI技术广泛应用在数字文娱、智能制造等领域的多个场景。本次演讲重点介绍了LLM技术在智能NPC、AI队友、AI捏脸等游戏场景中的落地应用，具体展示了相关背景、技术挑战及解决方案、展望未来更广泛的应用场景。
演讲大纲：
1. 网易伏羲整体介绍
2. 基于LLM的典型游戏应用场景介绍
● 游戏智能NPC系统的构建与应用示例
● 可实时语音交流的游戏AI队友
● 交互式AI捏脸技术展示
3. AI技术在游戏领域的应用展望
听众收益：
1. 了解和启发游戏场景有哪些可以和AI结合的点
2. 了解LLM技术如何在游戏场景落地
在当今数字化浪潮的推动下，制造业正加速迈向数智化新时代。物联网、大数据、人工智能、5G等前沿技术深度融合，为制造企业带来了前所未有的变革机遇。从智能工厂的高效生产流程，到工业互联网平台的协同创新，数智技术正全方位重塑制造业的生产方式、管理模式和商业模式，推动传统制造向高端化、智能化、绿色化转型，为全球制造业的高质量发展注入强大动力，助力企业在激烈的市场竞争中脱颖而出。
蔚来汽车基于RAG技术的搜索技术实践
APP 是新能源车企一个重要的车控入口，车主的效率工具，是重要的了解车辆使用信息的工具，利用大模型技术提升传统搜索的效率是一个行业普遍趋势，这里主要介绍RAG 技术在蔚来汽车的业务场景和实际落地经验教训等，以及如何结合业务特点从供给、检索到大模型生成的全链路的实践和迭代思路等。
演讲大纲：
1. 蔚来汽车业务背景
2. RAG系统架构与核心技术介绍
3. 核心技术落地实践
● 意图识别
● 数据流转
● 多模态向量检索
● 大模型生成
4. 安全与合规策略
5. 技术展望
听众收益：
1. 了解 RAG 技术的行业落地细节
2. 了解大模型微调技术的实践经验
3. 了解搜索业务场景的迭代思路
从传感器到智能决策：数据驱动企业发展与ESG创新的全链路实践
在当今数字化时代，制造业正面临着前所未有的变革。本次演讲将深入探讨数据在制造业研产、服务、节能及 ESG 等各个环节的应用。通过真实案例，展现数据如何跨部门流转并创造价值，最终结合GRAPHRAG知识图谱与LLM大语言模型，构建企业级智能知识库，实现数据驱动的节能决策与ESG创新。本演讲不仅揭示技术落地的关键路径，更将探讨如何通过AI技术打破部门壁垒，推动企业从“经验驱动”向“数据智能驱动”转型。
演讲大纲：
1. 将单条数据串进整厂数字化体系做应用
2. 机器学习在制造业应用中的实际案例
3. GraphRAG在制造业场景的具体应用成果
4. 业务专家无需代码运用 AI 的方法与途径
5. LLM（DeepSeek）在制造业未来可能的应用场景
听众收益：
1. 深入了解制造业数据从采集到应用的完整路径
2. 学习到各部门如何利用数据解决实际业务问题
3. 掌握节能与智能知识库构建的前沿技术应用
安全与能效的博弈：换电站智能充电系统的算法突围战
在电动汽车渗透率突破35%的当下，蔚来换电站日均处理超20万次电池充放电操作。我们通过构建全球首个多阶段混合整数规划（MILP）模型，破解了"充电安全阈值动态设定"、"电价时段离散化决策"、"充电功率阶梯选择"三大核心难题：
1. 创新设计电池健康状态-充电应力耦合方程，将电芯膨胀系数、SEI膜生长速率等8项老化指标量化为0-1整数约束条件
2. 开发时空离散化建模工具，将24小时电价波动、需求预测离散为576个5分钟决策单元，建立包含3.2万个决策变量的优化模型
3. 提出分层强化学习-整数规划混合架构，上层RL动态调整安全权重系数，下层MILP求解最优充电序列
演讲大纲：
1. 行业困局：数字解读"进站即充"的代价
2. 技术破局：电池充电与线性规划的交响曲
3. 落地攻坚战：从实验室到3000+换电站
4. 商业实证：江浙沪的数字战报
听众收益：
1. 掌握将工业机理转化为数学约束的方法论
2. 学习千万级MILP模型的工程化实现路径
3. 获取电池充电成本量化的独家指标体系
4. 洞察换电站与电网协同优化的商业空间
面向数智融合的贝壳数据架构演进
08年硕士毕业于中国科学技术大学后在阿里巴巴搜索技术中心从事Hadoop工作，参与建设云梯集群，在豆瓣、新浪、京东、商汤期间等从事大数据、AI相关架构工作，19年8月加入贝壳至今，现为贝壳计算存储部负责人，负责大数据集群及核心组件、AI基础设施、搜索云、多媒体服务等建设。
DeepSeek变革时代，Alluxio重塑企业AI存储范式
