〇 分享简介 〇

伴随着近两年数据中台概念的起伏，企业数据中台逐步驶入应用深水区，到底哪些企业适合建设数据中台，以及如何利用数据中台实现数据资产价值挖潜，便成为了企业数字化转型绕不开的话题。

在过往几年，58同城不断深化数据服务建设，解决数据历史包袱，为业务转型提供“大数据基座”，用数据服务增援业务发展，使之成为了企业产业化转型道路上不可或缺的“粮草弹药”。

本次分享将基于产品数据中台建设过程的一些所见所得，与各位在数据中台的建设流程、建设误区以及大数据应用对企业发展的长远价值等方面展开讨论。

〇 分享收益 〇

目标

1. 掌握数据中台基本概念，理解数据中台建设基本流程

2. 理解大数据对企业的价值，了解大数据在企业中的应用场景

3. 理解数据价值挖掘为企业带来的赋能作用

成功（或教训）要点

1. 数据中台建设，因地制宜

2. 结合业务增长诉求，挖潜数据价值

启示

让听众对产品数据中台建设产生认知，推动数据产品行业影响力。

〇 分享亮点 〇

1. 数据中台建设误区

2. 数据中台建设“三明治理论”

3. 数据中台建设思路

4.   QA

〇 分享简介 〇

在流量红利消失、疫情持续、企业收缩的大背景下，为降低企业新业务试错成本，特从商业产品底层认知、战略规划、孵化落地、加速发展四个维度为大家讲述不一样的顶层商业产品思维、理论、方法，帮助企业加速商业产品落地，降低试错成本，提升企业创新产品竞争力。

〇 分享收益 〇

目标

1、了解大企业产品创新思维及模式

2、学会大企业商业产品规划落地方式

3、掌握大企业开放式创新思维及方法

成功要点

创新需要的不仅仅是方法，更重要的是环境，只有良好的环境才能萌发盎然生机。大企业在创新时要从道（创新环境、创新文化）、法（创新机制、创新流程）、术（创新方法、创新策略）、器（创新工具、创新资源）四个维度全面的提升，才能创造出好的产品，实现企业的二次增长。

启示

当流量红利消失，MVP快速试错的理论就显的捉襟见肘，试错成本远远大于投资收益，此时“精益创新”就显得尤为重要。MVP在大企业的应用，就需要转变思路，运用新的方式方法，有效推动创新落地，而非高效。

〇 分享亮点 〇

1、商业产品创新与当下环境趋势

2、商业产品战略规划思路与框架

3、大企业加速创新商业产品落地的方法

4、通过开放式创新加速商业产品落地实践

5 、QA

〇 分享简介 〇

数字化转型、数据驱动决策被各个行业挂上口头的今天，让抽象的数据被看见依然是绕不开的第一步。数据可视化产品就是以产品化的形式，降低数据获取成本，提升数据分析效率，助力决策。但就是这样类似"水电煤"一样的基础设施，却总是被忽略，其重要性总是让位于其他围绕数据开展的工作，导致数据供应链上"最后一公里"的工作总是没有发挥出价值。

本内容分享数据可视化在企业中的真实价值，围绕这个价值数据可视化的工作应该包括哪些，以及通过本人长期在企业中的数据可视化实践工作，探讨下保证这一过程发挥价值的通用逻辑。

〇 分享收益 〇

目标

1. 了解什么是数据可视化，企业数据可视化产品的发展现状

2. 明确数据可视化产品对企业的真实价值

成功（或教训）要点

数据可视化产品对企业的有巨大的真实价值，明确数据可视化的工作范围以及通用方法论

启示

形成数据可视化产品优劣的判断标准，对企业达成数据可视化价值共识有着长远作用。

〇 分享亮点 〇

1. 为什么要做数据可视化

  1）人类是视觉动物，可视化是高效提取抽象信息的途径

  2）企业中一切以效率为王，让数据直观呈现是基本要求

  3）数据可视化对企业的价值分层：生产、温饱、小康

2. 什么是数据可视化

  1）数据可视化的发展沿革

  2）数据可视化产品在企业中的发展现状

3. 如何做好数据可视化产品

  1）数据可视化的工作范围：

         a. 图表堆砌的工作范围

         b. 讲出数据 故事的工作范围

  2）数据可视化各阶段的方法论

         a. 需求沟通（业务流程挖掘）

         b. 指标体系搭建（OSM，UJM）

         c. 数据可视化产品选择（谁来看，看什么）

         d. 数据可视化产品搭建（看什么、怎么看，怎么办）

4. 如何判断一个数据可视化产品的优劣

  1）数据准确性与时效性

  2）业务人员也能看懂的数据故事

  3）能够形成指导意义的数据

5. QA

〇 分享简介 〇

目前微服务架构已经成为一种比较主流的服务架构模型，如何精准的定义微服务，将微服务架构的优势与实际业务更好的相结合是很多架构人经常遇到的问题，本次分享会借助快狗打车订单中心微服务架构的演进过程让大家更快更准确的认识微服务。在这里主要阐述订单中心的微服务划分与服务分层设计，做到服务的持续演进，从而响应业务的快速变化。如何定义前台服务与后台服务，实现核心业务线的稳定性保障。同时还会结合订单中心数据库架构的演进过程，全方位的展示微服务架构的魅力所在。

〇 分享收益 〇

目标

1.分享微服务架构设计的优势，来优化微服务架构细节。

2.业务架构设计中结合实际业务做到架构的合理性。

3. 架构设计中服务的稳定性高质量实现。

成功（或教训）要点

以实际业务为基础，依据公司的业务驱动，设计更加合理的微服务架构。

启示

微服务架构不是单纯的服务拆分。合理的定义微服务，能够让服务具备持续演进，快速响应业务变化的能力，同时还要有效的保障服务的稳定性。

〇 分享亮点 〇

1.为什么采用微服务架构模型。

2.微服务架构需要怎样的的基础条件。定义微服务时需要注意哪些事项。

3.结合订单中心业务架构演进，介绍订单中心如何进行服务分层，前后台服务如何划分。

4.订单中心数据库架构演进过程。

5.如何保障微服务架构的稳定性。

〇 分享简介 〇

服务的分布式部署显著提高了服务容量，但在分布式场景下请求链路变得异常复杂，同样的请求会经过不同的服务器节点。有时候我们会期望流量经过特定的服务节点，例如测试流量经过特定的开发中的节点，在线压测时压测流量与正常用户流量的隔离，这就要求系统具备流量的路由能力。转转公司流量路由支持RPC调用和MQ消息，历经两个版本的迭代，有效地支持了转转公司测试环境的流量路由及压测流量的隔离。

本次分享将为大家带来转转流量路由的详细原理、应用实践，以及实施过程中的难点和踩过的坑。

〇 分享收益 〇

目标

1. 了解流量路由的作用及需求场景

2. 了解RPC及MQ流量路由的原理

3. 能在生产实践中应用流量路由解决实际问题

成功要点 

流量路由显著降低了测试环境部署成本，将部署时间从1-2天降至30分钟-1小时，再进一步降低至5-10分钟。同时调用链路可视化进一步降低了排查问题的成本。

启示

中间件开发要始终围绕业务痛点去解决问题，才能推广顺利，取得业务、架构、公司三赢的结果。

〇 分享亮点 〇

1. 为什么需要流量路由

2. 没有流量路由的测试环境解决方案

3. 基于IP的流量路由

        - RPC服务打标

        - MQ消费端打标

        - 流量打标

        - 标签的传递

        - RPC流量路由原理

        - MQ流量路由原理

        - 优点与缺点

4. 基于标签的流量路由

        - RPC服务打标

        - MQ消费端打标

        - 流量打标

        - 优点与缺点

5. 分布式调用跟踪系统的作用

6.  QA

〇 分享简介 〇

一切皆规则，风控引擎作为一种思维模式与编程行为，人们要做的事情就是把能够采集到的业务数据直接扔给决策引擎。性能，对于互联网尤其是风控业务，低延迟是必不可少的，不能因为增加了风控反而严重影响业务体验。便于维护，主要是现在的风控内容，需要专业的同学去编写，而不是靠技术人自己去硬编码，一个适用于业务同学习惯的IDE很重要。实时更新，对于现在的风控规则内容因为外部的变化，必须要足够及时去应对变化，一个好的风控引擎能做到实时更新决策内容太重要了。

性能优化作为工作中经常需要去解决的常见问题，有一套实践方法，本次分享通过美团酒旅风控引擎优化实践，分享本地缓存优化、对象池优化、序列化优化、JVM参数优化、富客户端优化等常见的优化方法，也系统性的分享性能优化的思路和流程。

〇 分享收益 〇

目标

1. 了解常规的性能优化思路

2. 了解性能优化的常见方法和常用工具

3. 通过案例了解性能优化具体过程

成功（或教训）要点

深入了解业务，了解性能优化相关方法，敏捷迭代，最终取得不错优化效果。

启示

在高吞吐高并发的情况下，各种情况都可能会引起CPU的资源竞争，造成耗时上升、CPU雪崩等问题,这个时候更是要沉下心来把拆分问题进行拆分逐步去解决。性能优化没有银弹，需要根据相关性能数据指标逐步迭代优化。

〇 分享亮点 〇

1. 分享性能优化常见的指标、工具和流程。

2. 分享风控引擎

案例：酒旅实时风控的一些业务背景和技术挑战，单机QPS要求5000+，TP999要求小于20ms。

3. 分享性能优化过程

性能优化的一些具体步骤，包括本地缓存优化、对象池优化、序列化优化、JVM参数优化、富客户端优化等，经过优化后单机QPS从100多提升到5000。

4.  QA

〇 分享简介 〇

元宇宙本质上是对现实世界的虚拟化、数字化过程，需要对内容生产、经济系统、用户体验以及实体世界内容等进行大量改造，满足人类的物质需求、精神需求和终极需求。元宇宙主要有以下几项核心技术：一是扩展现实技术，二是数字孪生，三是用区块链来搭建经济体系。

本次分享VR、AR、MR产品以及五大基础技术等方面的分享，详尽解释了元宇宙的奥秘，帮助学员在新的发展趋势下把握新的机遇，探索元宇宙给我们的生活和社会经济发展带来的巨变。

