依托 LangChain、AutoGPT 等框架及强大的 LLM API，构建基础智能体看似易如反掌，几行代码即可生成具备搜索、解析能力的 Demo。然而，一旦跨越实验室边界进入生产环境，这些“聪明的原型”往往面临严峻挑战。行业现状普遍陷入“PoC 满天飞，生产级系统寥寥无几”的尴尬。“上手容易”掩盖了“上线极难”的本质——即如何将概率性的大模型嵌入确定性极高的软件体系中。本专题聚焦平台工程，直面复杂推理的稳定性构建、分层记忆与知识进化、工具调用的鲁棒性与风控、可观测性与性能平衡等核心挑战。

本专题旨在全面介绍多模态理解与生成的前沿进展，重点关注文本、图像、音视频等多模态的统一表示、跨模态推理与生成协同，以及这些能力如何重塑搜索、分析、设计与交互体验，探索多模态如何真正进入业务流程，成为生产力的一部分，为更多企业引入多模态理解与生成应用提供清晰的指引与借鉴。

当前，智能体的进化正迎来关键转折：从基于静态知识检索的RAG，迈向具备动态经验建模能力的Agent Memory时代。这不仅是技术的升级，更是智能体实现个性化认知、持续进化并与用户建立长期信任的核心突破。本专场旨在重新定义企业级记忆系统的未来——聚焦非显式偏好捕捉、记忆自主演化与生命周期管理等前沿方向，探索其在高端客服、个性化助理、企业决策等场景的深层价值。我们诚邀学界与行业精英分享前沿成果，共同绘制下一代智能体的记忆蓝图，引领智能交互进入“有记性、更懂你”的新纪元。

本专题聚焦 VLA/VA 模型与数据体系两大核心，深度拆解具身智能技术链路。拟探讨模型现状、核心挑战与机会，分享高质量数据解决方案，解析仿真与 World Model 的赋能价值，破解核心技术瓶颈。

当 Agent 从 Demo 进入真实业务，执行链路长、上下文膨胀、成本失控等问题会迅速暴露。Agent 在工程实现层面如何跑得更快、更稳、更便宜？本专题将深入 Agent 的架构优化以及性能与成本之间的工程权衡。

本专题将深入探讨如何系统化地运用大模型与智能体技术，重塑数据全链路的每一个环节。内容涵盖引擎与架构优化、数据治理、开发与运维提效、下一代 BI 与数据工具，以及智能的取数与分析等多个方向，探讨 AI 技术在大数据领域的具体落地路径与未来图景。

本专题重点交流探讨如何构建 AI 原生基础设施，包括容器 / Serverless 等云原生基础设施如何朝 AI 演进，以及如何利用一些新兴分布式技术构建 AI 原生基础设施等等。

本专题聚焦“AI 驱动的技术债治理”，探讨如何利用大模型、代码理解、时序分析与智能决策等 AI 能力，实现对设计债、代码债、测试债、文档债及运维债的全生命周期管理。涵盖从债务自动发现、优先级排序、修复建议生成到自愈式重构的端到端实践路径。

大模型代表了AI能力的上限，通过更大的尺寸、更多的数据追求更通用的能力。但在场景落地中，我们往往面临着精度不够、响应太慢、成本太高、受限隐私等问题。希望有经过领域适配后（Domain-Specific Model）的小尺寸模型（Small Language Model）在业务场景下做到“更快、更精、更专业”。

随着大模型和智能体系统进入规模化应用阶段，算力已从技术资源转变为核心生产成本。无论是自建集群的大型公司，还是依赖云计算的中小团队，如何在保证算法效果的前提下降低算力消耗，正成为 AI 工程成败的关键因素。本专题聚焦模型训练与推理过程中的工程实践与效率问题，包括推理加速、低成本训练、在线/离线协同与资源优化。重点在于持续降低为获得满足业务需求的模型效果所需要消耗的算力成本。

本专题将系统探讨如何构建面向 Agent 的全链路语义观测体系，实现对意图决策、中间状态与工具调用的可追踪、可回放、可诊断；同时通过覆盖离线评测与在线实时度量的评估体系，对任务成功率、路径质量、输出稳定性与效果进行持续量化，驱动 Agent 从“基于经验的盲目调优”转向“基于数据驱动的持续演进”。

在系统规模不断扩大、架构日益复杂的背景下，传统依赖规则、告警和人工经验的运维方式，已难以应对高频变更与不确定性风险。如何将 AI 能力真正嵌入站点可靠性工程（SRE）的核心工作流中？本专题将深入探讨 AI 如何与 SRE 的工程实践形成闭环。

本专题将会深入探讨软件生产过程中的代码质量和测试提效，应用 AI 实现文本用例生成、代码用例生成、缺陷识别、缺陷预测；让软件质量保障从事后检查转向质量内建过程中的实时反馈与自我修复，并且最终能够在无人干预条件下、更加高效的执行全量回归测试。

交互正在从点击走向对话。本专题关注 Language UI（LUI）与传统 GUI 的融合设计，探讨如何在复杂系统中平衡自由输入与结构化操作，构建高效、可控的新一代人机交互范式。

Agent具备自主行动能力后，安全边界需前移，智能体可靠性是核心保障。本专题融合可靠性建设，聚焦权限控制、行为约束等要点，探索在不压制能力的前提下，实现智能体可控、可靠、可审计、可追责的路径，平衡技术价值与安全合规。 内容顾问：刘焱（兜哥），蚂蚁集团基础安全部副总经理，资深安全专家

