我们现有的数据可视化工具拥有丰富的数据指标和出色的图表展示能力，但是当用户想进行下钻分析时往往费力度较高。另外对于有一定SQL基础的员工，寻找合适的数据表及获取相关数据知识是他们工作中的一大痛点。我们通过充分利用LLM和Agent技术，与数仓现有的指标体系、数据资产体系相结合，推出ChatBI工具智能助手，提高了用户在数据洞察时的效率。

演讲大纲：

1. 数据分析现状及痛点
2. 基于ChatBI的智能助手方案
3. LLM和Agent技术的应用
4. ChatBI的未来展望

听众收益：

1. 稳定的指标数据智能识别方案
2. BI知识库和RAG的搭建

随着DeepSeek技术的不断演进及其应用场景的多元化，AI Agent市场正迎来前所未有的增长机遇，尤其在企业数字化转型的背景下，智能数据分析和决策支持将成为企业运营的核心。此次分享将深入探讨数势科技的SwiftAgent如何全面融入DeepSeek，带来卓越的创新价值。我们将重点展示其技术架构、关键能力、行业应用实例及未来发展策略，旨在为企业探索ChatBI类产品提供新方向。

演讲大纲：

1.  DeepSeek对Agent领域和自然语言交互式数据分析产品创新的重要影响

● 深入解析DeepSeek的技术架构及其在大数据分析领域的作用

● 探讨生成式AI如何与大数据技术融合，升级ChatBI类产品能力

2.  数势科技SwiftAgent与DeepSeek的深度结合

● 自动化数据准备与清洗

● 卓越的数据处理与语义层构建

● 先进的可视化工具与图表展示

● 深度推理与专业洞察报告生成

● 智能化策略生成与决策建议

3.  行业落地实践：金融、零售行业的实践分享

4.  技术难点与解决思路

5.  总结与未来规划

听众收益：

1.  先进企业将认识到DeepSeek在智能分析决策Agent领域的重要作用。

2.  技术团队将深入了解AI在自动化数据准备与语义构建中的技术架构和路线，解决自然语言对话在数据分析中的精准性和敏捷性问题。

3.  管理团队与业务部门将掌握可落地的AI结合路径和最佳实践，助力企业在AI时代实现转型与升级。

在蚂蚁集团数万人数据分析场景中，传统模式面临指标定义复杂、取数依赖SQL技术、洞见需专家经验、可视化搭建低效、深度报表开发周期长五大痛点。我们基于蚂蚁大模型与DeepSeek技术，构建DI Copilot智能矩阵，支持自然语言取数Text2DAL、自然语言定义度量、自然语言增强分析、自然语言生成报表等。DICopilot产品已覆盖阿里&蚂蚁集团N万+数据分析用户，实现：低门槛的自助取数，低门槛自助分析，高效的制作报表，效率提升10倍+。

‌演讲大纲：

1.  传统数据分析模式的核心痛点

2.  DI Copilot技术体系与创新突破

3.  用户需求驱动的技术演进路径

4.  端到端智能模型技术升级方向

5.  AI时代数据分析范式重构与价值验证

听众收益：

1.  大模型在数据分析场景的实践路径验证：DI Copilot产品化突围

2.  范式重构：人机协同新范式实现度量定义/可视化/洞察分析全链降本

3.  普惠革命：智能体技术突破驱动效率/能力/智力三重平权

4.  终极赋能：打造「懂业务、会思考」数据伙伴，人人皆可数据科学家

本次分享核心围绕1688在AI导购助手，AI深度搜索方面的探索和落地，探讨大模型如何围绕产品和业务进行建模，介绍大模型在电商领域中的应用前景，以及对传统电商导购模式的颠覆与重构。

演讲大纲：

1.  AI大模型在1688场景落地的创新与挑战

2.  1688AI导购助手的技术实现

3.  1688AI搜索的技术探索与实现

4.  AI时代电商场景的挑战与机遇

听众收益：

1.  AI在电商场景的探索和思考

2.  AI在落地应用场景的边界与突破

3.  AI落地应用场景的技术范式变化

4.  AI如何围绕业务目标建模

5.  零售行业在AI时代的机遇与发展

本次分享聚焦腾讯云在零售行业的大数据技术创新与落地实践，围绕多源异构数据集成、用户标签精准营销、实时数仓与数据大屏等核心场景，解析如何通过大数据产品构建零售数据体系，探讨大数据技术如何驱动业务增长、优化运营效率，并分享全球零售巨头W公司的成功转型案例。