〇 分享收益 〇

目标

1. 阐述元宇宙的概念和相关理论实践，理解元宇宙发展路径和现象；

2. 盘点美国元宇宙产业的发展大趋势，理解全球元宇宙的发展趋势；

3. 分享用于构建元宇宙的虚拟现实AR/VR相关的五大技术基础。

成功要点 

从根本上理解“元宇宙”、“AR/VR”、“数字人”，等关键概念要点以及打造的布局，掌握核心基础技术及其应用，通过具体业务去实现本领域的“元宇宙”打造。 

启示

元宇宙、数字人概念已经深入到各个行业，悄然改变着社会发展的趋势。在适应科技发展的趋势下，掌握“虚拟与现实”的呈现“密码”成为关键。

〇 分享亮点 〇

1. 元宇宙解读

2. 全球科技巨头的元宇宙布局

3. 元宇宙构建技术之AR/VR

4. 元宇宙构建技术之数字人

5.  QA

〇 分享简介 〇

元宇宙的定义还在不断扩充的进程中，但数字人作为元宇宙最关键的组成要素已经形成一些共识。数字人即以虚拟形式存在于数字世界里的拟人化形象，在外观、人格、交互等维度实现了对人类的模仿。技术层面上，数字人技术主要包括形象创建、形象驱动和智能交互三部分，其中根据智能程度，又划分为真人驱动型数字人和AI驱动型数字人。目前，数字人已经被应用于虚拟主播、虚拟偶像、虚拟员工等场景，并正以指数级的增长速度触达更多用户和客户。国内外公司在构建数字人方案时都有各自的价值出发点，紧密结合业务差异化特点，进行技术创新和应用。

OPPO小布数智人作为首个基于虚拟人多模态交互的手机智能助手，融合了语音、自然语言处理、视觉等多模态算法，通过端云协同的架构设计，为亿级用户提供了多场景沉浸式3D互动体验。随着XR技术的不断变革，数智人正在加速从理想走进现实，终将成为未来物理世界和数字世界的交互基础模态。

本次分享围绕OPPO小布数智人在多设备、多场景的落地实践和思考，探讨数智人多模态交互的前景展望，提供给业界借鉴的一些思路。

〇 分享收益 〇

目标

了解小布数智人从技术方案到产品落地的整体思路和场景化落地中实现的用户价值，以及未来数智人在人机交互领域更多的发展机会。

启示

过往基于语音交互的智能助手已经深入人心，并逐渐被亿级用户习惯和接受，数字人技术能够极大的提升智能助手的多模态沉浸式交互体验，听众可以一起探讨数字人在智能交互方向的应用价值及挑战。

〇 分享亮点 〇

1. 元宇宙与下一代移动计算平台

2. 互联网应用生态演变及其技术本质

3. 基于智能交互构建起的“人服场”

4 . 因AI而生的小布数智人

5. 小布数智人与元空间应用实践

6. 未来展望之数字人发展趋势

〇 分享简介 〇

随着元宇宙概念的兴起，数字人相关的技术和应用也越来越广。数字人应用中素材制作效率和数字人智能化是行业永恒的话题，也是行业的痛点。AI相关的解决方案是解决相关问题的最有效方法，不论是数字人素材的自动生成，还是数字人的各种方式驱动以及智能交互，都离不开人工智能算法的支持。AI算法在数字人领域，都有那些技术应用，和产品如何结合，未来发展趋势，是所有从业者关心的问题。

本次分享结合商汤数字人整体产品技术架构和解决方案，阐述AI算法在数字人中的应用，包括自动生成数字人素材，语音文字以及真人驱动数字人，更具人性化的智能交互等。

〇 分享收益 〇

目标

1. 全方面了解数字人技术和产品概况

2. 了解人工智能在数字人产品中的相关技术能力和应用成果

3. 分享数字人软件产品及架构设计

成功（或教训）要点

提升生产效率和产品体验同样是AI算法落地的核心目标。

启示

数字人产品离不开AI技术支持，数字人行业的持续发展需要AI算法技术的持续进步和突破。

〇 分享亮点 〇

1. 数字人发展的现状及前景

2. 数字人AI相关技术，包括数字人生成，驱动，智能交互等

3. 商汤数字人技术和产品

4. 数字人元宇宙展望

5.  QA

〇 分享简介 〇

虚拟数字人存在于数字世界的“人”，通过动作捕捉、三维建模、语音合成等技术高度还原真实人类，借助AR/MR/VR等终端呈现出来的立体“人”。在AI、虚拟现实等新技术浪潮的带动下，虚拟数字人制作过程得到有效简化、各方面性能获得飞跃式提升，开始从外观的数字化逐渐深入到行为的交互化、思想的智能化。以虚拟主播、虚拟员工等为代表的数字人成功进入大众视野，并以多元的姿态在影视、游戏、传媒、文旅、金融等众多领域大放异彩。得益于深度学习算法的突破，数字人的制作过程得到有效简化，虚拟数字人开始步入正轨。

网易伏羲聚焦数字人的视觉表达与感知技术，在其前沿发展与丰富的应用场景有一定的经验，包括游戏角色、虚拟偶像、虚拟主持、虚拟教师、虚拟代言人、虚拟助手等，走在数字人视觉表达与感知行业前列。

本次分享智能驱动技术如何赋能于数字人的内容生产，数字人3D动画生成和2D视频合成的前沿进展，人脸表情感知技术的前沿突破及其落地应用。

〇 分享收益 〇

目标

介绍网易伏羲在数字人方向的前沿探索和落地应用，包括技术要点及产品痛点。 

成功要点

在AI+5G的加持下，“虚拟数字人”的蓬勃发展，作为第三产业智能化趋势的一个缩影，在产业转型中虚拟数字人有更强多元化场景。

启示

1. 理解3D数字人智能驱动技术与应用

2. 掌握2D高仿真数字人视频合成技术的前沿进展

3. 理解人脸表情感知技术的前沿突破及应用

〇 分享亮点 〇

1. 3D动画合成前沿技术与应用

2. 2D高仿真写实数字人视频合成技术与前沿发展

3. 人脸表情感知技术：ICCV2021、CVPR2022人脸表情感知大赛四项冠军工作，及其在游戏场景中的初步应用

4. 细粒度人脸表情划分新标准：伏羲自研135种细粒度表情划分案例

5.  QA

〇 分享简介 〇

随着数字化转型的持续深入和云计算、大数据，人工智能等技术的飞速发展，更多的数据汇聚和数据融合分析，对数据平台从平台扩展性，技术先进性、能力丰富性，业务适配性等对多角度提出了新的诉求。在云原生与大数据背景下，企业正从数据湖时代向智能数据湖跨越，构建智能数据湖，是政企智能转型重要的方向。

华为结合多年的政企智能升级实践经验，针对大数据平台体系拥有多维度洞察经验，在政企的云原生智能数据湖整体解决方案架构和关键能力有较为成熟的研究，在数据平台架构设计和选型建设方面已取得显著成果。

本次分享对Stack云原生智能数据湖关键能力及架构、大数据发展趋势及关键技术落地进行探讨，助力政企智能升级。

〇 分享收益 〇

目标

1. 结合大数据发展趋势，多维度洞察数据平台技术的落地方案及实施

2. 深入了解数据湖整体解决方案规划、架构和关键技术能力

3. 对数字化转型过程中数据战略的深化和数据平台的规划，构建和落地提供借鉴和参考

成功（或教训）要点

企业在大数据平台、数字化转型等智能数据湖搭建过程中，难免会遇到很多问题，结合实际业务，掌握大数据发展趋势、理解数据湖架构构建的原理，重在技术优化、高可用方面的能力提升，方可打造最优政企智能数据湖。

启示 

智能数据湖满足用户大规模数据存储的弹性扩容，在数据分析和数据挖掘、机器学习、数据访问和管理等细粒度的授权、审计方面；可以打破孤岛，将企业洞察数据价值等，发挥的更为淋漓尽致。

〇 分享亮点 〇

1. 大数据关键趋势洞察：从战略、技术、市场多维度洞察大数据技术的落地和发展趋势

2. 华为云Stack云原生智能数据湖整体架构：华为云Stack数据整体解决方案和架构

3. 华为云Stack云原生智能数据湖关键能力：华为云Stack智能数据湖仓一体架构、AI平台、图数据库、可信计算等关键能力介绍

4. 华为云Stack云原生智能数据湖行业实践：华为云Stack智能数据湖在各行业的典型落地实践

5.  QA

〇 分享简介 〇

数字经济时代下，企业或机构需要通过数据共享与协同计算，才能更好地释放更大的数据价值，提升生产效率、推进产业创新。随着人工智能被纳入“新基建”范畴，人工智能技术与实体经济深度融合，加强人工智能安全治理与监管成为国家政策层面重点关注的方向，发展“安全可控AI”成为行业探索的方向，其中数据安全与隐私保护是重点领域之一。

本次分享将分别阐述隐私计算技术的含义、主要技术场景、技术难点、应用模式和其发展前景，有助于听众构建对隐私计算技术和行业的整体认知。

〇 分享收益 〇

目标

1. 帮助听众了解隐私计算的概念，并从技术视角了解其核心解决的问题；

2. 帮助听众建立对技术所能解决的产业问题的认知，理解隐私计算技术在整体技术链条和产业链条中的意义。

成功要点

多学科交叉，实现数据“可用不可见”，打破数据孤岛，实现安全的价值供应。

启示

隐私计算是保护数据隐私的其中一项技术，但仅靠隐私计算技术一项是无法解决所有的数据安全问题的。需要将隐私计算技术合理嵌入业务流程和安全数据链条。

〇 分享亮点 〇

1. 当下隐私计算背景

2. 隐私计算技术概述

3. 隐私计算技术的发展前景

4. 隐私计算技术的产品化

5. 隐私计算应用案例

6.  QA

〇 分享简介 〇

数据治理作为推动治理体系建设的关注热点。面对数据多样化、数据需求个性化、数据应用智能化的需求，如何做好数据治理工作，提升数据治理能力是政府、也是企业数字化转型的重中之重。

 针对目前异构数据整合难的问题，数据治理中可引入了NLP、动态知识图谱等技术，本次分享将基于其在多个PB级、多源异构数据源的复杂场景下的数字政府数据治理项目落地成果，分享数据治理“PAI”实施方法，即流程化（process-oriented）、自动化（automation）、智能化（intelligence），介绍针对数字政府建设中的多模态数据，如何更好地开展数据治理工作、建立全域数据标准、提升数据质量、盘活数据资产，以及支撑数据融通，最终释放数据价值，指导业务创新。