本科毕业于上海交通大学电子系，随后取得香港中文大学信息工程博士学位，毕业后加入新加坡高级数字科学中心（美国伊利诺伊大学在新加坡的研究所）从事科研工作，在计算机网络和分布式系统领域相关的顶级国际会议发表多篇论文。加入Alluxio前，傅正佳曾在新加坡科技公司Bigo Technology担任机器学习研发总监。
搜搜薯：生成式搜索在小红书的应用与实践
陈博，硕士，毕业于浙江大学计算机学院。曾在阿里巴巴达摩院任职，目前担任小红书搜索算法DQA组场景卡算法负责人，擅长AI搜索、电商搜索召回相关性等领域，曾在ACL、NAACL、IJCAI等会议发版论文6篇。
阿里云AI搜索Agentic RAG技术实践
阿里云AI搜索研发负责人，负责阿里云AI搜索产品OpenSearch、阿里云ElasticSearch AI研发，以及开源搜索引擎Havenask研发。覆盖AI搜索、向量检索、大数据检索、对话式搜索等多个场景。带领团队研发多款搜索、推荐和智能问答类产品研发。目前主要聚焦在大模型AI搜索研发，关注大模型AI搜索对业务和客户的价值。
2025年的RAGFlow——多模态、上下文记忆、推理
英飞流 InfiniFlow 联合创始人，连续创业者，先后负责多年搜索引擎，数据库内核，云基础架构和大数据架构，以及人工智能核心算法研发，包括广告推荐引擎，计算机视觉和自然语言处理。先后主导并参与多家大型企业数字化转型，支撑日活千万，日均两亿动态搜索请求的互联网电商业务。自InfiniFlow创业一年以来，已孵化了2个开源AI项目，一个是仍在快速迭代和增长中的头部RAG引擎RAGFlow，一个是专用于RAG场景的AI原生数据库Infinity，后者服务前者，共同解决LLM落地的普遍痛点。
OceanBase RAG技术的应用与实践
蔡飞志，花名谷渐，OceanBase技术部高级技术专家。毕业于北京大学，2014 年进入 OceanBase 团队，先后从事 OceanBase 数据库代理、数据库驱动、分布式存储的研发，目前是 OceanBase 开源生态的研发负责人。对于LLM、AI Agent 相关技术方向感兴趣，是个喜欢聊天的 i 人。
OpenSeek高质量数据集构建开源实践
智源人工智能研究院数据研究组的负责人，主导开发了悟道天鹰（Aquila）系列语言大模型，以及Infinity Instruct千万指令数据集系列等重要项目，目前正专注于基于大模型的数据合成技术的研究与应用，致力于推动该领域的技术进步和创新。
1688 AI原生应用的创新探索与实践
张进，阿里集团1688AI团队算法负责人。多年NLP，多模态，强化学习等AI相关领域的研究工作，多年AI创业经历，当前负责1688的AI原生应用以及AI创新产品的研发。
平安人寿智能风控体系建设实践
从事数据挖掘相关工作10年，负责公司寿险领域核保风控模型、理赔自动化等模型开发，参与基于大模型的chatBI项目研发。参与的风控模型项目曾获得“燕梳奖”、“金信通”奖等荣誉。
滴滴数据血缘建设实践
罗学焕，目前就职于滴滴出行，在公司数据平台组主要承担数据资产与数据地图相关研发工作。曾持续在数据平台领域学习工作，参与从0到1数据平台的构建，离线开发平台，实时平台等相关工作。目前专注于元数据体系及血缘体系构建，血缘解析等相关的研发。
实现人人可治理：Data Mesh 与自动化治理平台在游戏行业的应用实践
Achieving Governance for Everyone: Practical Applications of Data Mesh and Automated Governance solution in the Gaming Industry
唐竹，现任育碧数据办公室（Ubisoft Data Office）数据治理产品总监，拥有超过10年的游戏行业数据 (特别是数据治理) 产品经验，并获得CDMP认证。目前，她正带领团队致力于设计并实施一套面向育碧全球几十个工作室的企业级数据治理产品方案，推动数据治理的全球化落地。
OpenLake：面向AI时代的数据基础设施演进
负责 Apache Paimon 的研发和产品，PMC Chair of Apache Paimon，PMC member of Apache Flink。先后从事分布式流计算、分布式批计算、湖存储，目前专注于流式湖仓的技术。
eBay数据平台化实践和思考
先后在Alibaba、Splunk、eBay等大型跨国企业工作。现就职于eBay担任架构师，专注于电商用户行为处理和分析领域，以及数据平台化技术工作。