演讲大纲：

1. 大数据技术在零售场景落地的创新与挑战

2. 零售行业典型业务场景及腾讯云大数据解决方案

3. 场景最佳实践：全球零售巨头大数据平台升级实践

4. AI+大数据时代的零售行业机遇探索

听众收益：

1- 零售行业多源数据整合与实时分析的核心技术路径

2- 用户标签精准圈选、实时大屏等典型场景的落地方法论

3- 如何围绕降本增效、精准营销等目标设计数据架构

4- AI与大数据融合下零售业的未来机遇与挑战

聚焦于图像质量打分技术及其在智能封面推荐系统中的实际应用。特别强调轻量化模型的构建方法，以及如何通过高效的无参考图像质量评估（NR-IQA）算法提升视频封面的选择质量。我将探讨图像质量打分的前沿算法、轻量化设计的挑战与解决方案，以帮助创作者提高内容的吸引力和用户的参与度。

演讲大纲：

1.  智能封面的背景及重要性

2.  NR-IQA前沿算法与技术进展

3.  轻量化评估模型的挑战与解决方案

4.  智能封面实现过程与效果评估

听众收益：

1. 深入理解图像质量打分的基本概念

2. 掌握无参考图像质量评估（NR-IQA）的前沿进展

3. 学习轻量化模型构建的最佳实践

4. 了解如何解决模型压缩和性能优化的挑战

5. 分析智能封面推荐系统效果的评估标准与实现过程

6. 探索轻量化图像质量打分的业务价值

在金融行业，传统报告撰写长期面临数据整合低效、合规风险突出、专业人才短缺等痛点，吾道科技依此提出一套“人机协同+动态增强”的解决方案：基于大语言模型在“数据层、分析层、生成层”三阶段构建智能化的金融内容生产的工作流重构。

在数据分析技术从传统报表、自助BI向AI驱动不断演进的过程中，企业逐步实现了从人工经验决策到自动化模型预测的跨越式发展，但面对现实世界中海量数据的实时分析需求以及AI时代对数据平台提出的"单一事实来源、统一分析视图、高性能高并发"核心要求，传统架构面临严峻挑战。为此应对上述挑战，Vertica通过MPP列式计算架构实现了万亿级数据秒级响应，依托云原生存算分离架构灵活扩展资源，拥有丰富的库内机器学习和高级分析算法，遵循标准和成熟友好的技术生态，高效助力企业构建智能决策中枢。

本场分享，我将为大家深度解析，在金融领域如何通过统一分析平台释放数据价值，加速数据分析的智能化跃迁。

演讲大纲：

1. 数据分析技术演进与时代挑战

2. Vertica的解决方案和架构特点

3. Vertica在金融行业的落地实践

听众收益：

1. 了解AI时代对数据平台的底层要求与技术挑战

2. 了解Vertica技术路线和技术架构

3. 学习大数据平台在金融行业的落地经验

回望人工智能的发展，从模拟时代到认知时代经历了80年，而生成式AI的出现让人类提速迈向通用人工智能时代。在人工智能时代，如何抓住AI变革奇点，推进AI规模化应用成为各家金融机构最为关心的问题。

本次演讲围绕金融机构应当关注哪些GenAI应用场景、金融机构应当如何实现AI规模化应用两项核心内容进行。

演讲提纲：

1- 生成式AI在金融行业的技术创新与应用加速

2- 解锁GenAI商业应用

3- 以“内功不变”应“时代万变”

听众收益：

1、金融机构应当关注哪些GenAI应用场景？

2、金融机构应当如何实现GenAI规模化应用？

强化学习（Reinforcement Learning, RL）作为人工智能领域的核心技术之一，近年来在大语言模型（LLMs）中备受瞩目。其独特的算法原理和强大的自我优化能力，为提升大模型的智能水平和产业落地提供了新的可能性。本次分享，我将带领大家深入探讨强化学习的算法原理、强化学习在大模型中的价值，以及如何利用强化学习结合产业热点，推动技术落地与业务智能化。希望能给听众带来收获和启发。