〇 分享收益 〇

目标

1.了解数据治理的标准化实施流程

2.了解数据治理过程中哪些流程可以通过自动化方法实现

3.了解智能化在数据治理中的辅助作用

4.了解知识库在数据治理实施的过程中的价值

成功要点

数据治理充分发挥数据价值及数据要素市场化，从数据治理流程化、体系化、规范化、便捷化的实施路径，快速建立数据治理范围及实施方法论。

启示

体系化讲解数据治理的关键要素和落地方法以及行业知识库在持续数据治理中的重要作用。

〇 分享亮点 〇

1. 分享数据治理体系框架及落地实施标准工序。

2. 详解“PAI”实施方法论中自动化及智能化工序。

3. 借助知识库如何快速实施数据治理

4.  QA

〇 分享简介 〇

随着大数据、云计算、深度学习等技术的蓬勃发展，赋予机器常识和因果逻辑推理能力，实现“认知智能”，成为当下人工智能研究的核心，新一代人工智能技术也正在从“感知智能”向“认知智能”迈进。自然语言处理作为人工智能的掌上明珠，为机器能够理解数据、理解语言进行理解世界提供了相关能力。而知识图谱作为大数据时代的重要的知识表示方式之一，为机器语言认知提供了丰富的背景知识，使得机器语言认知成为可能，因而也成为了行业智能化转型道路上的关键技术之一。

深度剖析自然语言处理及知识图谱技术，以及未来智能文本机器人发展，在细分垂直领域，展现智能文本处理（IDP）技术创新的成果与应用。

〇 分享收益 〇

目标

深度剖析智能文本机器人应用场景，以及自然语言处理、知识图谱、深度学习、光学字符识别等算法技术，旨在推动中国中文信息处理技术发展，未来智能文本处理的应用场景范围将持续扩大，深度渗透到各个领域，在细分垂直场景也将有更具创新的文本研究成果与应用，引领技术向产业高端迈进。

成功要点

对复杂表格文档的识别和语义理解能力是目前智能文本处理（IDP）的难点，解析达观智能OCR技术、自然语言处理技术与知识图谱技术如何赋能繁琐重复的办公场景

启示

智能文本机器人替代白领是必然趋势，三大价值大幅提高工作效率

〇 分享亮点 〇

1. 智能文本机器人简述

2. NLP、知识图谱、OCR技术赋能智能文本处理

3. 智能文本机器人应用场景（证券、银行、智能制造等行业细分场景）

4. 智能文本机器人价值分析

5. QA

〇 分享简介 〇

从2016年起CDP(Customer Data Platform)连续入选Gartner的Hyper Cycle for Digital Marketing and Advertising报告，目前CDP已成为各大厂精细化运营的标配工具，第三方厂商也纷纷入局，据纷析智库预测未来五年CDP将继续保持高速发展。

互联网从流量红利时期进入存量时期，叠加全球疫情影响，精细化运营成为业务重要的增长点。业务进行一次完整的运营活动离不开各部门通力合作，但往往周期很长无法快速迭代，且运营ROI有提升空间，因此迫切需要一站式解决方案来助力业务增长。另外基于海量数据萃取的高价值标签，通过稳定的服务为全业务全流程提供实时调用，实现数据反哺业务赋能业务，如何保障高并发下高可用有一定的技术挑战性。

本次分享将带来去哪儿旅行的CDP建设及应用实践，切实发挥数据驱动业务增长的能力。

〇 分享收益 〇

目标

1.CDP在业务中的作用和价值

2.CDP的闭环设计与建设

3.标签服务高可用保障

4.CDP在业务精细化运营的应用案例

成功要点

1.结合业务实际需要建设完整闭环，打造一站式解决方案，极大提升运营活动效率。

2.全方位保障服务可用性，为业务实时调用高价值标签数据提供稳定支撑。

启示

数据是互联网企业核心资产，CDP通过将高价值标签应用于精细化运营活动，实现数据赋能业务。

〇 分享亮点 〇

1. 一站式解决方案CDP建设实践

2. 标签服务高并发下全方位高可用保障

3. CDP在业务精细化运营的应用案例

4.  QA

〇 分享简介 〇

随着AI、大数据等信息技术的快速发展与应用，数字化转型已经逐渐成为一种趋势。数字化转型不仅重新定义了IT，还对企业业务模式、流程和员工能力进行了重新定义。企业数字化转型事实上就是技术与业务的有机结合。

本次分享从数字化转型的实际案例出发，系统总结决定数字化转型成败的三个核心能力。同时，也将分享如何重塑业务和技术的协作关系，并构建全新的实践体系，去有效的支撑着业务、产品、应用的核心能力。

〇 分享收益 〇

目标

深度理解数字化转型的核心本质

成功要点

数字业务能力，数字产品能力，数据能力是数字化时代业务创新与发展的三个关键能力。

启发

重塑业务和技术的协同方式，构建BizDevOps实践体系，奠定数字化转型的核心动力。

〇 分享亮点 〇

1.数字化时代的和数字化转型的本质

2.数字化时代的三个核心数字能力

   A.数字业务能力: 站在用户的视角，以数字的手段连接端到端的价值交付链路

   B.数字产品能力：建立统一的数字化模型，并基于它实现全链路数字化运行

   C.数据资产应用能力：持续沉淀并数据和数字化资产的价值，并创造新的商用户体验和商业模式

3.核心三个能力中，业务、产品和研发协同和工作方式的变革

4. QA

〇 分享简介 〇

通过数字化转型，开启“第二发展曲线”是金融业的重要战略举措，不仅具有重要性和急迫性，更兼具体系性和复杂性，涉及到科技、金融以及公司治理等多层面的环节，无法做到一蹴而就，我们认为需要从技术、业务、生态整体入手，既要从内部效率要增长，实现存量业务增长；又要从外部“联结”要增长，带来增量业务增长。

本次分享从银行业面临的主要挑战、驱动力及发展趋势等背景下，给出京东科技的银行业数字化转型方法论和基于技术、业务、生态三大维度构建的数字化金融科技整体能力全景图。接着分别以数字化营销和运营及普惠金融两大热门领域给出京东科技的银行方案和典型实践案例。

〇 分享收益 〇

目标

基于技术、业务、生态三大维度构建的数字化金融科技整体能力全景图。

成功要点

金融服务需要深入场景和产业，与外部生态联结，充分运营大数据、人工智能、物联网及区块链等前沿技术，在产业生态体系中大规模获取B端和C端用户，进而提升金融主营业务增长。

启示

在营销运营中，银行通过和京东外部生态展开全渠道、全链路、全生命周期的合作，在获客、活跃及交易上可获得很好效果；在普惠金融中，通过融合IoT及区块链等技术，解决生物等资产抵押业务计数难、监控难、估值难的难题，可促进快速有效精准的普惠金融业务的开展。

〇 分享亮点 〇

1. 整合技术、业务和生态，构建全新金融行业数字化转型全景图

2. 实践一：携手生态伙伴，助力数字化营销与运营的新增长

3. 实践二：融合IoT及区块链等技术，助力普惠金融的有效开展

4.  QA

〇 分享简介 〇

国家“十四五”规划指出，数字经济是继农业经济、工业经济之后的主要经济形态，是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。国内不同行业的龙头企业纷纷基于自身优势，推出各自的数字化服务产品及赋能方案。

作为国内AI科技龙头企业，以AI如何低门槛、跨行业、普适性赋能为思考目标，在数字浪潮中推动打造智能化“数字员工”。当前，讯飞内部在供应链、人力资源、法务、财务等多个业务部门引入了“数字员工”，给业务部门带来直接的提效价值的同时，也给业务带来了更多业务发展思考等间接价值。

本次分享，围绕着“数字员工”产生的背景、生产模式、赋能现状、技术架构等角度，系统性的介绍科大讯飞在打造AI特色的数字员工的过程中的心路历程及演进思考。

〇 分享收益 〇

目标

1. AI发展历程及赋能形式

2. 企业信息化系统建设历程及现状

3. 数字员工如何赋能企业

4. 面向流程自动化过程中需要注意的事项

5. 数字员工生产平台技术架构

6. 平台未来演进思路及规划

成功（或教训）要点

清晰定位服务的客户及客户属性，转化为实际赋能过程中需要融入的核心点思考。再以自身拥有的技术优势为起点，思考如何将技术优势融合技术创新，进而为目标客户带来利益和价值。

启示

以数字员工技术产生的底层逻辑及未来影响的思考分析切入，获取到自己的企业当前是否处于流程自动化阶段，以及引入该项技术在实际应用过程中的注意事项等信息。同时，可以给听众分享下数字员工对当下企业数字化转型的赋能形式及收益情况，进而以案例为切入，期望可以给目标客户分享下解决思路。

〇 分享亮点 〇

1. AI技术发展及当前业内的赋能形式

2.企业信息化发展历程及现状

3.数字员工如何解决企业内部信息化的矛盾

4.数字员工产品技术架构

5.数字员工现阶段在讯飞内部赋能及效益

6.数字员工让AI进入平民化，AI赋能企业数字更多。

7. QA

〇 分享简介 〇

数字化是当下中国经济转型升级的痛点和难点，企业数字化转型的核心是价值提升，而企业战略的延续性和基础底座的统一性是数字化持续变革中需要面对的最大挑战，推动企业数字变革的有效手段则是AI等数字技术的综合运用，实现数字场景的持续创新以支持业务的敏捷和优化。

近几年，商汤不断探索基于人工智能，物联网等数字技术的综合运用以构建物理环境和数字环境的平行映射，实现业务运营的可视性和数字洞察，加速数字场景创新和数字变革进程。

本次分享基于园区数字底座建设过程的实践，就如何通过IT架构重构，实现广泛的在线链接、关键业务节点数据采集、AI场景创新处置闭环等驱动园区企业生产、生活及治理方式的变革而进行相关探讨。

〇 分享收益 〇

目标

了解产业园区数字变革的挑战和机遇

理解人工智能对数字变革的驱动力

如何加速产业园区数字化进程

成功（或教训）要点

1. 由上至下的组织推动力

2. 数字基础设施建设

3. IT架构重构推动链接与汇聚

4. 人工智能技术与业务场景融合创新

启示

开放的企业IT架构和数字技术的综合运用可以加速园区数字化变革进程

〇 分享亮点 〇

1. 企业数字化转型面临的挑战和机遇

2. 数字化重塑企业IT架构

3. 数字底座产业园区落地实践

4.  QA

〇 分享简介 〇

随着可视化场景的拓展，表格可视化在发展上向多维数据、关系数据领域拓展，展现方面向更丰富的视觉编码、更多样的展现形式以及更叙事化的动画效果方向发展。

基于字节跳动的海量数据存储，多种数据分析和展现应用，我们积极探索表格可视化新的可能性，在BI产品、风控、大屏等方面广泛使用。

本内容分享回归数据本源，从数据出发探讨表格可视化的意义。从更多的应用场景出发，探索表格可视化的升级形态。同时，面临表格在各种应用场景中遇到的问题，提出新的解决方案。

