随着 AIGC 技术的爆发，内容创作正从“工具辅助”迈向“智能主导”的新阶段。然而，复杂的生成工作流、多模态内容的一致性要求、以及长叙事的结构化难题，仍是当前 AIGC 落地的核心瓶颈。

本次演讲将系统展示我们团队在多模态智能体领域的最新探索——从辅助用户高效构建工作流的 ComfyUI-Copilot ，到能够自主完成长视频叙事与动画创作的 FilmAgent、Anim-Director 和Animaker 。我们将揭示智能体如何从“被动助手”进化为“主动导演”，逐步接管 AIGC 全流程，并分享背后的基座模型、多智能体协作机制与强化学习技术突破。

演讲提纲

1. AIGC 智能化的挑战与演进路径

• 分析当前 AIGC 工作流在规划、控制与评估上的痛点，提出从“Copilot”（辅助）到“Director”（主导）的智能体能力进化路线图

2. 基座模型与核心技术突破

• 介绍支撑智能体的全模态大模型 Uni-MoE-2.0-Omni，以及针对工作流规划的多目标强化学习算法，如何提升智能体的理解、推理与决策能力

3. 从 Copilot 到 Director：四大视觉生成智能体实践

• ComfyUI-Copilot：智能助手实现 AIGC 工作流自动构建与调试，降低使用门槛，已被 ComfyUI 官方平台集成，并落地应用于阿里国际、Runaway AIGC 云平台
• FilmAgent：多智能体协作框架，在 3D 虚拟片场中自动生成电影级内容
• Anim-Director：首个基于多模态大模型的动画生成智能体，实现分镜级控制
• Animaker：引入 MCTS 搜索与多角度评估，生成连贯且角色一致的长视频动画

4. 通用 AIGC 智能体的构想

• 如何融合底层工具智能与高层叙事智能，构建可自主进化、跨模态迁移的通用创作智能体

您认为，这样的技术在实践过程中有哪些痛点？

• 如何将文本、图像、视频、音频等多种模态数据在统一框架下进行深度对齐与协同表示，避免模态间的信息丢失与语义鸿沟，是构建全模态智能体基座的首要挑战
• 面对复杂的 AIGC 工具链（如 ComfyUI 的数百个节点），智能体如何准确理解用户意图，规划出合理的工作流节点序列，并在执行过程中自动调试与优化，降低幻觉现象
• 在跨场景、多镜头的长视频生成中，如何保证角色、场景、动作的视觉连贯性，并确保剧情逻辑与情感表达的自然过渡，避免生成内容的碎片化

演讲亮点

• 首次系统梳理多模态智能体在 AIGC 领域的四阶能力跃迁——从工具助手（Copilot）、场景执行者（Director）、多角色协作者（FilmAgent）到自主创作者（Animaker），呈现完整的演进路径
• 在 3D 虚拟片场中，导演、编剧、演员、摄像等多角色智能体通过协同反馈机制，自动生成具有连贯剧情与合理镜头的完整电影短片，实现端到端的创作自动化
• 通过多目标强化学习，仅 7B 参数的智能体在节点调用准确率、工作流结构合理性和幻觉抑制上，全面超越 GPT-4o 和 Claude 3.7 等主流闭源模型

听众收益

• 深入了解从基座模型到专业智能体的全栈技术体系，为构建自有 AIGC 智能体提供可复用的方法论
• 深入理解多元奖励驱动的强化学习算法如何提升智能体在复杂工具链中的规划准确率
• 如何将执行经验沉淀为可复用的知识库

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

本次演讲将深度拆解京东零售的 AIGC 落地全景。跳出单点模型训练与优化的局限，我们将分享一套经过大促真实检验的闭环落地体系：

• 技术：解决生成能力与红线问题，决定业务可行性
• 艺术：建立电商场景视觉表达约束，决定用户体验与品牌心智
• 算术：以业务价值为北极星指标明确 ROI 与算力调度，决定项目的可持续性

本次分享将首次公开京东在解决 AIGC 应用落地的真实踩坑经验与解法，包括 ROI 价值核算与落地决策模型、面向商家的零门槛“全链路自动化”流水线设计，以及通过“A/B 实验-知识蒸馏-模型微调”打造的数据自进化飞轮等诸多干货以及对未来趋势的洞察。

演讲提纲

• 痛点&破局：跨越从"实验室 Demo "到"增长引擎"的鸿沟
• 算账与决策："大"="好"？基于 ROI 的能力评估与高可用架构
• 全链路自动化："好用"不如"不用"，面向真实的 B 端产品&业务流设计
• 模型自进化：“好看”又“好卖”的神奇配方与增长飞轮
• 踩坑与启发：业务规模化落地的经验与未来趋势洞察

您认为，这样的技术在实践过程中有哪些痛点？

• 生成模型的“发散性（幻觉）”与电商场景“绝对一致性”的挑战
• “不可能三角”的极度拉扯：极致效果、超高吞吐与受限的算力成本

演讲亮点

• 基于“业务转化+美学围栏”的双目标强化学习与微调反馈机制
• 百亿级吞吐下的动态模型路由与“大小模型”协同工程

听众收益

• 架构设计与 ROI 闭环视角：了解大型互联网企业如何进行 AIGC 的成本核算与业务分级，掌握支撑日均亿级生成的动态模型路由架构与算力分配策略
• 跨越瓶颈的技术落地方法论：学习一套经过实战检验的“数据飞轮”构建方法，掌握如何利用 A/B 实验反馈和知识蒸馏，让生成模型在“视觉表现”与“商业转化率”之间找到最优解
• 面向未来的 AI 产品与业务演进洞察：跳出传统的工具型 AIGC 产品思路，获取面向 B 端商家的“无UI化/全链路自动化”的 Agent 设计理念，并前瞻性地了解“面向 AI 助手的素材供给（ M2M 交互）”等下一代技术趋势