演讲大纲：

1.  强化学习核心原理

2.  强化学习在LLM中的应用价值

3.  前沿模型效果

4.  最新研究成果与典型案例

5.  强化学习在产业中的应用场景

6.  未来展望

听众收益：

1.  了解强化学习基本概念与核心原理

2.  理解强化学习如何提升大语言模型的能力

3.  掌握对大模型未来发展的基础判断能力

主要介绍大模型推理技术的行业发展，包括推理服务的发展趋势及现状，推理引擎的发展趋势及现状。

演讲大纲：

1.  大模型推理服务技术概述

2.  大模型推理服务技术难点

3.  大模型推理服务发展趋势

听众收益：

1.  了解推理服务的底层技术

2.  了解该行业的商业发展现状

上海人工智能实验室（上海AI实验室）完成首次“虚实贯通”技术体系全闭环验证，在“真实-模拟-真实”（Real-to-Sim-to-Real）路径下，加速打造可自主演进的具身智能进程。作为该体系“模拟”环节的核心，GRUtopia 2.0以高性能仿真，推动具身智能“在虚拟中走向现实”。升级后的GRUtopia2.0凭借通用模块化框架、场景资产自动化生成、高效数据采集系统三大革新，进一步向通用化、多样化、易用化迈进。仅通过单一平台、简单代码输入，即可实现仿真环境中机器人灵活训练，提升数据采集效率，为研究者提供了“一站式”具身智能开发解决方案。平台数据集、模型、工具链等将陆续开源，与业界伙伴共同促进技术进步与生态繁荣。

演讲大纲：

1. 回望具身智能的“数据金字塔”

2. 虚实贯通技术路线

3. “桃源”通用具身平台

4. 开源开放，共建具身生态

听众收益：

1. 了解具身智能领域的核心问题

2. 了解具身智能的虚实贯通路线解决数据稀缺的方案

3. 了解具身智能平台“桃源”平台的特性和使用方法

APP 是新能源车企一个重要的车控入口，车主的效率工具，是重要的了解车辆使用信息的工具，利用大模型技术提升传统搜索的效率是一个行业普遍趋势，这里主要介绍RAG 技术在蔚来汽车的业务场景和实际落地经验教训等，以及如何结合业务特点从供给、检索到大模型生成的全链路的实践和迭代思路等。

演讲大纲：

1.  蔚来汽车业务背景

2.  RAG系统架构与核心技术介绍

3.  核心技术落地实践

● 意图识别

● 数据流转

● 多模态向量检索

● 大模型生成

4.  安全与合规策略

5.  技术展望

听众收益：

1.  了解 RAG 技术的行业落地细节

2.  了解大模型微调技术的实践经验

3.  了解搜索业务场景的迭代思路

在当今数字化时代，制造业正面临着前所未有的变革。本次演讲将深入探讨数据在制造业研产、服务、节能及 ESG 等各个环节的应用。通过真实案例，展现数据如何跨部门流转并创造价值，最终结合GRAPHRAG知识图谱与LLM大语言模型，构建企业级智能知识库，实现数据驱动的节能决策与ESG创新。本演讲不仅揭示技术落地的关键路径，更将探讨如何通过AI技术打破部门壁垒，推动企业从“经验驱动”向“数据智能驱动”转型。

演讲大纲：

1.  将单条数据串进整厂数字化体系做应用

2.  机器学习在制造业应用中的实际案例

3.  GraphRAG在制造业场景的具体应用成果

4.  业务专家无需代码运用 AI 的方法与途径

5.  LLM（DeepSeek）在制造业未来可能的应用场景

听众收益：

1.  深入了解制造业数据从采集到应用的完整路径

2.  学习到各部门如何利用数据解决实际业务问题

3.  掌握节能与智能知识库构建的前沿技术应用

在电动汽车渗透率突破35%的当下，蔚来换电站日均处理超20万次电池充放电操作。我们通过构建全球首个多阶段混合整数规划（MILP）模型，破解了"充电安全阈值动态设定"、"电价时段离散化决策"、"充电功率阶梯选择"三大核心难题：