〇 分享收益 〇

目标

分享表格可视化在数据分析、大屏、叙事等场景中提供新的思路和可能性

成功要点

1. 表格可视化的本质

2. 表格可视化的可能性

3. 表格可视化的实现方案

启示

表格可视化为数据产品带来更优异的用户体验和创新能力

〇 分享亮点 〇

1. 基于表格的数据可视化

2. 基于表格的数据可视化

    1）简单数据

    2）多维数据

3. 表格可视化的设计空间

    1）文本

    2）图形

    3）多媒体

    4）复杂可视化元素

    5）交互

    6）动画

4. 系统实现

    1）架构设计

    2）场景树

    3）调度系统：动画、联动、事件

    4）图表融合

5.  QA

〇 分享简介 〇

Web互联网蓬勃发展了20年，随着时代发展，互联网已经进入到了下半场，面对移动互联网流量见顶、增长放缓、各大企业也从追求增长转变为追求体验，从追求高增长转向为存量用户提供更好的服务与体验。

到目前为止，传统Web UI的交互形式已经被我们探索到了极致。同时，业内在营销活动领域并没有新的动作与创新，我们决定率先走出一步，先行尝试用新的交互形式来提升用户体验并探索该模式是否可以为业务带来新的增量价值。

本次分享重点介绍我们在营销活动领域使用新交互形式（2D、3D、多人实时互动等）的探索以及技术底层的光栅化原理。

〇 分享收益 〇

目标

了解3D渲染在营销活动业务中的应用场景以及实现3D渲染的底层技术原理。

成功（或教训）要点

使用新的交互形式为用户提供了新颖、热闹的新购物体验，这在导购领域是一次重大的创新与尝试。

启示

新交互形式在营销导购领域的初步尝试，或将打开营销导购领域的元宇宙大门。

〇 分享亮点 〇

1. 营销活动与新交互形式的结合

2. 使用新交互形式背后的思考与初衷

3. 底层技术原理

4.  QA

〇 分享简介 〇

过去20年，随着互联网行业的兴起，互联网公司积累了大量的数据，数据科学也随之迅猛发展，从互联网到蔓延到各行各业。

阿里前端开发者涉及数据埋点、ABTest、观测数据指标等数据科学领域的相关工作，然而，在数据科学生态中，前端很多情况下只是作为数据的供给方、数据的产出者。前端域如何利用数据科学挖掘数据价值，推动用户交互发展，成为了一个很有价值的命题。

基于前端场景下的数据积累，阿里巴巴 F(x) Team 从数据出发，做了大量用户体验优化相关的探索和尝试，并开源了前端的机器学习工程框架 PipCook，机器学习库 DataCook。借助 PipCook 和 DataCook 降低前端应用门槛，前端智能化对阿里集团每个前端普惠和开放。同时，诸多业务场景中，用更多机器学习、算法所带来的技术、工程乃至业务的可能性，让智慧与前端智能化一起，给业务创造更多属于前端的价值。本次内容将分享前端智能分析层面展开深度的探讨。

〇 分享收益 〇

目标

了解前端场景下的交互数据收集、处理、分析过程，通过数据创造更好的用户体验，发现新的价值。

成功要点

1. 通过对交互数据的分析，挖掘用户在特定场景下的交互模式，为用户体验优化提供了更大的空间。

2. 在前端场景下探索数据科学的应用场景，让数据发挥更大的价值。

启示

分析用户交互动线，挖掘用户交互模式，制定承接策略优化用户浏览体验，从而提高站点效率。

〇 分享亮点 〇

1. 前端数据智能需求场景

2. 前端数据科学和机器学习关键技术

3. 从应用交互分析到落地实践

4. 展望前端数据智能发展趋势

5.  QA

〇 分享简介 〇

在产品研发过程中最大的痛点是如何提升测试效能及降低测试难度。针对这两个问题，业界已有许多的研究和实践，常见的做法是提升用例执行以及结果分析的自动化程度。除此之外，我们是否还有其他可提升的地方呢？本次分享就是从另一个维度来思考解决方案，即如何提升用例编写的效率及难度。我们通过将智能化技术引入测试域工具，探索和实践了用例自动生成技术，包括单元测试、接口测试等用例的自动生成，不仅大大提升了测试效能，同时也有效降低了测试难度，在业务中产生了比较好的效果。

〇 分享收益 〇

目标

通过本次分享，我们希望既能够分享从0到1打造智能化用例生成工具的实践经验，也能够探讨测试域工具未来的发展趋势，即如何利用AI等行业先进技术手段来解决测试域的问题，为行业贡献一些思考，并抛砖引玉。

成功要点

1.深入调研研发过程中的痛点，提炼人工编码过程的最佳实践，并使之工具化；

2.以技术创新解决研发过程中的问题，并结合当前最新的AI等技术，推动研发工具变革。

启示

将AI等业界较新的技术引入测试域工具，不仅能够提升单元测试、接口测试等用例编写效率，同时也能够降低用例编写难度，为新技术在测试领域的应用带来比较好的启示。

〇 分享亮点 〇

1. 终端（Android/iOS）单测用例自动生成实践

终端Android/iOS上单测用例自动生成的实践，包括用例自动生成的原理、流程和效果等。

2. 后台（Go）单测用例自动生成实践

后台Go语言上单测用例自动生成的实践，包括用例自动生成的原理、流程和效果等。

3. 后台流量转用例实践

后台的接口测试用例自动生成的实践，包括用例自动生成的原理、流程和效果等。

4.  Q&A

〇 分享简介 〇

随着人工智能技术的普及，越来越多基于AI能力的产品、服务被推出市场，形成横向以场景驱动、纵向以AI原子能力驱动的综合布局。然而，与AI市场快速爆发的猛烈态势形成对比的是对于AI系统质量的保障手段及方法论依然处于边探索边前进的状态。本次分享聚焦于AI语音系统的质量保证体系方法论，从大规模数据采样、构造到智能体实现运用等视角切入，为基于AI语音能力的相关质量保障工作提供思路，分享可运用于工程实践的相关方法&手段。

〇 分享收益 〇

目标

现有人工智能能力（例如：OCR、目标识别、语音识别、机器识图等），基本遵从数据-模型-生产部署的研发流程，形成AI原子能力。产研全流程的关键要素被业界总结为AI三要素：数据、算力、算法。从质量工程视角而言，AI工程与传统软件系统的工程质量保障工作，在产研要素上天然存在着巨大不同（传统MVP vs AI三要素），由此衍生出的质量保障方法体系也存在着完全不同的底层逻辑。本次分享，将围绕AI工程关键要素进行展开，从产研角度，以大规模测试评价数据生成、AI测试模型及维度构造、AI智能体构造等方法及实践案例，为AI语音系统质量保障工作提供思路及系统化解决方案，以期推动AI语音质量体系建设发展。

成功要点

1. 测试数据构建：通过大规模评测数据构造手段，解决AI被测对象的黑盒属性，为覆盖Corner Case提供基础保障，分析&发掘出被测AI系统的Bias偏见性、Robust鲁棒性问题。

2. 测试维度构造：通过被测AI系统的服务对象、服务场景，构造具有可分层、可实践、可复现的测试维度空间，从可观测空间对被测对象的分层属性进行量化定义，形成对AI质量保障体系的评估。

3. 测试智能体的构建：通过智能体的训练，对专家系统、经验总结、长距离逻辑关系等进行AI智能化，让AI测试体系的相关能力形成AI能力，使之随着人工测试工作的推进，不断迭代，形成测试智能体，逐步释放或辅助人工测试工作，形成人机交替辅助的智能测试体系。

启示

1. 针对AI模型黑盒性的解决方法

2. 针对AI测试数据构造成本巨大的高效降本思路&方法

3. 针对AI测试体系无法有效评价问题的思路

4. 面向未来的人机交互的测试体系的探讨

〇 分享亮点 〇

前言

1. 语音AI系统工程背景介绍，以智能音箱为例进行展开

2. 语音AI测试领域的现状、面临的挑战

主体

1. 介绍针对挑战问题，展开AI评测新体系的构建思路

2. 语音评测维度、场景分析及构建

3. 大规模评测数据构造方法及落地

4. 关于测试智能体的工程思考及运用

5. 人机交互智能测试未来预期

分享案例

1. 语音ASR识别模型的大规模测试数据构造、质量分析、测试维度构建方法

2. 自然语言NLP处理模型的场景构造、维度评估、鲁棒性分析

3. 基于Bert的智能体构造以发掘复杂上下文背景中的潜在缺陷问题（待定）

4.  QA

〇 分享简介 〇

在测试自动化领域最大的挑战在于用例的创建维护成本高、数据的准备复杂及用例的稳定性差，导致自动化工具无法做到高覆盖率。特别是对于复杂的业务系统的自动化测试中，通过传统的方式的自动化工具产出的用例数少，覆盖率低，只能解决主干流程的自动化，此时精准测试就失去了意义和价值。而传统的流量录制回放是走的网络层的录制回放，无法支持写流量的回放，因此适用范围也大受限制。而我们经过探索，自研了一套镜像化录制回放方案解决了这些难题，同时将精准测试的价值发挥到极致。

〇 分享收益 〇

目标

通过本次分享介绍镜像化录制回放原理及其如何破解测试自动化领域用例创建成本难、维护成本高，覆盖率低的难题。以及在录制回放被大规模应用后如何通过精准测试进一步提升测试自动化的价值和效果。 

成功要点

1. 镜像化录制回放模式解决了测试自动化成本和覆盖率难题。

2. 业务系统的零风险影响及技术产品的开放性设计。

3. 利用精准测试精简测试用例集，并评估发布风险。

启示

引入大数据的录制回放能力解决测试自动化的成本和覆盖率问题，同时引入精准测试能力让我们的大规模的测试用例被更精细的管控。

〇 分享亮点 〇

1. 镜像化录制回放新模式给测试自动化领域带来的变革。

2. 智能化的精准测试之于录制回放模式下的价值。

3. 精准测试在阿里内部的实践。

4. QA

〇 分享简介 〇

互联网发展至今早已过了跑马圈地的时期了，大部分赛道都已经成为红海。在这激烈竞争的下半场，存活下来的企业已经到了拼内功的时刻，而“精细化”就是这套内功的心法和口诀。

精细化运营的核心是依托业务逻辑的数据分析，而数据基建是数据分析的基础。

本次分享围绕用户画像、用户分层、用户分群等用户体系的搭建和业务数据指标的拆解来讲解怎样搭建精细化运营体系。

〇 分享收益 〇

目标

分享基于数据的用户体系搭建，基于业务的指标拆解，二者为精细化运营提供了基石。

成功要点

数据是业务的基建，一定要保证埋点正确性和全面性。业务指标是业务发展的指路明灯。

启示

学会怎样搭建用户基础数据和拆分业务数据指标体系，并运用数据分析来赋能业务的发展

〇 分享亮点 〇

1. 用户画像介绍，包括基础标签和行为标签

2. 介绍用户分层、用户分群、用户生命周期介绍，SICAS模型的使用案例

3. 怎样拆解基于交易模型的数据指标体系

4. 实战案例分享，SICAS模型的运用和首页数据指标体系拆解

5.    QA

〇 分享简介 〇

2020年的疫情之后，移动互联网活跃设备数量开始出现下滑，流量池的枯竭意味着提升用户规模所需的投入和成本越来越高，故业内均将资源重点转向存量客户的经营。对于金融行业，存量客户的经营仍更多依赖传统渠道和权益产品去提升用户生命周期价值，经营存量用户的能力才是未来的主流。

