“所有的技術(shù)紅利，最終都要經(jīng)歷一次從‘暴力美學(xué)’到‘精細(xì)工程’的降落?！?/p>

在 OpenClaw 激發(fā)的各種 Agent 落地實(shí)踐背后，隱藏著一套被許多人忽視的底層代價(jià)。模型能力的指數(shù)級增長，并沒有同步帶來工程復(fù)雜度的線性下降；相反，如何通過高效的數(shù)據(jù)選擇、策略蒸餾與系統(tǒng)級優(yōu)化，在算力約束與業(yè)務(wù)需求之間建立平衡，才是區(qū)分“玩具應(yīng)用”與“生產(chǎn)力引擎”的分水嶺。

4 月 17-18 日，由 CSDN 與奇點(diǎn)智能研究院聯(lián)合舉辦的「2026 奇點(diǎn)智能技術(shù)大會(huì)」將在上?！きh(huán)球港凱悅酒店隆重舉行。在備受關(guān)注的「大語言模型技術(shù)演講」專題中，大會(huì)特邀榮耀終端 AI 首席科學(xué)家兼 CAIO、前阿里云副總裁黃非，奇點(diǎn)智能研究院院長、CSDN 高級副總裁李建忠，新浪微博首席科學(xué)家及 AI 研發(fā)部負(fù)責(zé)人張俊林、微軟亞洲研究院香港首席研究員劉樹杰、上海人工智能實(shí)驗(yàn)室青年領(lǐng)軍科學(xué)家、大模型中心負(fù)責(zé)人陳愷、微軟亞洲研究院高級研究員劉嘯、階躍星辰開發(fā)者產(chǎn)品和生態(tài)負(fù)責(zé)人滕愛齡等重量級嘉賓齊聚一堂，為你徹底掀開千億參數(shù)大模型底層的工程底牌。

在這一專題中，我們將超越“模型能做什么”的表層討論，轉(zhuǎn)而探究“如何構(gòu)建能夠承載復(fù)雜業(yè)務(wù)的智能體系統(tǒng)”。

以下是該專題部分嘉賓的議題核心：

黃非：跨越周期——人工智能的演進(jìn)與未來

黃非博士將以“技術(shù)周期”為線索，深度剖析 AI 如何從單純的基座模型能力，演進(jìn)為涵蓋算力、架構(gòu)與組織維度的復(fù)雜系統(tǒng)。他將重點(diǎn)探討在算力成本與數(shù)據(jù)約束下，AI 系統(tǒng)如何實(shí)現(xiàn)可持續(xù)、可進(jìn)化的路徑選擇，為開發(fā)者提供從“提效工具”邁向“增強(qiáng)人類智能（AHI）”的實(shí)戰(zhàn)地圖。

作為深耕 NLP 領(lǐng)域二十余年的資深專家，黃非博士擁有卡耐基梅隆大學(xué)博士學(xué)位，曾主導(dǎo)/參與 IBM、Facebook 機(jī)器翻譯系統(tǒng)及阿里通義大模型體系的研發(fā)，與此同時(shí)，他還發(fā)表頂會(huì)/期刊論文 300+ 篇，谷歌引用 50,000+，H-index 86，曾任 ACL、TACL 領(lǐng)域主席及大模型專家委員會(huì)委員。他不僅見證了 AI 技術(shù)的每一次范式轉(zhuǎn)換，更是在大規(guī)模產(chǎn)業(yè)落地的實(shí)戰(zhàn)中，參與了如通義靈碼（Qoder）等具備深遠(yuǎn)影響力的工程產(chǎn)品。

聽眾受益：

• 建立高維度的技術(shù)坐標(biāo)： 超越“參數(shù)規(guī)?！钡膯渭兘箲]，建立起從模型能力到架構(gòu)能力的評價(jià)體系，清晰識別自身技術(shù)在周期中所處的位置；

• 掌握可持續(xù)的系統(tǒng)演進(jìn)方案： 獲取在算力、數(shù)據(jù)、安全等多重硬約束下，如何實(shí)現(xiàn) AI 系統(tǒng)“可進(jìn)化”的具體路徑與決策邏輯；

• 重塑 AI 落地方法論： 從“提效工具”視角升級為“組織洞察”視角，理解如何通過大模型架構(gòu)重塑業(yè)務(wù)流程，進(jìn)而實(shí)現(xiàn)向增強(qiáng)人類智能（AHI）的目標(biāo)跨越。
  

張俊林：大模型在線策略蒸餾（On-Policy Distillation）——方法、優(yōu)勢與問題

張俊林博士將直面大模型落地的“工程深水區(qū)”，系統(tǒng)分享在線策略蒸餾的方法論。通過拆解具體技術(shù)細(xì)節(jié)，他將探討如何通過這一手段提升模型的在線決策能力，同時(shí)破解大模型落地過程中常見的穩(wěn)定性與效率瓶頸。

聽眾受益：

• 深入理解 On-Policy Distillation 的核心邏輯，了解如何通過在線策略蒸餾實(shí)現(xiàn)模型能力的閉環(huán)迭代與實(shí)時(shí)增強(qiáng)；