1.  创新设计电池健康状态-充电应力耦合方程，将电芯膨胀系数、SEI膜生长速率等8项老化指标量化为0-1整数约束条件

2.  开发时空离散化建模工具，将24小时电价波动、需求预测离散为576个5分钟决策单元，建立包含3.2万个决策变量的优化模型

3.  提出分层强化学习-整数规划混合架构，上层RL动态调整安全权重系数，下层MILP求解最优充电序列

演讲大纲：

1.  行业困局：数字解读"进站即充"的代价

2.  技术破局：电池充电与线性规划的交响曲

3.  落地攻坚战：从实验室到3000+换电站

4.  商业实证：江浙沪的数字战报

听众收益：

1.  掌握将工业机理转化为数学约束的方法论

2.  学习千万级MILP模型的工程化实现路径

3.  获取电池充电成本量化的独家指标体系

4.  洞察换电站与电网协同优化的商业空间

随着集团业务的不断拓展，数据源和数据量呈爆发式增长，数据之间的关联愈发复杂，清晰地梳理数据血缘关系变得至关重要。本次分享，我将带领大家深入探讨滴滴数据血缘体系的构建实践与经验，助力开发与业务人员精准把握数据的上下游脉络。该体系在执行表下线删除或业务加工逻辑调整时，可快速识别出清晰链路，为数据治理提供精准有力的支撑。希望能带给听众启发和收获。

演讲大纲：

1. 血缘建设总览

2. 血缘设计与实现

3. 血缘应用

4. 遇到的挑战与解决方案

5. 后续规划

听众收益：

1. 学习搭建血缘体系的方法

2. 了解构建血缘应用的思路

随着生成式AI和大模型技术的飞速发展，数据湖技术面临前所未有的挑战与机遇。在海量、非结构化数据的存储与处理方面，如何在提升实时性、计算效率的同时，确保高效存储，成为当下数据平台的核心难题。本次演讲将深入解析如何通过创新的 Data Warebase（Data Warehouse + Database）架构，构建高效、可扩展的AI驱动数据湖解决方案。演讲将重点探讨即时湖仓（Instant Lakehouse）技术、多模态数据处理与实时特征工程的技术融合，以满足生成式AI和大模型应用的全新需求。

演讲大纲：

1.  数据湖与AI融合的技术挑战与机遇

2.  即时湖仓（Instant Lakehouse）技术演进与实践

3.  多模态数据处理与检索技术

4.  实时特征工程与AI应用支持

5.  实践应用场景与案例分析

听众收益：

1.  深入理解生成式AI时代数据湖架构的核心挑战与技术需求，掌握如何通过 Data Warebase 构建支持AI的大规模数据湖。

2.  学会通过即时湖仓技术、多模态数据处理与实时特征工程，打造高效的AI驱动数据湖。

3.  掌握如何在数据湖环境中实现TP/AP一体化，突破传统架构瓶颈，提升数据处理与智能化水平。

4.  获取AI与数据湖深度协同的最佳实践，助力生成式AI与大模型应用在多个行业中的成功落地。

育碧作为一家享誉全球的领先游戏公司，旗下的《彩虹六号》、《刺客信条》等多个品牌深受全球玩家和合作伙伴的喜爱。旗下游戏制作和运营由全球几十个工作室支撑，数据平台和IT系统错综复杂，构建了一个极为复杂的数据生态系统。在全球游戏行业激烈竞争的大背景下，数据治理和精细化运营的需求日益增长，为育碧的数据治理提供了新的机遇。为此，育碧数据办公室结合全球先进的数据治理框架与自身业务特点，正在量身定制一套微创新模式—— Data Mesh 与自动化治理平台，以降低治理门槛，让人人参与，实现育碧在数据领域精细化管理。演讲者将以数据治理方案的视角，为听众带来游戏行业基于复杂组织和系统的数据治理案例，特别是基于元数据构建自动化平台在AAA游戏的实践经验。希望和国内外数据治理伙伴们共同探索外部方案引入育碧的机遇。

演讲大纲：

1.  育碧的治理困局以及Data Mesh早期实践

2.  元数据驱动的自动化治理平台在AAA游戏的探索

3.  经验迁移和建议

听众收益：

1.  获取基于Data Mesh的数据治理的初期建设范式

2.  透视游戏行业特有挑战的解法验证路径

Ubisoft, a globally renowned gaming company, is celebrated for its iconic brands such asRainbow Six and Assassin’s Creed, beloved by players and partners worldwide. Supported by dozens of studios across the globe, Ubisoft operates within an intricate and highly heterogeneous data ecosystem comprising complex data platforms and IT systems. Against the backdrop of intense competition in the global gaming industry, the demand for data governance and operational excellence has grown significantly, presenting Ubisoft with new opportunities for data management innovation.