本次分享将借鉴互联网流量运营的方法论，结合金融客户的画像特征，引入营销学理论，提出一种新的存量客户经营策略，借以深入挖掘存量客户的需求，制定针对性的个性化经营策略，提升存量客户的价值。

〇 分享收益 〇

目标

基于多样性客户需求的存量客户的数据化经营策略。

成功（或教训）要点

通过第三代用户画像系统提取存量客户的动态兴趣特征，引入框架层级的推荐体系为存量客户提供个性化营销。

启示

客户的需求是多样且动态的，经营策略应当在模型和算法的辅助下适时为客户提供极致的服务和体验。

〇 分享亮点 〇

1.存量时代客户特征的重要变化

2.基于用户生命周期的存量用户增长框架

3.基于时序模型的智能化交叉营销

4.  QA

〇 分享简介 〇

互联网行业增长已进入超车道，现在的增长已不再是传统模式，而是以低成本、高可用的SaaS数字化增长模式打造软件行业新生态，助力增长“从无到有，从有到优”。伴随经济的改革与发展，互联网将会从流量时代走向存量时代，如何在流量时代建造私域流量，私域流量在未来如何转化成存量，将是ToB运营增长路径解决的主要问题。

本次分享以SaaS的“运营为基础，增长为目标”，从B端产品全生命周期发展的角度出发，重点阐述B端产品、用户运营的基本概念、基本流程、基本方法以及常用工具；在团队建设及运营带来经验解析，带领大家快速建立起业务运营框架，理清运营流程，掌握易上手的B端运营增长实践指南。

〇 分享收益 〇

目标

1. 定路线：建立完整的B端运营增长路线图

2. 建流程：构建B端运营增长的完整闭环

3. 学方法：掌握B端运营增长落地方法论

4. 用工具：获得体系化的B端运营工具清单

5. 组团队：掌握团队建设及管理的秘诀

成功要点

SaaS背景下的运营增长是半定制化服务，实战要结合业务进行增长路径、增长方法、增长工具、团队培训方法的择优选取，紧随运营增长流量时代，引领存量时代。

启示

增长是SaaS企业经营的首要目标，更是一种要求；尊重规律、设定目标、利用杠杆和量化结果，是SaaS业务增长的基本原则。

〇 分享亮点 〇

1.认知迭代-SaaS产品运营的特征、用户、场景及目标

2.方法落地-SaaS产品市场、用户、销售运营增长路径

3.团队升级-SaaS运营团队建设、能力要求、学习方法

4.QA

〇 分享简介 〇

各类产品渗透率几乎达到饱和，产品同质化特别严重，过去大平台大量补贴也极大提高用户预期，导致现在获客成本极高，不补贴就没有爆发增量，再看B端产品的获客，由于信息的高度透明，用户对产品成本、属性、性能，都会有更深刻了解，如何打动决策者，越来越困难。

技术改变世界，产品让更多人具备改变世界的可能，而运营，是找到能改变世界的用户。以获客为本，将互联网获客渠道（无论B还是C），抽象为3类，根据用户决策路径和决策因素的分解，聊聊如何通过互联网渠道获取、转化和服务用户。

本次内容主要分享C端获客与B端获客 的新趋势、核心原则和策略。帮助企业在同质化产品的竞争中，建立全渠道、全覆盖和高转化的运营策略。

〇 分享收益 〇

目标

带来意义，从用户动机出发，分析产品底层满足诉求，在同质化产品的竞争中，建立全渠道、全覆盖和高转化的运营策略。

成功（或教训）要点

三类渠道（传统平台、短视频直播平台和私域）的咨询案例展示，成熟方法论和效果的总结。最关键的成功因素是，理解平台，并且理解用户决策因素（包装成内容）来促用户转化

启示
1. 从用户动机设计产品功能

2. 全渠道获客特点

3. 种子用户再裂变的玩法

4. 短视频/直播 覆盖了10亿用户，内容体验上限获客

〇 分享亮点 〇

1. 用户增长没有万能方法，你需要深度理解自己业务

2. 大道至简—用户增长就3步

3. B端与C端种子用户获取的核心原则

4. B端和C端用户裂变手段与渠道（传统、短视频/直播、私域）

5. 获取B类客户的3大产品运营策略

6. 获取C类客户的3大运营策略（品牌化之路的基础）

7. 私域运营的项目实践

8. 短视频/直播平台深度理解与用户增长策略

9. 我的产品运营观：数据指标完成不重要，重要的是解决问题

〇 分享简介 〇

在数字化浪潮下，云计算以资源虚拟化为底层基础，以云原生为技术“内核”，向下打通灵活、高效调度、异构资源融合的基础设施资源，构建全域数据高速互联与算力全覆盖的整体架构，向上支撑研发效能提升，快速响应业务需求，驱动传统行业技术和业务融合，推动企业数字化发展。云原生技术作为驱动业务上云的重要引擎，已被广泛使用。2021年CNCF《FinOps Kubernetes Report》的调研报告显示，迁移至 Kubernetes 平台后，68%的受访者表示所在企业计算资源成本有所增加，成本飙升超过 20%。其原因主要是峰谷现象明显，需要提前预留大量资源；业务申请资源不合理，造成已分配资源不能充分使用；业务对资源需求不同，企业缺乏合理规划，导致碎片。本质上云原生社区在面对成本优化、尤其大规模集群场景下，还缺乏真正切实有效的技术。

百度在云原生成本优化领域有多年沉淀，通过在离线混部、动态系数超卖、潮汐算力等一系列手段，提炼并落地了一整套全场景、端到端、多云多集群的解决方案。在保证在线业务质量的情况下，将资源利用率提升至45%+，成本下降30%+， 覆盖内部数十万节点、千万容器实例。云原生也将成为普惠性融合技术，百花齐放。

本次分享百度的成本优化体系并辅以具体的案例说明，以及对成本优化起到关键作用的混部和超卖技术，保证资源资源利用率提升之后的稳定性。

〇 分享收益 〇

目标

1. 离线混部、超卖、核心技术分析

2. 不同业务场景下选择不同的技术达到最佳成本优化效果

成功（或教训）要点

企业的资源成本无法有效控制。百度借助当下流行的FinOps理念，从成本洞察、成本优化以及成本运营三个方面形成闭环，帮助企业降本增效。

启示

降本增效是企业云原生应用的最大价值

〇 分享亮点 〇

1. 百度云原生成本优化方案 
2. 混部，超卖，技术分析和最佳实践
3. 未来规划和思考

4.   QA

〇 分享简介 〇

不同机器学习应用场景下的参数和数据集、模型训练过程中的网络通信带宽、训练资源数和时长都不尽相同。所以面对丰富的机器学习应用，我们的需求是多样的。针对这些需求，底层的计算、存储、网络等基础设施要提供强大的硬件，同时在这些硬件基础上还要提供强大的调度能力，才能为各种需求提供较好的服务，使集群利用率维持在较高水平。

本次分享字节跳动在高性能算力和存储的规模化调度、机器学习开发流程的标准化和团队协作、基于异构资源的机器学习训练加速方面的技术实践。

〇 分享收益 〇

目标

1.字节跳动内部场景下云原生机器学习的一些的技术和成果

2. 开拓一些新思路，用成功的企业级实践解决 AI 效率和成本问题

成功要点 

亿级用户规模和不断深研的业务场景，对字节机器学习平台从研发体验、训练时效、任务编排、资源运维等方面不断提出新的要求和挑战，以 K8s 为核心的云原生理念正是为解决以上问题提出，并取得了成功应用

启示

在人工智能时代，将模型构建与训练工作与云原生结合，既降低了 AI 的算力成本，也降低了 AI 的技术门槛，可以极大拓宽 AI 技术的应用边界

〇 分享亮点 〇

1. 目前领域相关的挑战，以及未来的展望

2.   QA

〇 分享简介 〇

服务网格作为一种用来管理应用服务通信的基础核心技术,  为应用服务间的调用带来了安全、可靠、快速、应用无感知的流量路由、安全、可观测能力。可以看到, 服务网格加持下的云原生应用基础设施带来了重要的优势。

本次分享将无处不在的服务网格技术是如何应用于云原生应用架构中, 包括现代化软件开发的生命周期管理和 DevOps 创新、与传统微服务框架兼容，帮助企业如何降本提效以及如何支持实现更有弹性与智能负载路由的AI服务。

〇 分享收益 〇

目标

1. 阿里云云原生场景下服务网格的一些成功的技术和成果

2. 开拓一些新思路，用成功的企业级实践引出服务网格技术的下一站如何发展

成功要点 

1. 业界最大规模的网格集群, 服务于阿里巴巴集团重点核心业务如电商、钉钉等。

2. 公有云客户规模持续领先, 持续保持产品完整度、市场占有率领先。

启示

让服务网格技术无处不在地应用于企业的云原生应用体系中

〇 分享亮点 〇

1. 云原生应用架构进化

2. 服务网格与微服务的自然演进

3. 托管式的应用服务网格基础设施

4. 使用阿里云服务网格ASM构筑企业级能力

5. QA

〇 分享简介 〇

近年来，Web应用在虚拟机、容器和无服务器平台逐渐进行平滑的演进。无服务器是一种云原生开发模型，能够使开发者专注构建和运行应用，而无需管理服务器。自从 2014 年Amazon Lambda发布以来，构建无服务器 Web 应用已经成为工程领域最广泛采用的实践之一。Amazon Lambda为各类静态和动态Web应用提供了极简的模型，能够快速地基于高可用和模块化的架构，构建出低延迟、承载高访问量的Web站点。同时随着需求的发展，能够快速向Web应用中添加功能，而不需要考虑容量规划的问题。

本内容从事件驱动的架构，全面分享云原生无服务器技术Amazon Lambda的演进；以及如何通过Amazon Lambda与其他服务的组合，以低代码的方式快速构建安全、稳定且可扩展的交互式Web应用。

