面对美团数百万商家的个性化营销需求，传统人工设计和模板引擎的“创意天花板”与“高昂成本”之间的矛盾，如何构建从“素材理解 -> 受控生成 -> 自动化排版 -> 质量评估”的全链路 AIGC 生产线成为重中之中。在产业级落地中，AIGC 的价值不在于“画得像”，而在于如何通过“受控性”与“闭环评价”打破创意生产的边际成本，实现从简单的效率提升（更快）到业务效能增长（更好、更准）的跨越。

演讲提纲

1. 背景与挑战：数百万商家的“创意平权”难题

2. 全链路架构：AIGC 视觉工业化生产线的构建

• 四位一体： 素材理解 -> 受控生成 -> 自动化排版 -> 质量评估的工业化链路
• 设计哲学：端到端模型与模块化生产链路的取舍
• 核心指标：保真度（Fidelity）、受控性（Controllability）、合规性（Compliance）

3. 生产实践：“四位一体”的工业化 AIGC 生产链路

• 素材理解：从“原始数据”到“黄金素材”的诊断与优化
• 可控生成：模型随机性与业务确定性之间的平衡挑战
• 自动排版：视觉创意与逻辑表达的协同
• 质量评估：AI 生产的“工业质检线”与强化学习奖励机制

4. 经验教训与未来展望

• 大规模分布式推理中的成本陷阱与蒸馏加速实践
• 视频 AIGC 在短视频场景的扩展
• 从视觉生成向创意Agent的演进

您认为，这样的技术在实践过程中有哪些痛点？

• 从“工具辅助”到“自动化生产”，如何真正发挥 AI 提效的功能
• 扩散模型随机性与业务所需确定性要求之间的挑战

演讲亮点

• 大规模产业实证： 基于美团真实业务场景，展示从 0 到 100 万级规模化的落地经验
• 闭环反馈机制：利用强化学习与业务数据协同优化生成效果，让 AIGC 真正产生商业价值

听众收益

• 技术管理者： 了解 AIGC 落地大厂业务的全生命周期与资源投入策略
• 算法工程师： 获取受控生成、多模态模型、强化学习在视觉领域的前沿实战细节
• 产品经理/架构师： 学习如何构建可控、可评估、可规模化的 AI 工业化流水线