To address these challenges, the Ubisoft Data Office is tailoring a micro-innovation model combining the advanced Data Mesh framework and Automated governance platforms to lower governance barriers, enabling broad participation and achieving refined data management. This presentation will provide a comprehensive overview of Ubisoft’s data governance solutions, particularly in handling the challenges posed by complex organizational and system structures. Attendees will gain insights into leveraging metadata to build automated governance platforms and explore opportunities for adopting domestic and international data governance solutions.

Outline

1.  Ubisoft data governance dilemma and early data mesh practices

2.  Exploration of metadata-driven automated governance solution in AAA Games

3.  Experience transfer and suggestions

Audience Benefits

1.  Acquire initial frameworks for data governance based on data mesh

2.  Gain insights into validated solutions for game industry challenges

埋点参数漂移、上报逻辑缺失等质量问题，会导致AB实验结论与业务效果产生系统性偏差，严重削弱数据决策的可靠性。

本次分享深度解析如何通过埋点治理工程，构建从数据采集到实验分析的闭环质量保障体系。

演讲提纲：

1. AB实验的信任危机与核心痛点

2. 埋点治理工程化方案

3. 精准分流技术落地实践

4. 规模化应用与未来演进

听众收益：

1. 埋点治理工程化的完整实施路径

2. AB实验数据质量问题的系统性解法

在电商世界里，数据的构建和分析是塑造业务战略和产品发展的关键要素。然而，一个缺乏精心设计的数据架构或者功能不全的大数据平台，可能会导致企业在开展数据工作时耗费大量资源和人力，难以拓展。在本演讲中，我将结合在eBay的经验，和大家探讨如何通过数据平台化的思路来应对这些挑战，并减少其中的技术痛点和难点。

演讲大纲：

1. eBay用户以及行为数据的洞察

2. 数据架构设计的关键实践

3. 大数据平台的应用案例

4. 未来的数据趋势展望

听众收益：

1. 数据平台化的技术实践

2. 数据部门平台化转型的教训和经验

3. 了解平台开发中的痛点难点的解决方案

传统的数据基础设施在面对海量数据、多样化数据类型以及实时处理需求时，逐渐暴露出灵活性不足、成本高昂、扩展性有限等问题。OpenLake作为一种新型的数据基础设施架构，融合大数据、搜索、AI一体化方案，为企业提供更灵活、更经济、更高效的AI应用场景支持，助力企业更好地应对AI时代的挑战与机遇。

演讲大纲：

1.  面向AI时代的数据基础设施演进

2.  OpenLake：大数据/搜索/AI一体化

3.  统一存储建设

4.  统一元数据建设

5.  大数据+搜索+AI多引擎融合

听众收益：

1.  从技术发展视角，了解面向AI时代的数据基础设施演进

2.  了解OpenLake架构所需的核心技术能力，例如存储、元数据等

3.  了解面向大数据AI一体化融合的应用案例

我们正处在一个数据和AI技术爆炸式增长的时代，存量的数据架构已经难以满足企业对实时性、多元化、智能化和安全性的需求，数据与智能的关系正在发生根本性转变，构建“适应AI时代的数据架构”成为企业数智化转型的核心任务。

本次分享平安壹钱包在数据强监管下是如何解决数据安全、数据孤岛、处理能力瓶颈、智能化水平低、治理成本高昂等问题，为AI建设提供数据支撑保障。

演讲提纲：

1. 技术和政策的现状分析、双重驱动

数据孤岛严重

数据处理能力瓶颈

智能化水平低

治理成本高昂

2. 技术架构演进路径（三层五域框架）

三层：基础层、能力层、应用层

五域：数据智能引擎、实时分析管道、隐私计算沙箱、元数据知识图谱、AI治理工场

3. 实施路径与挑战应对

夯实数据基础

基建/平台能力增强

智能应用建设

老系统改造经验分享

组织能力建设

4. 价值衡量与未来展望

技术衍进趋势

实施建议

预期管理和价值衡量

技术畅想和展望

听众收益：

1. 提升数据架构治理能力：了解智能数据架构的构建方法和关键技术，提升企业的数据管理能力。

2. 如何在AI时代保证数据安全：了解数据安全和合规管理的重要性，确保企业在数字化转型过程中合规运营。

3. 了解行业技术发展趋势，为长期规划提供参考。

本次演讲主题主要围绕蚂蚁集团自研的流图计算引擎以及在蚂蚁内部风控、知识图谱、流量归因、图数仓等场景面临的挑战及如何解决进行介绍。风控和大规模知识图谱场景是典型的图计算应用场景，同时我们通过图计算和图的OLAP引擎能力，助力大数据领域问题的解决，例如在大表JOIN场景能做到明显的性能加速。

