8 月 22～23 日，由極客邦科技旗下 InfoQ 中國主辦的 AICon 全球人工智能開發(fā)與應(yīng)用大會·深圳站（2025） 圓滿落幕。大會兩天共吸引了超 800 位 AI 開發(fā)者、技術(shù)專家與相關(guān)行業(yè)從業(yè)者齊聚一堂，現(xiàn)場氛圍高漲，思想與實踐充分交融。
本次大會匯聚了來自騰訊、阿里、微軟、快手、Google Cloud、AWS、火山引擎、網(wǎng)易游戲、網(wǎng)易伏羲、科大訊飛、阿里國際、百度、彩訊股份、金山辦公、新希望金科、知鳥教育、云天勵飛、Rokid、眾安銀行、趣丸科技、華潤啤酒、匯豐科技、其域創(chuàng)新、紛享銷客、友盟同欣、飛輪科技、ThinkAny & MCP.so、三七互娛、同盾科技、神州數(shù)碼、百道數(shù)據(jù)、阿里云、騰訊云、騰訊音樂、Plaud、拂曦科技、商湯科技、值得買科技、網(wǎng)易云商、游心雕龍等多家海內(nèi)外企業(yè)的 70 + 專家，圍繞 Agent 應(yīng)用新范式、多模態(tài)與空間計算創(chuàng)新、推理性能優(yōu)化、AI 產(chǎn)品研發(fā)與商業(yè)化落地、智能硬件與具身智能等多個熱點方向展開分享與探討，為行業(yè)呈現(xiàn)了一場兼具深度與廣度的思想盛宴。
把握技術(shù)躍遷期，邁入 AI 落地深水區(qū)
在 AICon 深圳 2025 的開場致辭中，極客邦科技創(chuàng)始人兼 CEO 霍太穩(wěn)指出，AI 行業(yè)正在經(jīng)歷重要的階段性轉(zhuǎn)向，從模型能力的比拼進入到落地實踐的深水區(qū)。他提到，無論是國產(chǎn)算力卡的成熟可用，還是各類大模型在工廠、醫(yī)院、課堂等一線場景中的部署應(yīng)用，AI 正逐步從實驗室走入日常生產(chǎn)生活，成為“像水電煤一樣的基礎(chǔ)設(shè)施”。
他引用了 OpenAI 提出的“AI 五階演進框架”來刻畫當(dāng)前的關(guān)鍵躍遷期：從聊天與推理能力，進入到具備工具調(diào)用和自主執(zhí)行能力的 Agent 階段。AI 正在從“能回答”邁向“能解決”，這不僅是能力的拓展，也是產(chǎn)品形態(tài)和工程模式的根本轉(zhuǎn)變。
圍繞這一趨勢，霍太穩(wěn)進一步強調(diào)了系統(tǒng)性推進 AI 應(yīng)用落地的挑戰(zhàn)與機會，指出企業(yè)需要同步構(gòu)建起覆蓋架構(gòu)技術(shù)與業(yè)務(wù)流程的復(fù)合型人才體系。他提到極客邦科技正通過企業(yè)培訓(xùn)、認(rèn)證輔導(dǎo)與技術(shù)實戰(zhàn)課程，幫助技術(shù)人更系統(tǒng)地掌握 Agent、RAG、多模態(tài)等關(guān)鍵路徑，并推動知識、人才與生態(tài)的協(xié)同演進。
最后，他鼓勵在場的技術(shù)從業(yè)者、產(chǎn)品實踐者和創(chuàng)新者把握這一躍遷時刻，將經(jīng)驗轉(zhuǎn)化為方法，把工具能力真正嵌入業(yè)務(wù)流程之中。在他看來，AI 的價值不止于前沿突破，更在于如何服務(wù)真實世界中的復(fù)雜問題。
主題演講精彩回顧
蔣林泉：阿里云大模型應(yīng)用落地實踐之路
在大會首日主論壇上，阿里云智能集團CIO&負(fù)責(zé)人蔣林泉（雁楊）分享了過去三年多推動阿里云內(nèi)部數(shù)字化與 AI 智能化的實踐經(jīng)驗。他開場以“電梯”作比喻，指出個人和企業(yè)的發(fā)展固然需要努力，但搭上“時代的電梯”也很重要，而AI則是當(dāng)前時代那部最重要的電梯。
