【会议内容】
随着人工智能（AI），尤其是大型语言模型（LLMs）在多个行业领域的广泛应用，它们所带来的革命性变化预示着软件开发模式、方法和实践将经历深刻的转变。为了帮助企业在人工智能的浪潮中抓住机遇，“AI+研发数字峰会（AiDD）”应时而生，致力于协助企业利用AI技术深化计算机对现实世界的理解，推动研发进入智能化和数字化的新时代。
AiDD峰会将坚持“全心服务行业与国家高质量发展，助力企业和个人成长”的使命，打造一个顶尖的工业界与学术界技术交流与实践分享平台，逐步发展成为兼具专业性、专注性、全面性与前瞻性的顶级 AI 数字峰会。
【会议日程】
已提交议题
SUBMITTED TOPICS
| 业务语义模型驱动开发 姜 皓 | 华为 软件工程COE | 用AI Agent与知识库重塑遗留系统迁移范式 张思楚 | Thoughtworks Technical Principal | 以全链路数字化方式落地的AI Coding实践 李佳奇 | 去哪儿旅行 基础架构负责人 技术总监 |
| AI 驱动时序数据全链路革新：智能制造数据采集与处理的范式跃迁实践 陈 肃 | 涛思数据 高级副总裁兼解决方案中心总经理 | 面向 AI Agent 时代的下一代推理基础设施：AI Serving Stack 架构解析与生产级实践 车 漾 | 阿里云高级技术专家及CNCF Fluid项目联合发起人 | 从传统到智能：集团产研效能提升三层推进体系（基建-实践-度量） 鞠晓岩 | 京东科技 资深效能专家 |
| 中大型团队应用AI-Coding的统一化赋能及管理模式探索实践 马洪喜 | 行云创新CEO | Agentic Skill 在阿里云 ECS 大规模诊断中的实践与落地 胡 兵 | 阿里云技术专家 | 三层智能测试：基于 UI / API / Data 的 AI 用例生成实践 刘 乾 | 蚂蚁保测试专家 |
| 基于规格驱动的智能研发体系建设与落地实践 郑 凯 | 中国工商银行软件开发中心 研究员 | 基于RIPER-5和Skills的RSDD实践 蔡李生 | 中兴通讯 AI技术教练 | 精彩议题 敬请期待 |
AI+金融系统研发
论坛出品人：神秘嘉宾
敬请期待
本论坛聚焦大模型和智能体驱动的测试生成技术与智能测试工具创新。深入探讨自动化测试用例生成——从需求自动生成测试场景到脚本的自动生成。剖析智能测试工具核心能力：测试脚本自愈、测试工具调度、自主视觉UI测试的执行等。汇聚测试专家与工具开发者，分享测试生成最佳实践与智能工具链构建经验。
测试生成与智能测试工具
论坛出品人：神秘嘉宾
本论坛将聚焦多智能体协同决策与具身智能在前沿人工智能领域的创新实践，深入探讨多智能体系统如何通过大模型赋能，在复杂场景中实现自主协作与智能进化。同时，论坛也将关注具身智能在机器人交互、行为决策以及与人类社会深度融合等方面的最新研究成果。
多智能体协同架构设计与实现
敬请期待
论坛出品人：
晋武侠：西安交通大学 副教授
黄胜鲁：中兴通讯 有线院AI工程负责人
本论坛深入研讨AI辅助仓库理解、架构恢复、遗留系统分析；从源码自动生成文档、还原设计意图，到智能识别架构模式与现代化改造。深入探讨AI驱动的需求逆推、决策还原与知识挖掘，将架构思维融入Spec-Driven开发。分享AI辅助的逆向分析工具链、遗留系统智能迁移与架构演进最佳实践，释放系统资产价值，筑牢大模型时代软件架构根基。
AI+逆向工程与系统设计
论坛出品人：王 一
中兴通讯有线研究院 需求 AI 应用负责人
本论坛聚焦两大核心突破：智能需求工程的AI化升级与Spec-driven的AIGC深度融合。探讨如何利用大模型构建智能需求工程体系——自动需求提取、智能需求分解、结构化规格生成，确立”Spec at First”作为AI研发的黄金准则。深入剖析Spec如何成为AIGC研发的”中枢神经”：破解AI生成代码的可控性与可维护性难题。
Spec-driven研发与智能需求工程
论坛出品人：神秘嘉宾
敬请期待
本论坛聚焦大模型核心技术革新与落地实践，围绕MoE架构、新的记忆机制、检索效率优化、模型压缩蒸馏、推理性能提升、高效训练框架、工程化部署等一些核心主题，汇聚业界专家与技术精英，进行深度解析，分享跨场景创新方案与实操经验，助力听众掌握架构设计核心逻辑、破解落地瓶颈，降低研发成本、提升部署效率，收获可迁移的技术思路与实践方案。