演讲大纲：

1. GeaFlow流图引擎

2. GeaFlow应用场景

3. 大规模实时知识图谱构建

4. 未来展望

听众收益：

1. 对GeaFlow流图计算引擎有初步的了解

2. 了解哪些业务场景适合使用图计算引擎来处理，超大规模知识图谱GraphRag的挑战及解决思路

3. GeaFlow未来的技术路线及Apache捐赠规划

随着大语言模型预训练的结束，开启了test-time computing 新开发范式以及最近DeepSeek-r1的成功，均表明借助于强化学习让大模型在专业领域拥有长思维能力为复杂问题的解决提供了新的思路。那么数据分析领域如何应用，我们根据自己的探索为大家带来落地经验分享。

演讲大纲：

1.  基于原生大模型能力的BI设计

2.  可信数据分析大模型的幻觉控制

3.  如何快速接入新数据

4.  智能归因分析初探

5.  展望

听众收益：

1.  了解LLM在数据分析以及BI领域的最新进展

2.  获得新一代BI探索的新方向

3.  了解如何利用LLM解决实际的数据分析问题

4.  了解将通用大模型应用到自己的业务问题的一种最佳实践

DataWorks Copilot依托前沿的大模型技术，构建了一套贯通数据全生命周期的AI for Data技术链路。产品能力贯穿数据集成、数据建模、数据开发以及数据治理等核心环节，不仅显著提升了开发者的工作体验与效率，更在数据分析场景中以数据洞察和ChatBox等创新形式提升数据消费的效率和体验，发挥数据价值。DataWorks Copilot已在阿里巴巴集团内部实现大规模覆盖，服务于数以万计的用户，并在阿里云平台上为互联网、零售、汽车、金融等多个行业提供了全面的应用支持与实践。

演讲大纲：

1.  DataWorks Copilot演进路线介绍

2.  产品实践及创新

3.  大模型应用技术及创新

4.  未来畅想及突破

听众收益：

1.  AI对大数据开发领域的带来的变化与影响

2.  通过AI技术提升数据消费能力

3.  大模型技术的应用与实践

本次演讲将围绕构建数据知识库平台展开，介绍如何提供端到端的解决方案，包括集成多种数据源、一站式配置管理，以及通过一键发布企微机器人，快速帮助用户结合实际工作场景使用 AI 的能力。

同时，我将分享我们在探索过程中的数据处理方法、框架选型的思考与实践经验，最后对数据应用落地的未来方向进行简单展望。

演讲大纲：

1. 构建数据知识库平台，提供端到端解决方案

2. 集成多种数据源，实现一站式配置管理和便捷操作

3. 大数据与 AI 结合应用的处理方法与框架选型

4. 数据应用落地的未来趋势与发展方向

听众收益：

1. 了解B站在数据+AI 的探索思考与实践

2. 了解数据知识库平台构建方法

3. 助力企业数字化转型

菜鸟由阿里巴巴集团联合多家物流企业共同组建，致力于打造数据驱动、社会化协同的物流及供应链平台，目标实现全球72小时送达的智慧物流网络。菜鸟全球智慧物流网络，已覆盖200多个国家和地区，日均处理跨境包裹超400万件，并率先推动绿色物流，减少包装浪费，助力低碳环保等。本次演讲，将为大家分享菜鸟技术团队是如何利用AI达成数据驱动的物流履约场景，主要介绍ChatBI在物流企业数据自助实践经验，并把更多AI在物流场景的应用分享给大家。