在談到企業(yè)應(yīng)AI大模型的挑戰(zhàn)時，他提到當(dāng)前比較突出的兩個矛盾：一是 CEO和業(yè)務(wù)部門的投入熱情和IT部門的交付能力之間存在不均衡；二是許多企業(yè)內(nèi)部涌現(xiàn)出大量的技術(shù)工程平臺和Demo，但真正進入業(yè)務(wù)、創(chuàng)造價值的應(yīng)用仍然不足。他進一步強調(diào)，要想讓AI 真正產(chǎn)出業(yè)務(wù)結(jié)果，需要投入足夠的資源，在組織方式、機會識別、運營指標(biāo)、評測體系等方面建立起系統(tǒng)方法。
因此，企業(yè)AI數(shù)字化的關(guān)鍵不在表面的工具和平臺堆砌，而在于能否真正交付業(yè)務(wù)結(jié)果，實現(xiàn)RaaS（Result as a Service）。在這一過程中，蔣林泉提煉出一套RIDE方法論：Reorganize（重組組織與生產(chǎn)關(guān)系）、Identify（識別業(yè)務(wù)痛點與AI機會）、Define（定義指標(biāo)與運營體系）、Execute（推進數(shù)據(jù)建設(shè)與工程落地）。
其中，在“Reorganize”環(huán)節(jié)，他表示，“如果不解決新生產(chǎn)力下的組織和生產(chǎn)關(guān)系問題，就會不斷遇到暗礁，甚至沒法往前走。”所以，首先要解決的是認(rèn)知和組織的問題。為此，他強調(diào) “書同文、車同軌”的重要性，在阿里云CIO線率先發(fā)起了全員大模型培訓(xùn)認(rèn)證，他認(rèn)為這是一場AI時代的通識教育，是對整體認(rèn)知底層的重鑄。在此基礎(chǔ)上，通過聯(lián)合業(yè)務(wù)部門開展AI業(yè)務(wù)創(chuàng)新大賽，激發(fā)組織轉(zhuǎn)型。
而談到“Execute”時，蔣林泉強調(diào)，定義好了前面的產(chǎn)品和運營指標(biāo)（Define），才是執(zhí)行。“這樣你在落地的過程中，才能夠動員領(lǐng)域?qū)＜遥驗闆]有知識專家的參與和評測能力的話，大模型應(yīng)用的上限是不可能上去的。” 另外，他進一步指出，如果目標(biāo)沒有價值，或者沒有找到真正的痛點，也很難獲得資源的支持和配合。
在“Execute”的工程金字塔框架中，數(shù)據(jù)與評測被放在最底層：“我把它放成大底座，你看它的體積最大，因為這部分是大模型應(yīng)用的基石，這塊的投入一定要做足。” 在他看來，與上一輪計算機視覺為代表的AI革命不同，本輪LLM AI浪潮最根本的差異，在于高質(zhì)量數(shù)據(jù)要素的構(gòu)建成本。而AI系統(tǒng)迭代所依賴的評測能力與評測開銷，正成為大模型應(yīng)用落地的核心瓶頸。
因此，這一輪大模型業(yè)務(wù)落地的關(guān)鍵投入點，是如何建立起有效的評測體系，并在此基礎(chǔ)上開展工程迭代。這里，蔣林泉著重提到“品味”，他認(rèn)為企業(yè)做好AI大模型落地，“起點是擁有具備品味的人，由他們來構(gòu)建知識與定義評測標(biāo)準(zhǔn)——這兩者，直接決定了大模型應(yīng)用所能達(dá)到的高度。”
周國睿：生成式技術(shù)重構(gòu)推薦系統(tǒng)的智能邊界與效率標(biāo)準(zhǔn)
推薦系統(tǒng)作為互聯(lián)網(wǎng)的核心基礎(chǔ)設(shè)施，其傳統(tǒng)級聯(lián)架構(gòu)（包含召回、粗排、精排及重排等模塊）長期面臨算力碎片化、系統(tǒng)MFU低下的瓶頸。快手科技副總裁/基礎(chǔ)大模型及推薦模型部負(fù)責(zé)人周國睿在演講中指出，這些局限正在限制推薦技術(shù)的進一步突破。