〇 分享收益 〇

目标

1. 了解使用云上无服务器服务运行基于任意Web Framework开发的应用；

2. 了解亚马逊云科技的新工具Lambda Adapter如何实现不修改代码即可在Amazon Lambda上运行web应用；

3. 了解如何利用云上无服务器计算快速部署基于WooCommerce的电商独立站

成功要点

通过无服务器架构持续简化web应用的开发和测试，并降低开发运维的成本。

启示

Web应用是无服务器架构的典型应用场景，开发者在无服务器架构给开发过程带来的弹性，高可用性以及低成本，通过无服务器架构和技术可以无限接近开发过程的CI/CD以及谁开发谁运维的理想模式。

〇 分享亮点 〇

1. 无服务架构的趋势和面对的挑战

2. 无服务器架构的新功能及使用场景；

3. 应用云上无服务器功能快速上手开发serverless web应用

4.  QA

〇 分享简介 〇

近年来，随着预训练模型在NLP领域的巨大成功，多模态预训练受到业界广泛关注。美团业务场景中除文本数据外，还存在大量图片、视频、语音等多模态内容供给。多模态预训练技术在搜索、推荐和内容理解等场景中均有着巨大的应用价值。多模态预训练技术主要关注图文模态间的特征融合与交互能力，而在具体的业务迭代中，模型的预训练效率和下游使用效率同样是关键的一环。

本次分享将具体分享我们在多模态预训练研究与业务应用上的进展，包括多模态交互方式、预训练数据处理逻辑和模型应用效率的优化，以及在美团搜索、美团电商和大众点评信息流等业务场景中的应用效果。

〇 分享收益 〇

收益

1. 工业场景下多模态预训练技术和落地展望

2. 多模态预训练交互模式改进和下游业务应用效果优化方案

3. 多模态模型预训练效率优化手段

成功（或教训）要点

不同于单模型预训练，好的多模态模型离不开完善的基础设施、灵活的模型结构、高效的训练方法以及针对不同业务场景的合理适配。

启示

提升多模态预训练模型的训练效率和应用效果的可行性方案

〇 分享亮点 〇

1. 业务背景：美团搜索、美团电商和大众点评等应用中的多模态场景

2. 多模态预训练主流技术方案介绍与分析

3. 美团多模态预训练方案

4. 美团多模态方案在主流评测和业务场景中的效果

5. 预训练阶段数据处理逻辑优化及实际效果

6. 总结

7. QA

〇 分享简介 〇

随着浏览视频用户规模的不断扩大，视频理解在视频自动打标签，视频归档，视频的搜索推荐发挥着越来越重要的作用。然而，和传统的图像，文本算法不同，视频理解能力天然依赖多模态信息之间的融合和协同作用，该方面的技术业界还处于初级阶段。

本次分享简单的介绍多模态视频理解技术的发展，现状，以及未来的趋势和方向，包括多模态的表征学习、融合方法，以及在有监督、无监督等领域的应用。最后介绍多模态技术在腾讯云智媒体AI中台中的落地，包括智能视频文字识别，视频拆条，视频场景分割分类等。该平台曾获得CCBN产品创新优秀奖、腾讯云2020年度优秀行业奖等荣誉。

〇 分享收益 〇

目标

多模态技术的现状以及最新的发展趋势和落地情况，能够更好的推动该技术在视频理解，视频检索，视频推荐上的应用。

成功（或教训）要点

自主研发新的多模态融合技术，在有监督，无监督的应用中，能够更好的解决视频理解领域中不同模态的互补性和差异性，同时在少量甚至不需要样本数据的情况在下游任务取得很好的性能。

启示

让视频理解的任务能够像理解图像一样简单

〇 分享亮点 〇

1. 多模态视频理解的背景和现状

2. 多模态的表征学习、融合方法

3. 基于无监督/半监督的多模态视频理解技术

4. 视频理解在腾讯云智媒体AI中台中的落地

5.  QA

〇 分享简介 〇

多语言对话经常面临着小语种低资源、本土文化理解、语言规模复杂等挑战，跨语言迁移、混合语言理解等成为多语言对话领域重要的研究方向。达摩院小蜜有着22种不同语言的研究，构建的语言无关对话体系涵盖多/跨语言对话预训练、多语言小样本学习、混合语言理解、罗马化等技术，支撑不同场景的业务。

除文本外，语音也存在明显的地域方言属性。在老年人对话场景中，重口音、方言等特点给语音识别带来很大的挑战，识别误差进而影响下游的语义理解。语音语义多模态理解是解决上述问题的有效方法，通过语音语义融合与增强、多模态词典学习等技术，多模态模型能够有效提升SlotFilling、意图识别、语义匹配等下游任务的效果。

本次分享将结合达摩院最新的研究和实践，让参会者以借鉴。

〇 分享收益 〇

目标

国际化业务场景下的多语言多模态对话技术建设经验

成功要点

从平台与多语言视角出发，构建面向不同业务阶段、不同业务场景的多语言对话技术体系，高效支持业务在冷启动期、成长期、成熟期不同阶段与不同场景的技术需求。

启示

多语言对话技术体系，可高效支持22种核心语言的对话能力，极大降低客服的人力成本，借助语音语义多模态理解，重口音、方言明显的语义理解对行业有很大的借鉴意义。

〇 分享亮点 〇

1. 人机对话应用

2. 多/跨语言义预训练、混合语言理解

3. 语音语义多模态

4.  QA

〇 分享简介 〇

过去30年来，随着数据库、CRM、ERP等企业软件的不断发展，市场营销、电话销售等场景在不断地被信息化，线上化。逐渐地，业务人员的处理能力跟不上潜在客户信息的增长速度，企业亟需智能化工具辅助销售进行客户的选取与跟进。在该情况下，国内外诞生出了以saleforce、insidesales、探迹、销客等为代表的智能CRM平台，能基于销售及客户的历史行为数据挖掘出客户的购买意愿，以及分配最合适的业务。

在58同城，存在与上文所述电话销售类企业同样的场景。58同城销售人员每日从CRM系统中获取商机（潜在客户），通过拨打电话联系客户，劝说其购买产品。但与主流智能CRM平台做法不同的是，我们的推荐系统在为销售人员找寻适合其跟进的商机时，除使用结构化信息（画像、交互行为等）外，还应用了电话语音、语音转写文本等多模态数据，从而更深入的挖掘客户的需求及评估销售的能力，推荐的准确性相比传统方法更有优势。

在本次分享中，结合业务背景、具体技术（传统文本处理、预训练模型等）详细阐释如何将多模态数据应用在传统推荐系统中。并结合模型的演进路线分享各版本算法的效果并展望未来优化方向。

〇 分享收益 〇

目标

1.结合业务知识进行模型的持续迭代

2.引入角色信息优化效果

3.相似文本生成方法，提升泛化能力

4.基于长文本的预训练模型

5.文本、语音Embedding向量生成

成功要点

掌握一种逐步从传统推荐算法切换为多模态推荐算法的演进路线，助力推荐系统效果提升。

启示

多模态数据以embedding形式存储，可赋能相似场景，引入多模态数据后，显著提升推荐模型效果。

〇 分享亮点 〇

1、推荐技术场景分享

  1）基于传统机器学习方法生成文本向量（分词、word2vec、P-SIF）

  2）基于预训练模型生成文本向量

    *结合角色信息、主题、关键词优化

    *结合相似文本生成优化

    *结合场景预训练模型优化

    *结合监督样本调优

    *结合长文本优化

2、多模态数据与结构化信息的组合

3、各版本模型效果案例展现

4、未来优化方向展望，以及未来更多可结合的数据类型

5、  QA

〇 分享简介 〇

云原生数据湖是近几年来的热点，随着它自身的发展，已经有了与传统数据仓库技术结合的趋势。开源社区也在OLAP、湖仓分析这些技术领域有着各式各样的创新，表现出的是开源软件百花齐放、层出不穷。阿里云开源大数据团队认为借助云原生、弹性扩展，高性价比存储等阿里云核心优势，数仓与数据湖结合的湖仓分析解决方案是未来大数据发展的必然趋势。

本次内容主要分享阿里云EMR实践的一系列OLAP解决方案，怎样去构建企业级的湖仓分析系统，怎样利用这些最佳实践来最大化地挖掘企业数据带来的价值。

〇 分享收益 〇

目标

1. 了解到当前开源OLAP领域各个引擎的优劣比较

2. 根据自身业务场景选择合适的最佳实践，更好的建设自身湖仓系统。

3. EMR StarRocks核心技术解密以及湖仓分析案例分享。

4. 未来湖仓分析发展趋势和思考。

成功（或教训）要点

1. 分享开源大数据OLAP行业趋势;

2. 从自身企业构建湖仓分析系统的借鉴。

启示

通过StarRocks构建企业级湖仓分析系统。

〇 分享亮点 〇

1. 分享当前流行开源OLAP系统

2. 湖仓分析的技术背景

3. 探索当前几种流行的OLAP系统打造的湖仓分析解决方案

4. StarRocks核心技术解密

5. EMR StaRocks打造企业级湖仓分析的最佳实践

6. 关于湖仓分析未来发展展望和思考

7. QA

〇 分享简介 〇

目前各大公司的产品需求和内部决策对于数据实时性的要求越来越迫切。传统离线数仓的数据时效性是 T+1，调度频率以天为单位。即使能将调度频率设置成小时，还是无法很好地支持对数据实效性要求较高的场景。 

字节在业务开展过程中，随着抖音、头条、西瓜视频等业务的快速发展，数据急剧膨胀，原有架构受到日趋复杂的业务需求、存储成本的挑战越来越大，同时数据产出时效性、数据分析灵活性的高要求，也带来更大的矛盾。为此，字节跳动采用Iceberg解决海量特征存储难题，以及采用云原生实时数仓，配以各类深度优化技术，解决业务上的诸多痛点。