演讲大纲：

1.  菜鸟业务背景介绍

2.  菜鸟ChatBI建设场景

3.  菜鸟ChatBI在物流领域实践

4.  更多AI实践在物流领域落地

听众收益：

1.  了解ChatBI在物流领域落地场景

2.  了解ChatBI系统化建设思路

海外游戏面临着相比国内复杂的业务环境及诸多挑战，如何设计一套合规、高效、灵活的数据架构支撑海外游戏业务的经营分析、数据洞察、算法落地成为了海外数据驱动增长目标的关键，本次演讲将主要介绍海外游戏数据平台从0到1演进的心路历程，以及重点介绍海外游戏广告平台建设过程中的工程治理优化实践。

演讲大纲：

1.  海外游戏业务简介

2.  海外游戏多云大数据架构演进

3.  海外游戏广告分析平台工程治理优化实践

4.  下一步规划展望

听众收益：

1.  海外游戏数据驱动游戏增长效果

2.  海外游戏大数据架构设计经验、思路

3.  海外游戏广告投放场景及挑战

在全球化的浪潮下，越来越多的科技从创办第一天起就立足于全球化。本次演讲将系统呈现Zilliz作为开源技术创新企业，在北美市场拓展过程中构建的体系化实践框架。我将为你深度解析市场进入策略的迭代演进、产品本地化的关键决策、跨文化团队的管理范式，以及在开源商业化模式上的创新突破，通过真实商业场景中的经验沉淀，为技术驱动型企业的全球化发展提供可复用的方法论。

演讲大纲：

1.  市场进入策略演进

2.  产品本地化实践路径

3.  全球化团队建设实践

4.  开源商业化创新探索

听众收益：

1.  获得科技企业全球化战略的实战经验

2.  掌握技术产品全球化落地的关键成功要素

3.  学习跨地域团队管理的创新方法论

4.  借鉴开源商业化在全球市场的实践路径

2024年9月，MiniMax推出首款AI高清视频生成模型Abab-video-1，迅速登顶AI产品榜全球及国内增速榜双榜单TOP 1。同年MiniMax再次引领技术潮流，推出专为二次元优化的图生视频模型I2V-01-Live。并持续创新，发布Subject to Video模型。MiniMax在海外为广告、影视、教育等领域提供了全新的内容创作解决方案。

MiniMax海外团队推出全球领先的多模态AIGC技术，通过整合语音、文本、图像和视频等多种模态数据，已广泛应用于智能客服、虚拟助手、教育娱乐等领域。

本次演讲将深入解析MiniMax的多模态AIGC技术创新与研发突破，探讨多模态生成领域的海外应用的前沿趋势，分享其在智能交互、个性化推荐和实时反馈中的创新应用，并展望多模态生成技术的产业化前景。

演讲大纲：

1.  业界趋势：MiniMax多模态AIGC的核心技术

2.  落地场景：海外场景从模型到实际应用

3.  典型案例解析：社交+广告+数字人制作

听众收益：

1.  了解MiniMax多模态AIGC技术的核心能力

2.  学习海外应用大模型的典型案例

3.  交流多模态技术在智能交互、个性化推荐和实时反馈中的实践方法

4.  洞察多模态生成技术的产业化前景与全球市场机遇

作为3D生成领域的绝对领先者，Tripo在全球化浪潮中直面两大挑战： 如何让小众技术穿透文化壁垒实现规模化增长？如何构建开发者与创作者共生的全球生态？

在业务背景上，Tripo以3D大模型为核心，瞄准全球开发者与UGC内容社区需求，通过“技术开源+垂类社区运营”双轮驱动，完成从0到百万用户的跨越。增长路径上，基于早期开源优势、中期技术链路闭环、后期AI Agent破除壁垒，降低开发者接入门槛；同时通过“创作者激励计划”与区域性社区节点深度绑定，形成技术-内容-商业闭环。本次演讲，我将为大家分享3D大模型国际化市场的现状、挑战，以及我们在真实业务中遇到的困难和应对方案，希望给大家带来启发和收获。

演讲大纲：

1.  为什么3D大模型选择全球化市场？

2.  全球化开发者生态策略

3.  全球化运营破局实战

4.  跨文化场景落地挑战与社区裂变

5.  技术品牌的全球化生态法则

听众收益：

1.  掌握AI技术品牌出海的“生态化思维”

2.  学习小众技术品牌如何突破增长瓶颈

3.  获取跨文化社区运营的“四步方法论”