大模型架构创新与工程优化
论坛出品人：王昊奋
同济大学百人计划 特聘研究员
OpenKG发起人之一
AiDD技术委员会成员
知识工程当前研究热点已从单一知识图谱扩展到“知识图谱+大模型”融合、多模态知识表示、Context Graph（上下文图）动态建模、符号-神经网络混合推理、以及 Palantir Ontology 等商用本体平台的工程化落地，覆盖知识表示与推理、知识图谱、图数据库与图计算、知识问答、知识增强大语言模型等主题。
知识工程与RAG技术实践
论坛出品人：杨 超
彼格镁隆 大模型研发负责人
本论坛旨在探讨人工智能技术在新能源汽车领域的应用和发展，为推动新能源汽车产业的智能化升级提供思路和方向。汇集学术界、工业界等各领域相关专家，共同探讨如何利用人工智能技术提高新能源汽车的性能、安全性和智能化水平，以及如何解决当前新能源汽车领域面临的挑战和问题。
智能座舱+自动驾驶
论坛出品人：谢晓园
武汉大学计算机学院 教授
智能缺陷检测与定位是保障软件质量、提升研发效率与系统安全性可靠性的核心支撑技术。本论坛聚焦大模型技术飞速发展的背景下，智能缺陷检测与定位的前沿技术突破、实际应用痛点、以及产业落地路径，深入探讨技术迭代中的新机遇、新挑战与新范式，搭建学界与业界的交流桥梁，推动技术创新与产业实践深度融合。
智能缺陷检测与定位
论坛出品人：陈 鑫
阿里巴巴资深技术专家
Qoder IDE Agent 技术负责人
本论坛探讨基于AI技术、LLM开发应用软件的思想、方法、框架及其实践。本论坛将聚焦于如何利用AI技术（深度学习、LLM等）开发创新的数字人、智能对话系统以及结合文化创意的应用等等，包括基于自然语言交流、语音交流、情感识别和新形式的表达等AI技术，开发出颠覆性的、更加个性化、让人耳目一新的AI原生应用软件。
原生IDE和开发工具
论坛出品人：温希道
阿里云 可观测高级算法专家
本论坛聚焦基于LLM+Agent的AI原生应用系统，探讨新型智能系统的运维与运营突破。深入剖析Agent决策追踪、对话质量监控、成本与效果平衡、prompt工程迭代等工程化挑战。探讨智能运营核心：任务成功率度量、用户反馈闭环、持续优化机制。汇聚LLMOps先行者，分享AI应用全链路可观测性与精益运营最佳实践。
智能系统的运维与运营
论坛出品人：任晶磊
思码逸 创始人兼CEO
大模型能力跃升与AI编程智能体涌现, 将软件工程从“局部提效”推向“系统重构”。本论坛聚焦AI驱动的研发范式变革——不止于单个环节应用，而是探索知识治理、工程实践、组织变革与度量体系的全面革新，分享业界最新技术与实践，助力企业实现10x乃至更高数量级的效能提升。
AI+研发效能10X提升
论坛出品人：秦思思
中国信息通信研究院 人工智能研究所高级业务主管
本论坛聚焦于智能编码方向的探索，在代码自动生成、编译纠错、测试代码等方向上的研究成果，针对代码大模型优化、多智能体，AI程序员、AI+低代码平台等热门方向，分享该领域最新研究成果，探讨多智能体落地应用场景。
AI+代码生成与质量管理
论坛出品人：神秘嘉宾
敬请期待
本论坛聚焦AI驱动的全生命周期质量管理新范式。探讨AI如何洞察研发全过程质量风险——需求阶段的缺陷预测、设计环节的架构风险识别、编码过程的质量隐患预警。深入剖析AI赋能质量工程关键场景，如生成质量计划与风险清单、Agent协同驱动流程持续改进、基于LLM的客户反馈智能分析与质量洞察提取。探讨从被动质量保障到主动质量预防的转型路径。
AI+质量管理
大会论坛
CONFERENCE FORUM
【会议门票】
峰会门票：¥ 6800/人 团购优惠
退票说明：不支持退票
门票一经售出，不支持退票，可换人参加。
说明:
1.峰会通票包含：峰会所有主题演讲、会刊资料、两天午餐、茶歇，以及所有会议服务资源。
2.有报名意向的参会者请于优惠截止前提交订单，然后再走内部的审批或者付款流程，错过优惠期报名的则按照下一个折扣阶段计算票价，请知晓。
3.大会门票不得随意转让，如因故不能参会，请联系大会票务组进行票务信息更改，会议开始前10个工作日不得更改，如门票遗失，请您及时与票务组联系补办。
关于发票：
通过活动家购票后会为您开出电子发票，按照所选开出普票或专票，项目“会议费”或“会务费”。