本次分享将着重介绍字节跳动在云原生实时数仓上的探索和实践，包括遇到的难题和解决思路。以及最终字节跳动基于HSAP 实现的云原生实时数仓解决方案和技术细节。

〇 分享收益 〇

目标

1. 云原生实时数仓在字节跳动的探索与实践；

2. 字节跳动基于HSAP的云原生实时数仓解决方案；

成功要点

1. 引入Iceberg，解决海量特征存储难题

2. 使用HSAP作为云原生实时数仓的引擎，通过云原生技术，实现存算分离，可以更好的满足计算与存储的弹性需求；

3. 多重优化手段并用：高效的分布式查询框架、Cache Everything、向量化引擎、硬件加速等，实现快速查询分析。

启示

1. 字节跳动云原生实时数仓解决方案在直播系统的实践，应用在今日头条、抖音等产品更精准地服务用户；

2. 最大规模云原生实时数仓集群实践，孵化开箱即用企业级云原生实时数仓平台，提供 Serverless 极致弹性。

〇 分享亮点 〇

1. 字节跳动业务背景

2. 字节iceberg的发展现状，实时数仓实践

3. 字节跳动最佳解决方案

4.  QA

〇 分享简介 〇

大数据平台一直面对着数据不断快速增长和数据查询时效性的挑战，在云原生时代，如何有效利用云基础设施，支持大数据平台架构调整是各位架构师思考的问题。

京东数据中台作为EB级大站式大数据解决方案，包含数据采集、数据存储、数据计算等几十个产品组合，如何完成云原生架构转型是我们面临的重要课题。

本次分享京东大数据在云原生转型中的思考和实践，如何让有状态分布式大数据应用云原生化，以及部分大数据产品的云原生架构演进。

〇 分享收益 〇

目标

1.分享大数据发展的技术趋势

2.分享京东数据中台云原生化的技术选型思路；

3.数据存储产品结合云原生如何进行存储计算分离；

成功要点

数据中台的架构是以业务发展为驱动，充分利用云基础设施的资源，逐步完成业务迁移和完善。

启示

云原生的理念和技术在不断的演进，数据中台的架构也在不断调整，没有一蹴而就的成功，没有完美的终态。拥抱开源、自足自研，利用技术红利，打造更有弹性、更高效率的数据中台。

〇 分享亮点 〇

1、云原生、大数据发展历程

2、大数据云原生平台化实践

3、大数据产品架构改造案例

4、QA

〇 分享简介 〇

近年来大数据业务规模迅速增长，随之在大数据平台运营治理上带来了新的挑战：对于平台的研发方--超大规模集群中大数据组件观测数据质量、覆盖率和时效性等，严重制约监控、异常发现、告警等运维工作能力与效率；海量大数据任务的治理，缺乏统一、标准的数据与评估模型、治理工具，难以支持业务对大数据任务执行效率、稳定性等进行持续优化。对数据应用开发者--大数据任务的诊断/优化技术门槛较高，当前严重依赖人工经验，效率难以提升；一些业界领域痛点缺乏高效、可复制的解决方案，如数据倾斜定位优化、任务参数设置等。

腾讯大数据平台摸索出数据+算法驱动的“平台自治”方案，对于万亿级大数据分析逐步实现“自动化运营”， 一站式的大数据观测、诊断、调优等能力。形成一套大数据自治技术的基础设施和服务；也将大数据研发专家的经验工程化，沉淀高质量的、可复用的诊断知识库与算法模型；同时，针对自诊断、自优化、自管理等技术难点，用户们自助和自动化平台级治理能力，大大降低大数据产品使用门槛。

本次分享超大规模数据平台运营与治理领域面临的挑战与行业发展趋势，并围绕大数据平台自治体系沿着 “感知-洞察-决策”环节逐级演进的过程，层层解读腾讯大数据平台如何利用自身AI+BIGDATA的双引擎，在异常发现、智能诊断、参数调优、引擎决策等方面做的多项技术实践。

〇 分享收益 〇

目标

1. 了解大数据平台稳定与提效、智能化自治技术的发展趋势与业界前沿实践。

2. 探讨下一代大数据平台智能化运营能力的发展趋势与可能性。 

成功（或教训）要点

腾讯大数据如平台自治体系，沿着 “感知-洞察-决策”环节逐级演进，利用AI+BIGDATA的双引擎，在异常发现、智能诊断、参数调优、引擎决策等降本增效的成果，以及未来的演进方向与前沿实践经验。

启示

面对超大规模数据平台运营与治理带来新的挑战，打通大数据平台全链路的可观测体系。

〇 分享亮点 〇

1. 大数据平台自治体系架构

2. 大数据平台全链路观测标准

3. 智能化大数据平台异常发现与巡检能力

4. 一站式的全链路大数据任务诊断能力

5. 大数据平台智能优化治理前景展望

6.  QA

〇 分享简介 〇

企业数字化转型过程中绕不开的一个话题就是研发团队与业务团队的协同问题，集中化的研发团队往往被业务部门争抢资源，相互甩锅；分散式的团队又存在难以做整体能力提升，无法统一管理的问题。

本次分享厘清企业数字化转型战略中 IT 团队的使命与位置，通过几个领域数字化转型过程中 IT 团队面向业务的支撑方式的研究，探讨不同企业的团队如何应对数字化转型过程中 IT 团队的组织与管理问题。同时，盘点研发团队在团队发展过程中碰到的关键组织难点，提供几种常见的诊断分析问题的方式，以便组织管理者因地制宜的解决团队内部问题。

〇 分享收益 〇

目标

1. 分享数字化转型过程中 IT 团队的几种内外部合作方式；

2. 为 IT 团队设计合理的业务目标。

成功（或教训）要点

1. 因地制宜的进行策略选择；

2. 重视人在组织变革中发挥的重要作用；

启示

企业数字化转型不是上系统，上工具，是真正把业务和 IT 相结合。

〇 分享亮点 〇

1. 互联网公司数字化转型IT 组织变化案例（没错，互联网公司也需要数字化转型）；

2. 金融企业数字化转型 IT 组织变化案例；

3. 零售行业数字化转型IT 组织变化案例；

4.  QA

〇 分享简介 〇

当前，各行各业都在深入数字化改造，DevOps被业界广泛接受。随着外界不可控因素增多，如何在自主可控的前提下更高效、更低成本、更安全地开发应用，是每个其企业的迫切需求。

本内容从研发现代化技术的发展历程，落地问题和难点，分享华为软件生产线如何通过新能力构筑，解决客户和行业痛点，构筑可复制的嵌入式/大企解决方案，助力企业构筑安全可信，端到端高效的研发工具链。

〇 分享收益 〇

目标

探索嵌入式大企行业可复制软件研发场景和方案，基于低代码的企业数字化研发方案，行业内规模复制和行业研发能力共享的创新路径。

成功要点

软件开发生产线新能力发布，提升一站式研发体验和端到端研发效率，针对嵌入式/大企的软件研发方案，可借鉴的数字化研发方法、路径和转型实践

启示

可借鉴的数字化研发效率安全质量提升方法与路径

〇 分享亮点 〇

1、 构建加速场景及解决方案

2、 二进制安全场景及解决方案

3、 移动应用安全场景及解决方案

4、 测试自动化工厂场景及解决方案

5、  QA

〇 分享简介 〇

对所有的企业来讲，我们都应该记住的最重要的一点就是：结果只存在于企业的外部，在企业的内部，只有成本。

创造的产品或服务真正被用户所使用之前，我们只能衡量成本，预测价值。组织领导者应该制定并实施相应的能力提升计划，来更好的应对增长乏力、降本增效、研发管理数字化。

本次分享数据驱动的全面提效，效能运营+管理实践+工程实践+Z-one 工具平台，从运营、平台能力、以及研发效能愿景角度，赋能数字化转型，加速业务发展和创新。

〇 分享收益 〇

目标

1. 度量可控的研发效能因素

2. 了解百人团队轻量化敏捷转型之路；

3. 收获一站式效能平台的演进之路

成功要点

面向终态，形成运维和开发底层模型的一致化和标准化。以应用为核心，连通应用的开发、集成过程和部署运维过程，实现云原生时代的效能演进。

启示

以应用中心的持续部署和以业务需求为中心的持续发布，建立业务探索和持续交付之间的快速执行和反馈的闭环。

〇 分享亮点 〇

1. 知乎的研效演进之路

2. 一站式效能平台的架构设计

3. 研效提升-效率方向 MVP

4. 研效提升-效果方向 MVP

5.   Q&A

〇 分享简介 〇

在IT侧进行DevOps的实践，锚定价值是提升组织级的能效和质量，在组织内部通过打破部门墙，搭建通畅的沟通渠道；在文化上则推行责任共担和开放的理念。通过工具链的赋能，加速交付链路，缩短交付周期，提升交付质量，实现“更好、更快、更稳定”的交付价值。

业务侧，通过交付尽快地将产品投放至市场，通过反馈及时调整产品策略和营销策略，更好地适应市场的变化，这是一种基于DevOps“交付价值”的信息流传递，同时也可以将端到端的产品交付延伸至端到端的价值交付。

通过DevOps的度量反馈，“更快、更频繁、更高质量”地提升信息流的价值，形成数据回路，在IT组织内部可以在规模较小，修复成本较低的情况下修复问题，在业务组织内部可以在市场变化之前对产品功能进行调整，以“时间换空间”的方式实现“可逆”的产品输出。

本次分享将以技术管理者的角度，剖析DevOps在科技数字化转型中的核心价值。

〇 分享收益 〇

目标

1. 详细阐述数字化转型过程中，DevOps的定位和赋能，以DevOps为载体的科技数字化转型，重点解决数字化转型过程中，IT组织和业务组织之间数字语言的统一和标准。

2. DevOps赋予科技数字化的五种能力，数字可视、弹性合作、数字左移、数字风险和数字运营。

成功要点

技术管理者需要对DevOps进行全面的认识，需要跳出IT组织的范畴，明确DevOps能力需要面向企业的经营场景。 

启示 

科技数字化的阶段，明确DevOps的定位和赋能方式。以DevOps实践提升内部价值的输出能力，通过DevOps能力规范数字语言，将可度量可优化的IT能力浸润至业务场景和数据经营场景

〇 分享亮点 〇

1. DevOps体系构建科技数字化全貌

2. 分享DevOps数字可视、弹性合作、数字左移、数字风险和数字运营的能力

3. 分享DevOps承担数字语言的创建、统一和运营

4. DevOps对数据进行全流程分析，构建常用画像及各种维度画像

〇 分享简介 〇

SRE目的是保障生产环境的稳定性并减少故障，而变更通常是线上故障的首要源头。变更导致的稳定性问题的占比达到70%以上。因此可以说防控住了变更风险，就主动防控住了大部分稳定性问题的源头，“没有变更，就没有伤害”也成为了稳定性领域的共识。

在大部分公司对于变更类的问题，大多都当作是一个流程管控、信息管控的问题来解决，增加变更的审核流程、管控变更的执行权限，在用户体量较大的公司，存在相互交错的组织协同模式、错综复杂的分布式微服务链路、对于稳定性的问题几乎是0容忍，所以针对变更的风险管控，除了制定一些流程和规范，还应被当作一个技术问题来解决，应该有变更管控技术架构、管理制度以及对应的技术平台，

本次分享将智能化变更防控上的技术演进，通过实践系统化的“变更三板斧”理念，将线上变更风险进行有效防控，同时不断往变更无人值守的方向进行演进，对AIOps相关领域算法进行实践应用等案例。

〇 分享收益 〇

目标

当前互联网、科技技术公司面临的变更风险挑战：

1. 相互交错的组织协同模式

2. 错综复杂的分布式微服务链路

3. 对于稳定性问题的容忍度

如何应对公司错综复杂的变更操作，做好变更防控，降低变更引入的稳定性风险，主要聚焦变更技术架构、标准与规范、以及智能化技术的应用，通过技术的手段保障变更效率的同时，降低变更风险。