随着智能体技术的发展，Coding Agent 正逐步成为研发流程中的关键执行主体，软件研发也正在从以“人直接编写代码”为中心，走向由 Agent 驱动的人机协作新范式。本专题聚焦 Coding Agent 驱动的研发新范式，探讨其在需求理解、代码生成、测试修复与协作流程中的工程实践，以及对研发工作流、工程效率与研发组织方式带来的变化。

AI 正在改变人们使用产品的方式。 用户不再面对复杂的界面和无数选择，而是开始把“理解、规划与执行”交给 AI。当交互从点击走向决策，  真正的竞争不再是谁把界面做得更好，而是谁站在用户决策的最前面。

本专题不谈模型技术本身，只谈人与组织的进化。我们将揭秘小团队创造大价值的逻辑，探讨如何弥补人与 AI 的能力鸿沟，重构产品与技术的协作关系，并建立一套适应 AI 时代的全新管理与度量体系，打造高适应性、高产出的“超级团队”。

本专题旨在汇聚行业内顶尖的智能运维先行者，分享他们在构建“智能化运维中枢”时的实战经验。我们将深入讨论 Agent 如何与现有技术栈深度集成，并演进为具备长期记忆与自我进化能力的运维助手。

大模型正在改变软件系统的构建方式，也在重塑工程师的角色边界。在 AI 工具的加持下，真正的全栈且 10x 效率的工程师正在出现，这给工程师的成长带来什么启示？如何组织上下文和软件反馈循环，例如组织上下文和设计验收条件的最佳实践。除了通用的 AI Coding 模型和产品的演进，企业需要如何积极调整自身研发模式和组织形式？

本专题聚焦 AIGC 视觉生成在产业中的真实应用路径，如：在电商与内容平台中，视觉生成如何支撑高频上新与大规模素材生产？在影视、教育与创意行业中，哪些环节已经被 AI 重构，哪些仍然需要人机协作等等，我们将围绕 技术选型、工程落地、流程改造与效果评估 展开讨论，分享已经上线或正在规模化运行的实践案例。

当Agent技术从理论走向实践，面对娱乐，消费，金融、制造、政务、医疗等不同行业的业务痛点、数据壁垒、组织协同难题，一线操盘手如何完成从场景拆解、技术适配到试点落地、规模化复制的全流程？如何突破“技术好看、业务难用”的落地困境，实现Agent的商业价值验证？ 本专题邀请各行业Agent落地的一线项目负责人、业务技术架构师、数字化转型操盘手，分享大家在Agent落地过程中的真实案例故事：复盘落地中的踩坑经历、资源协调难点、技术与业务的融合痛点，输出可复用的落地方法论、规模化复制的关键要素，以及Agent赋能行业的商业价值。

软件工程正在发生的变化。大家讨论的重点，正在从“AI 能做什么”，转向“AI 怎么在生产系统里稳定运行、可控交付、持续产生价值”。本专题中，我们将邀请业界顶尖的技术大咖分享他们的前沿洞见和落地经验，帮助工程师提升技术视野，获得有价值的实践指导。

OpenClaw 的出圈让自托管 Agent 形态迅速普及：多入口对话、持久记忆、Skills 工具链带来强大生产力，也暴露了工程化落地的真实难题——权限边界与隔离运行、Skills 供应链安全、可观测与可追溯、记忆分层与跨场景污染、以及如何把 Agent 纳入团队研发/运维流程并形成稳定收益。本专题聚焦一线实践与踩坑复盘，分享企业如何构建私有 Skills、制定安全护栏、搭建审计与回放机制、建立质量/效率指标体系，最终把自托管 Agent 从可用的 Demo 升级为可靠的生产系统。

在 AI 从概念走向业务落地的当下，企业面临的核心问题早已不再是“能不能用 AI”，而是——如何真正让 AI 在业务中跑起来。 从跨区域数据合规，到多源数据洞察；从客户体验优化，到数据工程效率提升，企业正在经历一场从数据到行动的重构。但现实是，路径依然复杂：数据分散、开发周期长、业务与技术之间存在断层，AI 价值难以真正释放。 本专场将围绕 “How to Make AI Real for Business”，以 Demo 实操 + 现场共创的方式展开。你不仅能看到完整的实现路径，更可以亲手参与构建，将想法变成可运行的结果。 在现场，你将与 4 位 Snowflake 专家面对面协作，围绕核心业务场景展开动手实践。通过实际操作，你将深入理解： 如何借助 Snowflake Intelligence，用自然语言打通“分析—决策—执行”的闭环； 如何通过 Cortex Code，将复杂的数据工程转化为自动化流程，加速 AI 应用开发； 如何在全球化业务中实现数据安全与合规的可控落地。 这不仅是一场分享，更是一场面向真实业务问题的现场构建。在聚集大量 AI Builder 与数据工程实践者的环境中，你可以即时交流、即时验证，让每一次讨论都落到具体实现上。

Agent 迈向企业级落地，既需要坚实的数据基础，也离不开成熟的平台工程能力。本专题将聚焦 Agent 生产化的两大关键环节：一是通过文档模型、多模态数据管理、向量搜索与全文检索，构建支撑 Agent 知识库与记忆体的数据底座；二是围绕企业服务与销售场景，探讨 Agent 平台如何从问答式 AI 走向任务执行型 AI，并通过“大模型 + 小模型 + 规则引擎”实现智能服务、质检、知识管理与业务洞察的规模化落地。通过底层能力与行业案例的结合，呈现 Agent 从技术支撑到业务应用的完整路径。