基于這一判斷，快手提出并落地了端到端的生成式推薦系統(tǒng) OneRec。通過將視頻 ID 等推薦對象離散化為語義 Token，OneRec 能夠在單一模型中覆蓋召回、粗排、精排等環(huán)節(jié)，實現(xiàn)生成式推薦。周國睿強調(diào)，這種“生成而非判別”的方式讓模型具備了更高的智能上限，同時在強化學(xué)習(xí)與 Reward 體系的加持下，大幅提升了推薦質(zhì)量與業(yè)務(wù)可控性。
在業(yè)務(wù)應(yīng)用上，OneRec 已在短視頻、本地生活、電商等場景全面落地。結(jié)果顯示，其推理成本僅為舊系統(tǒng)的十二分之一，卻在效果上實現(xiàn)了全面超越，顯著提升了用戶的消費深度和內(nèi)容多樣性。與此同時，OneRec 也展現(xiàn)出良好的遷移性，能夠快速適配不同業(yè)務(wù)場景。
周國睿還介紹了全新一代 Decoder-Only 架構(gòu)的 OneRec V2，通過去掉高成本的 Encoder 計算，集中算力在解碼端，訓(xùn)練效率提升了近 16 倍，使得更大規(guī)模的推薦模型訓(xùn)練成為可能。在此基礎(chǔ)上，團隊提出了最新的研究方向 OneRec-Think：將用戶行為數(shù)據(jù)與文本、圖像模態(tài)統(tǒng)一建模，借助語言模型的推理能力，實現(xiàn)“生成與理解一體化”的推薦系統(tǒng)。
他表示，這不僅是一次架構(gòu)層面的革新，更是對推薦系統(tǒng)智能邊界和效率標(biāo)準(zhǔn)的重塑，目標(biāo)是打造既能深度思考、又能高效服務(wù)的下一代推薦模型。
夏勇 ：從代碼質(zhì)量到自動修復(fù)：銀行研發(fā)閉環(huán)智能升級之路
匯豐國際財富管理及卓越理財 /首席架構(gòu)師及解決方案首席信息官夏勇分享了匯豐在軟件開發(fā)全生命周期中引入 AI 的探索與實踐。
他指出，銀行業(yè)數(shù)字化與智能化轉(zhuǎn)型面臨諸多挑戰(zhàn)：一方面，許多核心銀行系統(tǒng)已有五十年以上歷史，部分代碼仍基于匯編語言編寫；另一方面，金融行業(yè)對合規(guī)、穩(wěn)定性和韌性的要求遠(yuǎn)高于其他領(lǐng)域。如何在這樣的背景下確保研發(fā)質(zhì)量，成為銀行 IT 團隊必須跨越的難題。
夏勇強調(diào)，匯豐的目標(biāo)并非一蹴而就地用自然語言實現(xiàn)編程，而是逐步在研發(fā)流程的各個環(huán)節(jié)引入 AI 力量。他詳細(xì)介紹了團隊在代碼質(zhì)量量化上的創(chuàng)新工作——通過收集數(shù)百萬行開源項目代碼，結(jié)合機器學(xué)習(xí)方法，建立了可量化的質(zhì)量指標(biāo)體系，用于對內(nèi)部代碼進行基準(zhǔn)評估和改進。這一實踐已在生產(chǎn)事故減少上取得顯著成效。
在根因分析方面，匯豐嘗試引入大語言模型與 Agent，結(jié)合日志、告警、鏈路和變更等多源數(shù)據(jù)，基于“5Whys”追溯生產(chǎn)事故背后的真正原因。結(jié)果顯示，許多問題并非單純的管理或供應(yīng)商責(zé)任，而是源于代碼本身及自動化不足。通過這種方式，團隊能夠更科學(xué)地定位并解決問題，而非陷入部門間的“甩鍋”。
進一步地，夏勇分享了匯豐在自動化缺陷修復(fù)上的探索。團隊結(jié)合私域知識（包括設(shè)計文檔、內(nèi)部最佳實踐、業(yè)務(wù)邏輯等），訓(xùn)練小模型并構(gòu)建知識圖譜，使自動生成的單元測試和修復(fù)代碼更符合銀行的復(fù)雜業(yè)務(wù)邏輯，顯著提升了智能化的可用性與落地價值。