• 直面大模型應(yīng)用中常見的幻覺與響應(yīng)效率問題，獲取提升模型在線決策準(zhǔn)確度與響應(yīng)速度的可執(zhí)行方案；

• 學(xué)習(xí)如何在保證系統(tǒng)穩(wěn)定運(yùn)行的前提下，利用蒸餾技術(shù)最大化模型的計(jì)算效率，降低生產(chǎn)成本。

劉樹杰：基于大語言模型的零樣本語音合成

作為微軟亞洲研究院（MSRA）的資深專家，劉樹杰博士將深入拆解“VALL-E”系列技術(shù)背后的底層邏輯。他將分享如何利用大語言模型的上下文學(xué)習(xí)能力，僅需三秒未知說話人的音頻提示，即可實(shí)現(xiàn)高質(zhì)量的個(gè)性化語音生成。在此基礎(chǔ)上，還將探討多語言版本 VALL-E X 的擴(kuò)展邏輯、解決穩(wěn)定性問題的 VALL-E 2 以及結(jié)合 AR/NAR 的前沿模型架構(gòu)。

聽眾受益：

• 深入理解 VALL-E 架構(gòu)如何將語音處理轉(zhuǎn)化為離散的序列建模問題，洞察大模型在處理非文本模態(tài)時(shí)的映射機(jī)制；

• 獲取針對語音生成穩(wěn)定性、低資源語音模擬及 AR/NAR 混合模型設(shè)計(jì)的深度技術(shù)方案，解決傳統(tǒng) TTS 生成“聽感不自然”與“泛化能力差”的難題；

• 學(xué)習(xí)如何通過上下文學(xué)習(xí)實(shí)現(xiàn)跨語言、跨身份的語音遷移，為開發(fā)下一代語音交 互 Agent 提供核心技術(shù)積淀。
  

陳愷：萬億參數(shù)科學(xué)多模態(tài)大模型: Intern-S1-Pro技術(shù)解析

作為 Intern 系列模型的核心成員，陳愷博士將深入解析 Intern-S1-Pro 的技術(shù)構(gòu)建路徑。他將闡述如何通過“富集多學(xué)科專業(yè)知識”與“強(qiáng)化科學(xué)推理能力”，使該模型在化學(xué)、材料、生命科學(xué)等多學(xué)科任務(wù)基準(zhǔn)上，超越頂尖閉源模型。此外，他還將分享書生系列模型開創(chuàng)的“通專融合”新范式，探討如何通過大規(guī)模多任務(wù)強(qiáng)化學(xué)習(xí)，實(shí)現(xiàn)模型在保持通用能力的同時(shí)，在專業(yè)領(lǐng)域達(dá)到頂尖精通。

陳愷博士在頂級會(huì)議和期刊發(fā)表 70 余篇高水平論文，學(xué)術(shù)引用超 3.4 萬次。他不僅是 Intern 系列的領(lǐng)航者，更是計(jì)算機(jī)視覺開源生態(tài) OpenMMLab 的靈魂人物。他帶來的分享，將是模型底層“科學(xué)能力”與“學(xué)術(shù)影響力”的極致碰撞，不僅能看到萬億參數(shù)模型如何煉成，更能在開源生態(tài)的視角下，審視 AI 賦能基礎(chǔ)科學(xué)研究的真實(shí)潛力。

核心受益：

• 深入理解多學(xué)科多任務(wù)在萬億參數(shù)模型中如何實(shí)現(xiàn)“齊頭并進(jìn)”，學(xué)習(xí)大模型在保持通用能力的同時(shí)，如何精準(zhǔn)強(qiáng)化專業(yè)知識深度；

• 透視 Intern-S1-Pro 在化學(xué)、材料、生命科學(xué)等領(lǐng)域的科學(xué)推理機(jī)制，理解閉源模型向頂尖開源模型躍遷的底層邏輯；

• 了解書生“司南”評測體系的設(shè)計(jì)思維，學(xué)習(xí)如何為專業(yè)領(lǐng)域大模型建立一套科學(xué)的評估標(biāo)準(zhǔn)與基準(zhǔn)線。

關(guān)于奇點(diǎn)智能技術(shù)大會(huì)

奇點(diǎn)智能技術(shù)大會(huì)是由深耕多年的「全球機(jī)器學(xué)習(xí)技術(shù)大會(huì)」重磅升級而來。為了讓這些前沿技術(shù)真正能夠“落地”，本次大會(huì)深度梳理了 12 大核心技術(shù)專題，力求覆蓋從底層 Infra 基礎(chǔ)設(shè)施到頂層 Agent 系統(tǒng)架構(gòu)的全生命周期。

我們不再滿足于宏觀的趨勢判斷，而是深入到了“智能體工程落地”、“AI 原生軟件研發(fā)”、“AI Infra 基礎(chǔ)設(shè)施與運(yùn)維”、“具身智能與多模態(tài)行業(yè)實(shí)踐”等深水 區(qū)，力求還原那些最真實(shí)的工程決策過程。

目前大會(huì)全日程已出爐，誠邀全球 AI 產(chǎn)業(yè)參與者積極加入，共同捕捉前沿趨勢，探索產(chǎn)業(yè)升級路徑，推動(dòng) AI 走向更廣闊的應(yīng)用場景。期待與每一位同行者攜手見證 AI 時(shí)代的新篇章 ！