网易伏羲作为网易旗下的人工智能研究机构，致力于利用前沿人工智能技术释放劳动者的生产力，探索人机协作的全新时代；网易伏羲已经将AI技术广泛应用在数字文娱、智能制造等领域的多个场景。本次演讲重点介绍了LLM技术在智能NPC、AI队友、AI捏脸等游戏场景中的落地应用，具体展示了相关背景、技术挑战及解决方案、展望未来更广泛的应用场景。

演讲大纲：

1.  网易伏羲整体介绍

2.  基于LLM的典型游戏应用场景介绍

● 游戏智能NPC系统的构建与应用示例

● 可实时语音交流的游戏AI队友

● 交互式AI捏脸技术展示

3.  AI技术在游戏领域的应用展望

听众收益：

1.  了解和启发游戏场景有哪些可以和AI结合的点

2.  了解LLM技术如何在游戏场景落地

旅游场景面临大量非结构化数据的挑战，包括文本和图片，同时需要面对客人复杂多变的问题和咨询，我们通过实践得出最佳的RAG和Agent应用方式，并通过多模态RAG等技术手段提升效果，成功落地在智能客服等多个场景中，并取得了良好效果。

演讲大纲：

1. 旅游业务背景

2. 旅游场景面临的挑战

3. 旅游场景RAG+Agent方案

4. 实践落地效果

5. 未来规划

听众收益：

1. 了解RAG技术的核心原理和实现机制

2. 学习如何将RAG应用于实际场景

3. 学习如何提升RAG性能

4. 掌握如何设计和实现更高效的RAG+Agent架构

5. 了解RAG的未来发展趋势和应用前景

在车载电台新闻日益追求自动化与高效率的时代，如何兼顾低成本和高保真音质成为关键挑战。传统人工录制不仅周期长、投入高，还难以满足频繁更新的新闻需求。

本次分享，我将介绍基于AI语音克隆技术构建的一体化方案，如何快速完成新闻素材抓取、文稿生成和高质量语音合成，并显著降低人工和设备成本。

演讲提纲：

1. 业务背景及需求
- 车载电台新闻对时效性和音色稳定度的追求。
- 传统录制模式成本高、效率低。
2. 业务痛点分析
- 多频次节目更新所带来的人工录制周期过长。
- 高昂的人力和录音环境投入不易规模化扩张。
- 缺乏快速个性化定制能力，难以满足多样化新闻播报需求。
3. 落地实施与优化
- 自动化流程：新闻采集、文稿生成与合成串联。
- 选定ranio音色进行采样的核心考量。
- 合成质量保障（语音清晰度、情感表达）。
- 后期个性化设置：语速、语调与背景音乐一体化调整。
4. 总结与回顾
- 低成本、高效率的AI语音克隆核心价值。
- 为多场景智能播报提供可复制经验。

听众收益：

1. 行业前瞻视角：洞察AI在媒体内容生产中的规模化应用路径与商业潜力。
2. 低成本实践思路：了解如何借助AI语音克隆技术，在减少人力及录音场地成本的同时，提升内容制作效率。

演讲介绍：业务需求背景：公司内部运营报表（Hive + Impala + Spark + Presto） 、实时监控（clickhouse）、用户画像（StarRocks）等多套系统并存，整体ETL过程链路比较长且耗时，且数据冗余度较高。

方案选型诉求：引擎能够同时覆盖实时+离线分析，支持高并发和高吞吐，同时能够和现有技术栈兼容以便平稳迁移

初步成效：1. 部分游戏业务ETL数据开发提效约30%

2. 初步推进了部分游戏项目的OLAP查询引擎的整合，目前逐步推进全部游戏项目的整合。

演讲提纲：

业务背景：1. 多套系统的数据孤岛问题

2. 实时性和复杂查询的兼容问题

方案选型：1. 游戏数据场景的ETL

2. Clickhouse + Impala 到 Doris 的决策逻辑

落地挑战和解决思路：1. 成本控制： 存算分离 + 弹性扩缩容架构

2. 查询性能和稳定性优化：workgroup资源隔离的实战、不同业务场景上索引设计

未来规划：1. 探索基于Doris的AI预测，比如一些LTV的流失

听众收益：

1. 能够借鉴到游戏行业数据从数据迁移到最后Doris落地到全链路的方案

2. 能够借鉴到一些经过生产验证的设计和实践，比如说索引设计、资源隔离之类。