他最后表示，真正的智能研發(fā)閉環(huán)需要從設(shè)計、開發(fā)、測試到運維的每一步逐步嵌入 AI，并通過引入私域知識克服大模型的“幻覺”問題。這不僅是技術(shù)升級，更是金融業(yè)研發(fā)質(zhì)量、效率與穩(wěn)定性的全面提升。
劉煒清：以大模型為基礎(chǔ)的金融領(lǐng)域新范式的思考、探索與應(yīng)用
微軟亞洲研究院機器學(xué)習(xí)組首席研究員劉煒清分享了團隊在 AI for Finance 領(lǐng)域的長期探索與最新成果。
他回顧了團隊從九年前開始進入金融 AI 研究的歷程。早期工作主要聚焦于投資建模、反洗錢等任務(wù)，并逐步積累了從學(xué)術(shù)研究走向產(chǎn)業(yè)落地的經(jīng)驗。劉煒清指出，學(xué)術(shù)論文中的算法效果與真實金融場景之間常常存在巨大差距，這促使他們開發(fā)了開源量化平臺 Qlib，以彌合研究與實務(wù)之間的鴻溝，并逐步擴展到強化學(xué)習(xí)、元學(xué)習(xí)和基于 Agent 的自動化研究流程。
隨著大模型與 Agent 技術(shù)的發(fā)展，團隊提出了新的愿景：構(gòu)建既具確定性、又能迭代演化的金融智能體。在這一方向上，他們開展了兩類工作：一是基于代碼生成與迭代的自動化研究框架 R&D-Agent，可在量化研究等場景中通過自動多輪迭代快速生成高質(zhì)量方案；二是基于領(lǐng)域原生數(shù)據(jù)的生成式基礎(chǔ)模型，即市場仿真引擎 MarS（Market Simulation Engine）。
劉煒清詳細(xì)介紹了 MarS 的設(shè)計思路：將訂單流這種金融市場最細(xì)粒度的數(shù)據(jù)進行建模，通過對單筆訂單與訂單組的雙重 tokenization，訓(xùn)練出可預(yù)測和生成訂單序列的模型。在此基礎(chǔ)上，團隊構(gòu)建了一個數(shù)字孿生金融市場，能夠進行動態(tài)模擬、壓力測試及 “what if” 情境推演，幫助監(jiān)管、風(fēng)險管理和策略研發(fā)在上線前獲得真實驗證。他強調(diào)，模型不僅在微觀層面重現(xiàn)了交易行為，還能在宏觀上復(fù)現(xiàn)經(jīng)濟學(xué)家總結(jié)的市場規(guī)律，為市場仿真帶來新的可信度。
經(jīng)過推理優(yōu)化，MarS 已能在分鐘級預(yù)測中兼顧性能與效率，逐漸具備實際應(yīng)用的可行性。劉煒清指出，這一新范式的價值不僅限于金融領(lǐng)域，凡是具備行業(yè)專屬數(shù)據(jù)、強依賴專家經(jīng)驗、迭代成本高的場景，都可能借鑒類似框架。他總結(jié)道，生成式基礎(chǔ)模型與 Agent 的結(jié)合，為金融市場的研究和監(jiān)管帶來了全新的方法論，也為 AI 在復(fù)雜行業(yè)中的落地提供了新的思路。
多場硬核分享，帶來 AI 落地的“實戰(zhàn)寶典”
在匯聚行業(yè)專家與創(chuàng)新者的 AICon 舞臺上，兩天內(nèi)共呈現(xiàn)了 14 場精彩紛呈的與 AI 相關(guān)的熱門議題，為與會者帶來了深刻的行業(yè)洞察與創(chuàng)新啟發(fā)。
大會第一天專場設(shè)置如下：
·專題一：Agent 應(yīng)用新范式與 MCP 生態(tài)實踐
由騰訊云智能體平臺產(chǎn)品中心總經(jīng)理、騰訊技術(shù)專家王磊出品，阿里云智能集團瓴羊高級技術(shù)專家王克、值得買科技CTO王云峰、Amazon Web Services首席解決方案架構(gòu)師費良宏、Trae架構(gòu)師馮緒帶來精彩分享，內(nèi)容涵蓋創(chuàng)作范式重塑、營銷Agent應(yīng)用、電商MCP實踐、Agentic AI在軟件開發(fā)中的落地以及代碼編輯插件的實踐探索，全面展現(xiàn)了智能體應(yīng)用的新趨勢與生態(tài)建設(shè)路徑。
