ONE2X 致力于 AI 视频自动剪辑，将文字模态信息通过大模型表达为视频模态信息。在过去一年实操构建AI产品过程中，我们发现AI Native产品与传统产品构建的极大不同，在于语义结构化。本演讲聚焦于工程实践实操经验：AI产品和传统产品差异到底是什么？将会从提示词工程、研发流程、团队构建等工程角度，讲解在做AI产品时实操遇到的坑、总结的Know-How。

演讲大纲

1、 ONE2X介绍（快速）

• 我是谁？ONE2X是谁
• 我在做的产品

2、为什么AI产品这么难做？

• AI时代的产品和传统的产品不一样的是什么？
• 产品是基础流程的自动化，AI产品是智慧流程的自动化
• 我认为做得好的AI产品

3、提示词工程被极大低估

• 认知一：Prompt也是代码
• 认知二：AI产品就是基于“给模型提供上下文”出发开始的
• 认知三：如何面向未来进行设计，避免被模型更新所冲击？

4、AI 研发流程的重塑：如何适应新范式

• 如何评估一个Prompt
• 对比传统代码的单测
• 确定问题域，模型可以解决的问题的大小
• 对比Cursor不同功能，模型的视野范围
• Prompt Engineer没有Flow Engineer重要

5、AI 产品团队如何构建

• 前端、后端 -> Flow Engineer的全栈工程师
• 你首先得成为“创作者”，以Cursor为例

演讲亮点

• 深度解析如何构建AI Native产品，以及构建过程的工程踩坑经验
• AI产品团队构建经验

多模态产品的演进将是技术价值从封闭走向开放、商业逻辑从效率提升转向生态共建的过程。竞争本质也将逐渐从技术性能单点比拼，转向以生态建设为核心的对弈。通过技术开放、数据反哺与经济共享的协同设计，推动多模态大模型从“功能供应商”进化为“生态建造者”，在提高行业创新效率的同时，为数字内容生产范式的革新提供底层动力。在这个过程中，头部产品和新玩家都有创新创收的新机遇。

演讲提纲
1、行业背景速写

• 2024-2025年多模态爆发临界点
• 技术推力、市场拉力、资本压力

2、多模态生成技术跃迁与演进趋势

• 一致性的持续突破：引领IP智能化升级
• 推理革命与实时生成

3、视觉模型的商业化成果

• 泛互娱乐：特效玩法重构全球娱乐交互范式
• 影视工业：高频素材生成与高效宣发制作
• 广告与电商：灵感爆发与沉浸式购物体验
• 短剧与短视频：实拍替代与生成式内容矩阵
• 小说、动漫与动画：空想具现化与IP互动价值链
• 文旅与文创：一键个性化留念与文化IP开发

4、生态建设、竞争与未来展望

• 垂直行业的工作流革命
• 平台化：生成式MCN机构
• 硬件入口、数据生态、Any to Any与超级对齐

听众收益

• 多模态生成大模型的技术演进与发展趋势
• 多模态生成大模型可落地的应用场景
• 头部的基础模型产品与新玩家在生态竞争中的创新空间

AIGC 时代，大模型正在深度重塑视频创作流程，影响着从创意构思到内容生产的每一个环节。本次演讲将结合蓝色光标 BlueAI 在广告与营销领域的实际落地经验，探讨如何利用大模型构建智能化的视频工厂，提升创作效率、优化生产流程，并在不同场景中权衡效率与精度。同时，也将结合实际案例，分析大模型在视频创作中的核心技术应用、产品实践路径，以及 AI 生成视频的可用性与局限性，最终探讨传统视频工作流与 AI 生成内容的融合方式及未来趋势。

演讲大纲

1 从大模型到创作者的工作台之间有多远

2 为何重塑，如何重塑视频工厂

3 技术实践：大模型的多维度深度应用

4 产品实践

• 从PoC到规模化创作
• 从PoC到精品化创作

5 与传统视频工作流的博弈共生

6 AI生成视频的可用性和局限性

7 未来展望

演讲亮点

1. 在大量广告和营销业务中打磨出来的工作流和实践。
2. 熟悉各家模型和MaaS平台，最后一公里深耕者。
3. 创作者和产研人的tradeoff

听众收益

• 大模型如何变革视频内容生产，以及它的可行性和挑战。
• AIGC 在广告/营销等行业中的真实应用案例，学习业务落地经验。
• 如何权衡大模型的生成效果、生产效率和成本，提升实践能力。

企业对于 AI 赋能业务有强烈的需求，但是AI落地过程中面临业务、资金、技术、人员等方面的挑战，严重阻碍了企业真正落地AI赋能业务，如何通过一套成熟的商业化方案实现AI在企业侧的落地，是企业当下急需解决的问题。本演讲将基于 360AI 的真实落地实践，剖析企业AI部署的关键路径，展示如何让AI真正服务于业务创新，实现降本增效。

演讲提纲

1、企业级AI落地面临挑战

• 全球AI竞赛加速：DeepSeek技术引爆企业智能化变革浪潮
• 公网服务隐忧凸显：数据主权失控成企业最大合规风险
• 自主部署困境重重：技术-成本-业务的三重价值折损
• 大模型安全风险：大模型企业落地中，安全风险叠加式涌现

2、企业级AI能力建设方法论
企业级“4+1”AI能力建设方法论，分为4个“大模型能力建设步骤”和1套“大模型安全防护体系”，帮助企业从“单一模型部署”转向“全栈能力建设”。

• 企业级AI能力建设方案
  • 步骤一：构建分布式推理架构——落地DeepSeek一体机
  • 步骤二：大模型应用初始阶段——建设大模型浏览器作为统一入口，让人人都用大模型
  • 步骤三：大模型应用中级阶段——构建企业知识中枢，激活企业内部数据价值
  • 步骤四：大模型应用高级阶段——构建AI Agent平台，打通系统壁垒实现业务协同
• 一套大模型安全防护体系：大模型全生命周期安全防护

3、企业AI落地场景应用

• 运营管理类场景
• 客户服务类场景
• 技术实施类场景
• 人力资源类场景

实践痛点
业务场景的选择永远是企业级AI落地的最大痛点，一方面要考虑业务的需要，引入AI的成本是高昂的，必须要在核心业务场景中帮助到企业；另一方面要考虑AI的技术瓶颈，AI不是万能的，必须要能通过AI解决这些问题，效果达到预期。如何挑选出这些场景是最大的痛点。

演讲亮点

• 强调知识库和智能体的重要性，想要贴合业务场景、行业特点，这两者是重点；
• 强调安全的不可或缺，企业级应用要把安全放在重要考量位置。

听众收益

• 企业级AI落地要重视实用性，同时平衡成本与效果的关系；
• 企业级场景非常丰富，值得大家深入探索与AI的结合；
• 企业级AI建设中，安全如何建设。