流图计算引擎GeaFlow在蚂蚁多场景上的应用实践
目前就职于蚂蚁集团，是流图计算系统GeaFlow的负责人，之前在阿里巴巴集团一直从事流计算系统和OLAP系统等设计研发工作。工作多年以来，一直从事大数据和图计算领域的相关工作。
ChatBI在Trip.com的应用：利用大模型和Agent技术实现更高效的数据洞察
十年以上大数据相关工作经验，负责携程海外版Trip.com的数据仓库工作。曾主导多个集团和部门级大数据项目，具有丰富的旅游及海外业务大数据管理经验。
基于DeepSeek先进架构的数据分析智能体升级：技术突破与产业实践
负责数势科技智能算法的开发，包括LLM Agent，RAG，内容推荐，文本生成，知识图谱挖掘等算法技术。英国纽卡斯尔大学博士，在智能算法领域学术与工作经验丰富。在学术研究方面，拥有10项智能算法相关专利并发表4篇国际期刊，曾主导由欧洲玛丽居里计划资助的国际项目，在研究期间，共发表了3篇期刊文章、1篇会议文章和1篇Chapter；在工作方面，曾任职京东零售数据中台，负责人工智能技术在营销领域的相关落地，多次获得优秀员工及集团战略项目奖，曾获HICOOL全球创业大赛二等奖。
大模型驱动的DeepInsight Copilot在蚂蚁的技术实践
蚂蚁集团DI Copilot技术专家，主导DeepInsight智能数据分析平台&智能化技术能力建设。重点通过自然语言交互实现金融场景下的智能数据查询、智能分析、可视化生成及分析报告自动化输出，提升企业级数据分析效率。整合蚂蚁大模型与多模态技术，优化平台在数据理解、复杂逻辑推理等场景的准确性。推进大模型与数据分析工具链深度融合，形成标准化智能分析解决方案。重点关注领域：多模态融合推理、智能化工程体系、数据价值发现。
从技术突破到商业落地：三维原生大模型Rodin的创新与实践
张启煊是3D GenAI初创公司影眸科技联合创始人兼CTO。他专注于计算机图形学、计算摄影和生成式AI，多项研究成果被SIGGRAPH、ICCV和CVPR等顶级学术会议接收，两次获得SIGGRAPH最佳论文荣誉提名，发布了多款创新的3D GenAI工具，包括Rodin、ChatAvatar和WAND。
基于异质性建模的大语言模型长文本高效推理
崔万云，上海财经大学信息学院副教授，博士生导师。他是AI2000最具影响力学者提名，ACM中国优博提名奖、ACM上海优博奖得主。在NeurIPS、ICLR、ACL、EMNLP、SIGMOD、PVLDB、IJCAI、AAAI等会议上发文二十余篇。主持国家自然科学基金青年项目、上海市青年扬帆项目等。
从Scaling Law视角探索大语言模型训练的最优超参
郑文镇，中国科学院大学硕士，阶跃星辰大模型预训练算法研究员，主要研究方向为大语言模型的Scaling law。
多模态、多端手机智能体Mobile-Agent实践
张熙，博士毕业于中科院自动化研究所，目前担任阿里通义实验室高级算法工程师，负责多模态智能体Mobile-Agent、PC-Agent等工作。在国际顶级期刊和会议TPAMI/TIP/CVPR/ACM MM/TMM/TCSVT等发表论文，曾获得CCL BEST Demo、China MM BEST Paper、VCIP BEST Student Paper、中科院院长奖等，担任多个顶级会议与期刊Reviewer，并在开源社区Github获得3.5k star。
LLM在理想汽车数据分析场景的实践应用
张升涛，目前就职于理想汽车，致力于大语言模型在数据分析领域的应用和推广。曾参与完成京东个性化推荐第一版，金山软件智能运维系统，迅雷网络推荐系统的搭建和优化工作。
DataWorks Copilot在ETL与BI的应用实践
2011年加入阿里巴巴集团，曾主导集团内部部门级数据产品的建设与应用。现任阿里云产品DataWorks Copilot技术负责人，负责数据建模、数据开发、数据分析等产品能力的建设。
菜鸟集团ChatBI在物流领域数据自助实践
现任菜鸟集团-平台产品&数据平台&人工智能部 产品总监，2010年至今在阿里巴巴淘宝、阿里云、菜鸟集团就职；0-1创建产品Quick BI、DataWorks数据管理、DataWokrs-DQC数据质量等公有云产品，并支持多项专有云商业化项目交付；实践大数据人工智能在物流快递数字化、电子面单、物流云等物流领域应用；CCSA大数据技术标准推进委员会编委、DAMA中国会员圆桌嘉宾、参编《数据标准管理实践白皮书》，专利12项。