·專題二：AI 驅(qū)動業(yè)務(wù)重塑與提效
本專題由網(wǎng)易游戲技術(shù)總監(jiān)何丹出品，聚焦AI在企業(yè)價值重塑與效能提升中的應(yīng)用實踐?？焓职踩惴ㄖ行呢?fù)責(zé)人劉夢怡、趣丸科技媒體算法負(fù)責(zé)人馬金龍、網(wǎng)易游戲AI產(chǎn)品策劃專家藍(lán)師師、騰訊文檔后臺技術(shù)專家張瀚元、國際頭部ERP企業(yè)專家吳云，分別分享了內(nèi)容審核大模型、智能客服與知識圖譜、游戲研發(fā)AI助手、文檔AI基礎(chǔ)設(shè)施以及制造業(yè)大模型落地等實踐案例，展示了AI在業(yè)務(wù)創(chuàng)新、流程重構(gòu)與組織轉(zhuǎn)型中的多維探索與成效。
·專題三：AI Infra
AI 基礎(chǔ)設(shè)施正成為大模型研發(fā)與應(yīng)用的核心底座，從算力集群到數(shù)據(jù)引擎、從異構(gòu)芯片調(diào)度到全球化數(shù)據(jù)分析，都對架構(gòu)演進提出了更高要求。本專題由阿里云公共云 AI 汽車技術(shù)服務(wù)負(fù)責(zé)人王德山出品，阿里云資深技術(shù)專家張凱、商湯技術(shù)產(chǎn)品總監(jiān)劉葉楓、火山引擎AI數(shù)據(jù)湖服務(wù)架構(gòu)師琚克儉、飛輪科技技術(shù)副總裁楊勇強等嘉賓，圍繞云原生 AI、異構(gòu)算力調(diào)度、多模態(tài)數(shù)據(jù)處理與AI原生數(shù)據(jù)分析架構(gòu)分享實踐成果，展示了AI Infra在性能、穩(wěn)定性、成本與合規(guī)間的多維探索。
·專題四：專題：AI 產(chǎn)品研發(fā)與商業(yè)落地探索
AI Native 產(chǎn)品、情感計算與智能硬件正成為新一輪創(chuàng)新熱土。本專題由金山辦公AI研發(fā)總監(jiān)劉強出品，金山辦公AI產(chǎn)品總監(jiān)徐奕成、網(wǎng)易云商AI技術(shù)負(fù)責(zé)人馮旻偉、游心雕龍創(chuàng)始人彭杰、Plaud中國區(qū)CEO莫子皓等嘉賓，分別分享了多Agent驅(qū)動的內(nèi)容創(chuàng)作體系、服務(wù)營銷智能體的價值閉環(huán)、AI賦能UGC游戲創(chuàng)作鏈以及軟硬結(jié)合的LLM-native產(chǎn)品路徑，展示了AI在從產(chǎn)品創(chuàng)新到商業(yè)化落地過程中的多元實踐與趨勢洞察。
·專題五：多智能體構(gòu)建、協(xié)作與企業(yè)級實踐（廠商共建）
多智能體正成為AI發(fā)展的新風(fēng)口，但企業(yè)在構(gòu)建、協(xié)作和落地應(yīng)用中仍面臨諸多挑戰(zhàn)。本專場邀請Google Cloud資深A(yù)I架構(gòu)師申紹勇、合作伙伴解決方案架構(gòu)師何鵬與百道數(shù)據(jù)解決方案架構(gòu)師莊才家，以及神州數(shù)碼通明湖云和信創(chuàng)研究院首席AI科學(xué)家謝國斌，共同探討多智能體的核心技術(shù)與企業(yè)實踐
大會第二天專場設(shè)置如下：
·專題一：AI 原生時代的卓越架構(gòu)治理
本專題由騰訊云顧問產(chǎn)品總經(jīng)理許小川出品，聚焦AI原生背景下的架構(gòu)治理新模式?？焓仲Y深架構(gòu)師劉中兵、華潤啤酒技術(shù)總監(jiān)葉寧、騰訊音樂運維開發(fā)組組長邊雪冬等嘉賓，分享了從架構(gòu)成熟度評估、智能化診斷與治理，到傳統(tǒng)消費品的數(shù)字化轉(zhuǎn)型路徑，再到AIOps驅(qū)動下的智能運維實踐，展示了AI在保障系統(tǒng)穩(wěn)定性、推動業(yè)務(wù)升級與實現(xiàn)智能化治理方面的多元探索與落地經(jīng)驗。