成功要点

1. 技术架构：通过一套变更防控的技术架构，对于变更平台进行统一的架构约束，通过变更防控切面进行变更风险的防控，拓展变更防御插件体系，集成各类可观测性能力，同时具备可扩展性，快速集成各类风险防御能力。

2. 变更标准与规范：定义标准化变更的信息模型，对于变更进行标准化，才能够满足变更管控切面分离的目标，将变更防控与变更平台自身的演进进行一定程度上的分离。

3. 智能化技术应用：一些AIOps技术的应用，时序异常检测、日志异常检测、时序指标画像等技术的应用以及效果，智能化技术的应用，大大增加了变更风险防控的效果，尤其是在可观测性智能化上面。

启示

互联网以及科技公司为了快速应对用户和市场反应，演化出了各类的变更操作，包括运维变更、系统发布、营销配置变更等，这里变更往往会有人为发起，而如何约束人为的变更操作不引起风险问题，是变更防控这个领域需要解决的问题，其中也会涉及到智能运维、AiOps等相关技术的应用案例。

〇 分享亮点 〇

1. 变更对于高可用领域带来的挑战

2. 变更防控技术架构与案例

3. 智能化技术在变更防控中的实际应用

4. 几种常见的变更场景

〇 分享简介 〇

随着云时代的到来，菜鸟作为物流的协同平台，支撑着全球物流生态体系，为了进一步提升物流行业效率和合规保障，全球化业务就近部署已是必然选择。

云如何实现高效低本的建站、如何保障业务高可用、如何通过智能运维帮助业务降本增效、增强市场竞争力是对运维非常关键的思考，菜鸟从2017年的混合云到2020的全面上云，不断的试错及验证，从Cloud Hosting到云上样板间，帮助业务低感知完成上云，今年将从云视角转为「业务用云」视角，以统一标准、统一架构为基础，并结合业务特征推进升级，从而帮助业务和技术充分释放云计算的技术红利。

本次分享核心围绕着菜鸟三年运维架构规划，菜鸟云原生智能运维体系，通过统一标准、统一调度、统一云管平台等策略来帮助业务合理用云，输出用云的最佳运维实践。

〇 分享收益 〇

目标

1. 产业互联网同比消费者互联网的运维差异点

2. 菜鸟是如何释放云计算的技术红利

3. 物流行业如何分层模式来快速适应云时代

成功要点

从IDC到云，菜鸟并没有过度追求技术先进性，一步到位，而是分层迭代，让业务与云共同进步，当关键底层技术的突破时，抓住最佳时机，完成云原生运维的核心能力的建设。

启示

云上组件丰富，可节省业务创新的技术成本，快速建设起多AZ的容灾体系，但高效便利的过程中也带来了失控的成本，云原生智能运维的体系建设能帮助业务合理用云，释放云计算的技术红利。

〇 分享亮点 〇

1. 菜鸟作为产业互联网的运维特征

2. 菜鸟未来三年运维规划

3. 云原生智能运维的体系建设

    a. 建章立制，标准一致

    b. 无感上云，统一调度

    c. 云资源开箱即用，0信任

    d. 弹性领域，持续深耕

    e. 成本友好型架构，指导控本

    f. 构建应用拓扑，一键建站

    g. 多云DevOps体系和管控平台

4. 未来展望

5. QA

〇 分享简介 〇

智能运维经过近几年的发展，在银行IT系统可观测能力提升等场景上已取得了部分成效。目前AIOPS在平台服务化能力、支持复杂场景、深度融入运维工具体系等方面仍有提升空间。特别是金融业正在大力推进分布式架构转型，运维复杂度显著增加，如何提升故障场景下从业务到基础设施层的全链路快速根因定界定位以及精准业务影响分析是AIOPS需要重点关注及解决的问题。

工行数据中心重点围绕信息系统运维可视化和快速排障能力提升开展运维大数据分析等智能运维（AIOps）技术的应用创新，构建了以动态运维地图、日志及指标分析引擎为基础的多模态智能运维框架，融合了知识图谱、自然语言处理（NLP）、异常检测、关联分析等机器学习算法，面向运维应用提供分布式架构下拓扑自发现、日志模式自动化解析、指标无阈值监控等服务，并在业务级故障定位等多个运维场景中取得了良好成效，提升了异常感知能力，辅助实现快速故障定位。

本次分享将围绕AIOPS服务化能力构建以及典型运维场景成效你来论证AIOPS在整体提升信息系统运维可视化和快速排障能力方面的适用性。内容涵盖动态运维地图、运维大数据分析引擎技术应用以及业务级故障定位场景案例。

〇 分享收益 〇

目标

1. 构建动态运维地图，解决分布式架构下拓扑关系复杂难以自发现、可视化能力不足等痛点问题，为运维应用提供基础的地图查询及导航功能。

2. 构建运维大数据分析引擎，支持日志实时自动化模式解析、指标动态基线检测及关联分析，实现精准异常感知及快速辅助故障定位。

3. 基于动态地图及大数据分析引擎的服务，开展业务级故障定位等典型运维场景研发，实现从业务报警穿透到基础设施的全链路自动化故障定位。缩短故障排查时间，提高故障应急时效。

成功要点

“技术+平台+场景”三位一体的智能运维数字化转型思路。一是持续开展前沿智能运维技术创新；二是规划建设智能运维平台，从通用工具平台的角度，沉淀智能运维技术创新成果，为各专业运维场景应用研发提供智能运维引擎服务；三是研发典型运维场景，既验证AIOps创新应用的可行性和适用性，又解决运维难题。

启示

构建了AIOPS的服务化能力，与运维体系及工具协同整合，面向多样化的运维场景提供动态运维地图及运维大数据分析等基础服务。

〇 分享亮点 〇

1. 智能运维框架概述

2. 智能运维平台三大基础功能介绍

     a. 动态运维地图

     b. 日志分析引擎

     c. 指标分析引擎

3. 智能运维场景案例--业务级故障定位场景实践

4. QA

〇 分享简介 〇

随着元宇宙概念的爆发，在原有的数字空间上拓展出大量新的交流方式与应用场景，是很多人对于虚拟世界的终极幻想。要实现元宇宙，大规模参与的极低延迟实时互动是其中的一个必要条件。

声网以PaaS云服务的方式切入实时互动产业，通过构建软件定义实时网络SD-RTN，将底层实时互动基础能力以简单易用的API形式提供给上层的应用开发者，帮助开发者快速构建灵活高质量的元宇宙应用。

本次分享围绕声网SD-RTN和相关实时互动技术与产品，为广大开发者带来构建元宇宙场景的网络传输架构介绍和思考。

〇 分享收益 〇

目标

1. 理解元宇宙对于网络基础设施的要求和难点；

2. 介绍实时互联网SD-RTN的设计思考；

3. 探讨实时互联网SD-RTN及相关技术产品的特性，助力开发者构建灵活高质量的元宇宙场景。

成功要点 

1. 实时互动作为核心技术基础设施，推动互联网向以“临场感”为主要特征的下一代互联网技术演进方向升级变革；

2. 作为实时互动 PaaS 云服务平台，专注与开发者赋能和技术支持，与上层应用开发者没有竞争关系，让上层的开发者放心的去在平台上创造和创新；

3. 设计上分层解耦，实现高质量、超低延时、大规模的最佳平衡。

启示

实时互联网SD-RTN作为元宇宙底层网络传输架构，为开发者构建各类元宇宙实时互动场景提供了快捷一致的技术方案。

〇 分享亮点 〇

1. 元宇宙场景对网络基础设施要求和设计难点

2. 软件定义实时互联网SD-RTN介绍

3. SD-RTN在实时互动场景的应用分享

4.  QA

〇 分享简介 〇

实时互动网络已从传统终端之间的互动走向终端、边缘和云上的全联结互动；从面向音视频领域走向多元化富媒体领域。音视频不再局限于以摄像头为视频源，逐步向云上生产数字视频发展，整个实时互动的范围不在局限于人与人的交流，而是拓展到人、实物与虚拟世界的联结。

华为云将在实时互动网络上考虑基于业务体验指标提供不同SLA的传输体验，通过异构网络构建overlay传输满足广覆盖诉求，深度结合华为云音视频生产服务提供便捷互动数据上云服务。

本次分享将构建实时互动网络过程中遇到的问题和解题思路，与各位开发者分享开发心得。

〇 分享收益 〇

目标

1. 了解实时互动网络组成部分

2. 了解实时互动网络的关键特征

3. 了解构建实时互动网络的难点与解决方案

成功要点

以实际物理网络和业务特征为指导, 拆分整体服务层次。解决节点间链路数与路径快速调整之间均衡问题。

启示

技术成熟度和高度决定行业场景给到什么体验，实时互动网络为构建元宇宙应用提供强大核心能力，为开发互动业务过程中网络QOS问题贡献非常大的价值。

〇 分享亮点 〇

1. 实时互动业务在互联网面临的问题

2. 华为云实时互动网络的技术架构演进

3. 构建华为云实时互动网落遇到的典型问题与解决方案

4. QA

〇 分享简介 〇

随着“堡垒之夜”千万人在线虚拟演唱会的火爆，元宇宙/云游戏中的音视频需求愈发旺盛，千万到上亿级别的元宇宙原住民们给实时音视频和边缘节点建设提出了大量的需求。在新的场景和架构下，如何保障每一位用户的音视频体验，如何保障音视频质量优化的普适性与公平性成为重要课题。 

融云基于大量用户的服务实践，从用户主观体验中提取共享客观指标，从而构建自动化的评价体系，保障每一位用户的音视频体验，是元宇宙实时音视频通讯的基础能力之一。

本次分享围绕融云音视频体验自动化体系的相关技术与产品，与广大开发者一同探讨如何给用户提供更好的音视频服务。

〇 分享收益 〇

目标

1. 了解音实时视频质量控制的模块关系

2. 了解音实时视频自动化测试环境

3. 了解全球部署的优化机制

成功要点

通过在自动化模拟的复杂环境里，对实时音视频质量进行客观评估，尽量贴近主观评价，从而减少人工成本提高产品质量。

启示

让音视频技术内部状态更细、体验覆盖更广、反馈速度更快，未来实现感知、反馈和监控一体化。

〇 分享亮点 〇

1. 元宇宙场景下实时音视频平台面临的挑战

2. 融云实时音视频质量控制总体架构

3. 算法研发与QoS自动化测试

4. 实时及离线QoS分析架构 

5. 全球链路的优化与容灾

6. 基于用户场景的智能感知和预警

7.   QA