网易灵动：具身智能在工程机械智能化中的应用实践
陈赢峰 ，网易伏羲机器人算法负责人，工程机械机器人业务技术负责人，研究集中在机器人、强化学习和游戏AI等相关领域。博士毕业中国科学技术大学，在校期间多次参加Robocup世界机器人大赛并于2014年获得服务机器人组别世界冠军，参与研发中科大“可佳”系列机器人项目。曾担任网易伏羲强化学习研究负责人，将强化学习前沿技术创造性的应用在游戏AI、游戏测试领域，并在网易多款游戏中落地应用并上线。现负责多款工程机械机器人，包括挖掘机器人，无人装载机等产品的技术研发和算法预研。在NeurIPS，IJCAI, AAAI, ICRA等人工智能和机器人顶会上发表论文60余篇，并获取2019 ASE最佳论文奖，长期担任NeurIPS, AAAI, ICRA等会议期刊审稿人。授权国家发明专利50余项，入选杭州市“青年科技人才培育工程”，荣获“滨江区青年科技人英才”称号。
面向通用具身智能的“虚实贯通”之路
汪汗青，上海人工智能实验室具身智能中心青年研究员，2024年博士毕业于北京理工大学，他曾于微软亚洲研究院、阿联酋起源人工智能研究院、苏黎世联邦理工学院访问，主要研究方向为具身导航和仿真数据生成。他以第一作者在CVPR、ECCV、ICCV、NeurIPS、TPAMI、IJCV等计算机视觉和人工智能的顶会顶刊发表论文十余篇，并多次担任相关会议期刊的审稿人。他曾获国家奖学金、国家留学基金委公派留学资助、北京市优秀博士毕业生，上海市超级博士后等荣誉称号。他作为主要负责人带领实验室团队开发了通用具身仿真平台桃源(GRUtopia)以解决具身智能领域数据稀缺问题，目前已在开源社区Github上获得670+ star。
Zilliz北美市场开拓探索及实战
郭人通是 Zilliz 合伙人和产品总监，是 CCF 分布式计算与系统专委会执行委员。他专注于开发面向 AI 的高效并可扩展的数据分析系统，是 Milvus 项目的系统架构师和 Zilliz Cloud 产品负责人。工作成果曾发表于 SIGMOD、VLDB、USENIX ATC、ICS、DATE 等国际顶级会议与期刊。在加入 Zilliz 前，他曾就职于华为，是 ModelArts 平台核心研发成员。郭人通拥有华中科技大学计算机软件与理论博士学位。
让AI更懂你：MiniMax多模态AIGC在海外智能交互中的应用
张如欢，资深AI架构师，拥有10年AI行业经验，亲历AI 1.0至AIGC时代的技术演进。曾在百度、Nuance、华为等科技公司担任AI产品经理，主导多项创新智能交互AI产品的落地。具备较深厚的技术洞察与商业化能力。
腾讯海外游戏大数据平台建设助力游戏增长实践
2017年加入腾讯，超过8年互联网大数据架构及应用经验，先后参与腾讯国内游戏、微信支付、海外游戏等业务大数据平台建设工作，带领团队从0-1构建海外游戏大数据多云架构及迭代演进，当前主要负责海外游戏广告分析平台建设工作。
携程旅游场景RAG+Agent应用实践与展望
携程技术专家，从事10年自然语言和机器学习算法工作，主要负责携程旅游部门主要算法落地和大模型应用，主导了包括携程智能客服在内的多个落地项目。
网易伏羲基于LLM的游戏智能交互应用实践
在 ICLR、ACL、EMNLP、AAAI 等国际顶级会议上发表了30余篇论文，研究方向涉及大模型生成、人设对话、图文多模态等，并有丰富的AIGC技术应用经验，在游戏智能NPC系统、虚拟陪伴、AI绘画、AI音乐等场景中落地。
蔚来汽车基于RAG技术的搜索技术实践
资深算法专家，曾先后就职于诺基亚、携程、美团等企业，现任蔚来搜推算法负责人。在美团期间，负责点评外卖搜索业务，主导了泛商品搜索推荐项目。目前主要负责蔚来、乐道、萤火虫等多个APP搜索和推荐业务。
从传感器到智能决策：数据驱动企业发展与ESG创新的全链路实践
毕业于费尔菲尔德大学 MBA，专注于数据分析解决方案。擅长机器学习、知识图谱，凭借深厚的专业知识和丰富的实践经验，为企业提供精准、高效的数据洞察，助力商业决策与业务增长。
安全与能效的博弈：换电站智能充电系统的算法突围战
新能源智能化先锋——蔚来汽车数据算法专家，前网易数据分析业务裂化专家。深耕多目标优化算法与电池健康管理，主导研发的换电站智能充电系统已落地全国3000+座换电站，实现单站日均服务能力提升15%、充电损耗降低2%。相关成果获2项国家发明专利。持续在AAAI、KDD等顶会发表电池充电相关论文，致力于通过算法重构能源基础设施运营范式。