·專題二：高效推理技術(shù)與性能極限優(yōu)化
在大模型應(yīng)用快速普及的背景下，如何在保證性能的同時降低推理成本，成為業(yè)界關(guān)注的焦點。本專題由阿里國際AI Infra負(fù)責(zé)人丁虎平出品，邀請阿里云高級技術(shù)專家馬騰、騰訊PCG機器學(xué)習(xí)平臺技術(shù)負(fù)責(zé)人袁鐿、Google AI Infra技術(shù)專家楊國強等嘉賓，分享了長上下文KVCache中心化優(yōu)化方案、分布式推理調(diào)優(yōu)實踐以及TPU上的推理優(yōu)化路徑，展示了業(yè)界在算力效率、成本控制與架構(gòu)突破上的前沿探索與實戰(zhàn)經(jīng)驗。
·專題三：多模態(tài)與空間智能技術(shù)創(chuàng)新
隨著AI技術(shù)加速演進，多模態(tài)與空間智能逐漸成為業(yè)界探索的重點方向。本專題由快手多模態(tài)大模型負(fù)責(zé)人高婷婷出品，快手高級算法專家文彬、其域創(chuàng)新解決方案負(fù)責(zé)人張維維、騰訊智慧出行解決方案總監(jiān)潘英超等嘉賓，從模型創(chuàng)新、真實環(huán)境數(shù)據(jù)獲取到產(chǎn)業(yè)落地路徑，系統(tǒng)展示了多模態(tài)與空間智能在視頻理解、具身智能、自動駕駛和智慧出行等場景中的前沿探索與落地經(jīng)驗，為AI技術(shù)與產(chǎn)業(yè)深度融合提供了新的思路與啟發(fā)。
·專題四：智能硬件與具身智能創(chuàng)新實踐
隨著智能終端、機器人和AIoT的不斷演進，具身智能正成為AI落地的重要方向。本專題由云天勵飛副總裁鄭文先出品，Rokid XR中心主管季楊康、網(wǎng)易伏羲決策智能算法研究員干英豪、拂曦科技CEO段然等嘉賓，分別分享了智能眼鏡的全棧開發(fā)實踐、工程機械遠(yuǎn)控與自動裝車的具身智能探索，以及AI眼鏡在社交場景中的多模態(tài)感知與交互應(yīng)用，展示了具身智能在硬件形態(tài)、工程實踐與消費場景中的前沿突破與發(fā)展?jié)摿Α?/p>
·專題五：AI 時代下，企業(yè)管理革新和個人效能提升
隨著AI逐漸融入企業(yè)核心流程，組織管理與個人效能正在迎來全新變革。本專題由知鳥教育CTO沈菁出品，百度飛槳廣州中心副主任陳云峰、眾安銀行技術(shù)委員會主席沈斌、三七互娛算法工程師李遠(yuǎn)方等嘉賓，分別帶來關(guān)于AI驅(qū)動企業(yè)管理范式重構(gòu)、超級個體的做事方法論以及智能會議紀(jì)要落地實踐的精彩分享，展示了AI在管理模式、個人成長路徑和溝通協(xié)作效率上的多元應(yīng)用與深遠(yuǎn)價值。
·專題六：Agent + Data 落地探索
大語言模型驅(qū)動的智能體正為數(shù)據(jù)價值釋放帶來全新契機。本專題由火山引擎數(shù)智平臺高級總監(jiān)徐冰泉出品，火山引擎Data Agent技術(shù)專家陳碩、騰訊數(shù)據(jù)工程專家虎興龍、友盟同欣產(chǎn)品部負(fù)責(zé)人馮成蹊、數(shù)據(jù)平臺大模型評測技術(shù)負(fù)責(zé)人尹小明等嘉賓，圍繞數(shù)據(jù)Agent的產(chǎn)品進化與工程落地、智能營銷新模式以及大模型應(yīng)用評測實踐展開分享，展示了智能體如何在數(shù)據(jù)交互、治理、安全與價值轉(zhuǎn)化中加速應(yīng)用落地，為企業(yè)構(gòu)建數(shù)據(jù)驅(qū)動的智能生態(tài)提供了方法論與案例參考。