同期深度工作坊-AI 大模型时代的 FDE 转型实战（仅限40人）
专家讲师：李明宇
AI 大模型落地实战专家
企业智能化转型首席顾问
中科院计算所副教授（高级工程师），历任国家重点实验室课题组负责人，创业公司CTO，上市公司事业群技术总监和首席技术专家，荣获中国软件协会“优秀CTO”等多项荣誉，中国新一代IT
产业联盟分委会秘书长，全国高校人工智能与大数据创新联盟专家委员，北京开源创新委员会委员，中国开源软件创新大赛总决赛评委。
国内为数不多兼具大型企业高管视野与一线技术实操能力的复合型技术和管理专家，十余年来始终深耕IT
新技术在企业级场景的规模化落地，跨顶级科研机构-创业公司-大型民营企业和央国企，成功主导多个产品从技术研发、工程实施到商业变现的全链路闭环，能够从前沿视野、战略解码、开发实操、项目管理、产品设计等多个角度给予企业全面的培训与辅导。
内容简介：
随着大模型技术的爆发，企业级 AI 应用普遍面临“交付难、成本黑洞、效果不可控”的三大痛点 。据 Gartner 预测，到 2027 年，40% 的智能体项目可能烂尾 。
造成这一困局的核心原因在于，传统的瀑布式或慢敏捷开发模式，已无法适应 AI 项目“需求涌现化”、“输出概率性”和“技术迭代快”的特征 。传统的职能分工导致产品、研发与交付之间存在“职能墙”，在AI 项目中难以形成合力 。与此同时，Palantir 等成功的AI 公司通过设置对最终业务效果负责的新型人才—— FDE（Forward Deployed Engineer，特遣工程师），并设计相应的敏捷组织架构和流程，打破边界、成功破局。
本工作坊正是为了解决 AI 落地中的“剪刀差”现状，由具有大规模人工智能项目成功落地经验的实战派讲师亲自授课，通过讲解+实战培养具备全链路闭环能力的 FDE，帮企业将大模型技术真正转化为可落地的业务价值 。
适合人群：
研发总监、技术VP、CTO、创新部门/数字化转型负责人、AI/ML工程师、算法工程师、全栈工程师、后端工程师、技术型产品经理、有技术背景的解决方案架构师/售前专家、有志于成为FDE的资深个人开发者/创业者。
演讲提纲：
模块一：概念重构 —— 理解 FDE 的内涵
1.1 定义 FDE
• 新定义： 在 AI 2.0/Software 3.0 时代，能够打破“数据-算法-工程”职能墙，独立完成从“业务意图 -> 数据处理 -> 模型/智能体调优 -> 工程部署”全链路闭环的工程师。
• 核心差异： 传统模式关注“产出代码”和“算法实现”，FDE 模式关注交付“智能能力”和“业务价值”。
1.2 思维范式转变
• 从 Code-First 到 Value-First： 拒绝重复造轮子，善用公司技术资产和开源生态快速构建 MVP（最小可行性产品）。
• 从 确定性 到 概率性： 管理 AI 输出的不确定性（幻觉控制、置信度评估），这是FDE 的核心门槛。
• 内涵关键词： Ownership（对最终业务效果负责）与 Velocity（极速迭代）。
1.3 FDE 的四个核心角色
• 业务咨询师： 识别业务痛点，并转化为AI可处理的问题。并向业务人员进行 AI 赋能。
• 架构操盘手： 设计AI系统架构、RAG 管道 与 Agent 逻辑，快速编写胶水代码实现MVP。
• AI 驯化师： 掌握 Context Engineering、Few-shot Learning 及微调等技术，持续优化 AI 能力。
• 监控运维官： 监控算力成本、响应延迟 (Latency) 及回答质量等指标，负责系统升级。
模块二：能力矩阵 —— “T型” 技能树构建
2.1 核心技能栈 (Hard Skills)
• AI Native 能力构建：
– 工具链： 智能体平台、开发框架、向量数据库、模型推理与训练框架。
– Agentic AI 架构基础： RAG (检索增强生成)、Agent (智能体) 编排、function calling与MCP 接入外部系统、记忆与状态管理。
– 模型认知与选型：主流闭源与开源模型的能力优劣与成本/性能比较。
– RAG 进阶工程：合检索（关键词+向量）、重排序（Rerank）、查询改写（Query Rewriting）、多模态RAG、PDF/表格的解析与入库策略。