·專題七：AI 賦能研發(fā)體系變革
隨著大模型和智能Agent全面融入研發(fā)流程，企業(yè)軟件工程正從“工具輔助”邁向“智能驅(qū)動”的新階段。本專題由科大訊飛研發(fā)總監(jiān)薛增奎出品，首席前端架構(gòu)師侯凡、匯豐科技信息安全部門負(fù)責(zé)人楊偉強、阿里云架構(gòu)師周絮、Trae架構(gòu)師寧嘯威等嘉賓，分別分享了多Agent協(xié)同研發(fā)平臺、AI安全代碼自動修復(fù)、智能運維雙支柱實踐以及Coding Agent的工程落地探索，展示了AI在研發(fā)效能提升、代碼安全治理與新一代開發(fā)范式中的多元價值與前沿實踐。
·專題八：Agent 核心技術(shù)與系統(tǒng)架構(gòu)創(chuàng)新
隨著大模型與智能體技術(shù)的快速演進，如何在企業(yè)級場景中實現(xiàn)高效、穩(wěn)定、可持續(xù)的 Agent 系統(tǒng)架構(gòu)，成為行業(yè)共同關(guān)注的焦點。本專題由彩訊股份 AI 產(chǎn)研部總經(jīng)理鄒盼湘出品，商湯科技王志宏、彩訊科技樊懋、紛享銷客王毅、快手科技王立凱等嘉賓，分別從敏捷與穩(wěn)定兼顧的 Agent 框架設(shè)計、B 端智能體構(gòu)建與 Context Engineering、企業(yè)級 SaaS Agent 平臺實踐，以及 Agentic AI 在商業(yè)化場景的應(yīng)用探索等維度展開分享，系統(tǒng)呈現(xiàn)了智能體在架構(gòu)范式、平臺化實踐和業(yè)務(wù)落地上的最新突破與應(yīng)用思路。
·專題九：大模型在金融領(lǐng)域的創(chuàng)新實踐
隨著大模型與智能體技術(shù)的快速落地，金融行業(yè)正迎來風(fēng)控、信貸、合規(guī)、營銷等核心業(yè)務(wù)的智能化重塑。本專題由新希望金科 AI 中心總經(jīng)理王小東出品，王小東、同盾科技董紀(jì)偉、某銀行機構(gòu)徐小磊、騰訊歐陽天雄等嘉賓，圍繞經(jīng)營貸風(fēng)控升級、信貸風(fēng)險自迭代、金融產(chǎn)品可信架構(gòu)、智能風(fēng)控大模型應(yīng)用等方向展開分享，系統(tǒng)呈現(xiàn)了大模型在金融場景的創(chuàng)新探索與實踐路徑。
智能體驗卷起來，開發(fā)者展區(qū)成“寶藏打卡地”
從智能眼鏡到 AI 健身私教，各類前沿“黑科技”在本屆 AICon 深圳站的開發(fā)者展區(qū)集中亮相，吸引了大量參會者駐足體驗、交流互動，科技氛圍拉滿。
比如在“寶藏體驗角”，參會者可以零距離感受 AI 智能硬件的創(chuàng)新魅力。特別感謝 Rokid、拂曦科技、Plaud AI、EasyRight AI、制糖工廠，為大家?guī)碡S富有趣的交互體驗！
（以下圖片輪播）
本屆大會的圓滿舉辦，也離不開合作伙伴們的大力支持！特別感謝匯豐科技中國、Google Cloud、百道數(shù)據(jù)、神州數(shù)碼、GMI Cloud、數(shù)勢科技、硅基流動、TRAE、飛輪科技、快手、萬界數(shù)據(jù)、濤思數(shù)據(jù)、IPIP對本屆大會的大力贊助與支持。
同時，我們也衷心感謝眾多社區(qū)與媒體伙伴的大力支持。正是在各方的共同努力下，AICon 得以繼續(xù)推動 AI 技術(shù)生態(tài)的繁榮發(fā)展，共同探索行業(yè)的未來方向。
下一站，精彩繼續(xù)
2025 AICon 深圳站圓滿收官，接下來 10月 QCon 上海站和 12月 AICon 北京站精彩接力，等你來探索！
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