– Context Engineering： CoT (链式思维)、ReAct 框架、Plan-and-Execute、动态上下文管理。
– Skills：业务 SOP（指令） + 执行脚本（代码） + 领域知识（文档）
– 多智能体协同：路由模式（Router）、评审模式（Critic）、层级调度模式。
– 评估驱动开发（EDD）： 建立自动化评估数据集（Golden Dataset）、设计面向业务的评估指标、LLM as a Judge。
• 编程能力升级：
– Python 高级编程。
– AI Coding/Vibe Coding。
2.2 软技能 (Soft Skills)
• 需求挖掘与预期管理：
识别模糊需求，转化为 AI 可处理的问题。运用“价值优先（Value-First）”原则，筛选出高价值切入点，快速构建最小可行性产品（MVP）。
向业务方传递 AI 的“概率性”特征，帮助用户建立对“幻觉”和“错误率”的正确容忍度，并设定合理的置信度评估标准。
• 敏捷协作：
“以演示促交付”，通过每周的 Demo 会议快速收集真实环境反馈，利用高频迭代解决 AI 项目“效果不可控”的痛点，确保项目不偏离业务价值 。
摒弃传统的“流水线”作业，FDE 与 AIBP等同事组成 2-4 人的敏捷小队，实现从数据处理到模型调优的全链路实时协同 。
• 用户侧高层沟通：
清晰阐述解决的具体业务痛点，用数据驱动的方式量化项目成果 。在项目早期通过 PoC验证可行性，及时止损或明确资源投入 。
阐明从“技术托管”到“自主运营”的清晰路径，消除客户对于长期技术依赖和“被机器替代”的顾虑 。
模块三：组织与流程 —— 智能体系统敏捷工程
3.1 组织架构：智能体敏捷小组
• 最小作战单元：告别职能部门墙，组建 2-4 人的全功能小队。
• 关键角色：
– AIBP (AI Business Partner)： 业务效果负责人（通常由业务专家或产品经理担任），负责定义“模糊意图”并提供真值数据 (Ground Truth)。
– FDE：智能体搭建、Prompt 资产管理、模型调试、工程优化与集成。
– Data Engineer (可选)： 在重数据依赖场景下介入，负责高质量数据供给。
3.2 智能体系统敏捷开发生命周期
• 阶段一：场景探索与 PoC：框架先行，聚焦核心 Case，快速验证技术可行性与商业价值。
• 阶段二：迭代交付与试用：进入周度迭代 (Weekly Sprint)，交付 Beta 版，并在真实环境中收集反馈。
• 阶段三：持续优化与自主调校：交付 V1.0，开发“配置化界面”，赋能 AIBP 自主调整 Prompt 或规则，FDE 逐步抽身。
• 阶段四：自主运营：业务方独立运营，FDE 仅负责监控与阶段性升级。
3.3 核心战术动作
• 沟通与会议机制
• 任务分解、结果度量与流转闭环
• 产出与数字资产管理
模块四：实战落地 —— 案例演练（可根据客户所在行业定制）
案例A：结合企业业务场景的垂域智能问数
案例B：结合企业内外部数据的综合调研与报告撰写
听众收益：
帮助团队设置和培养FDE（Forward Deployed Engineer），并引入智能体系统敏捷开发方法论，重塑组织能力和开发流程， 解决 AI 项目“落地难、交付慢、效果不可控”的痛点。具体如下：
1. 思维范式重塑： 帮助学员打破“产品-研发-交付”的传统职能墙，从关注“产出代码”转向关注“交付智能能力与业务价值” 。建立“Value-First”思维，学会利用现有资产快速构建 MVP，并掌握管理 AI 输出不确定性的核心方法 。
2. 核心技能构建： 构建 FDE 的“T型”技能树，掌握从 RAG 进阶工程、Agentic AI架构、多智能体协同到评估驱动开发（EDD）的全栈技术体系 。使学员具备独立完成“业务意图转化为工程实现”的全链路闭环能力 。
3. 敏捷组织落地： 掌握智能体敏捷小组的组建方法，学习如何与 AI 业务伙伴（AIBP）高效协同 。熟悉智能体系统敏捷开发生命周期，通过周度迭代和 Demo 机制，解决反馈不及时、项目交付难的问题 。
4. 实战痛点解决： 通过真实案例演练，让团队具备解决 AI 项目“落地难、效果不可控”的具体战术能力，确保项目能从 PoC 阶段顺利推向生产环境并实现持续自主运营 。