微信分享
DACon 2026 · 北京站

使用微信扫一扫分享到朋友圈

活动分享
DACon 2026 · 北京站

使用微信扫一扫进入小程序分享活动

活动介绍

1111451123617065.png


2 天沉浸式学习交流 | 15+前沿分论坛 | 60+真实应用案例


过去两年,企业 AI 经历了从"模型狂热"到"理性落地"的明显转向。


行业关注点已不再停留在"有没有接入大模型",而是在追问:企业是否准备好了承载 AI 的整套基础结构——是否具备 Agent-Ready 的数据底座、清晰的语义体系、完整的治理能力、可持续的评测闭环和系统化的工程能力;是否能把模型能力真正做成系统能力,并最终转化为组织效率与业务价值。


同时,从近期产业趋势看,企业 AI 正在从单点 Copilot 走向 Agentic、Multi-Agent、可观测、可治理的系统形态;“模型选择"正在演变为"模型组合与路由”;语义层与上下文工程正在被国际技术圈共同认定为 2026 的关键基础设施;Agentic RAG 正在替代传统单次召回的 RAG 范式。


北京站正适合把这些已经进入企业实践门槛区、但尚未被充分系统化讨论的话题集中展开。围绕这一判断,本届大会将聚焦四个根本性转向:

● 从模型驱动走向数据与语义驱动;

● 从接入模型走向承载语义与上下文;

● 从单一模型选择走向模型能力的组合与编排;

● 从单点 AI 应用走向系统化的价值兑现。


这,就是本届 DACon 北京站的核心理念:Data-First, AI-Real——回到数据本位,让 AI 真正跑在企业之上、跑进业务之中、跑成可衡量的价值。


专家团
  • 技术副总经理、AIGC负责人陈炜于
    陈炜于
    阅文集团 技术副总经理、AIGC负责人

    阅文集团技术副总经理,AIGC负责人,腾讯云最具价值专家、复旦大学计算机学院专业硕士导师。有着近15年的人工智能、大数据研发管理经验。在AIGC、个性化推荐、搜索、大数据挖掘、自然语言处理等领域都有丰富的实践经验。目前主导人工智能技术在集团内部的研发和应用落地,带领团队研发了阅文妙笔大模型和多模态大模型,并在作家辅助创作、角色对话、增长素材和机器翻译等大模型应用场景上也取得了不错的成果。对内容业务有深刻理解,也主导推进智能风控、推荐系统、反盗版等公司重点项目落地。曾任百度人工智能事业部技术经理,负责过百度推荐、精准广告、图片搜索、大数据商业化等项目。

  • 阿里云EMR负责人,资深技术专家李钰
    李钰
    阿里云EMR负责人,资深技术专家

    阿里云EMR研发团队负责人,资深技术专家,Apache Flink & HBase PMC Member,Apache软件基金会Member。

  • 首席架构师李丰
    李丰
    度小满 首席架构师

    多年 IT、互联网工作经验,在基础平台架构与研发、金融分布式系统、金融科技探索与应用方面有丰富经验。负责度小满整体技术的规划与推进,以及信贷技术架构从1.0到4.0的演进,支持了业务多年数倍的持续增长。
    在金融科技探索上,主导了区块链、复杂工程技术、虚拟现实、物联网技术、LLM的探索与应用落地;从0组建了百度第1个区块链研发团队,相关工作荣获了福布斯全球、哈佛商业评论、工信部等国内国际荣誉。推动与参与了多项国内国际标准的制定,以及白皮书、蓝皮书的攥写,个人累计申请了60多项国际、国内发明专利。

  • 副总裁胡云华
    胡云华
    智谱华章 副总裁

    胡云华,西安交通大学和微软亚洲研究院联合培养博士,先后担任微软亚洲研究院副研究员、阿里巴巴达摩院资深算法专家、支付宝中国首席数据官、智谱华章副总裁,在搜索、广告、推荐、大模型研发、用户产品创新方面拥有丰富经验。

  • 数势科技   CTO韩秀锋
    韩秀锋
    数势科技 CTO

    13年+百度产品和研发管理经验,原百度地图场景化业务总经理,具备出色的产品、技术团队管理能力和技术实操经验。

  • 研发总监单超
    单超
    ebay 研发总监

    具有多年在传统数据库管理和大数据分布式平台开发与维护的专业背景。熟练掌握大数据技术,能够高效地进行批处理和流处理任务的设计和实施。对数据湖架构的构建和优化也有深入研究,能够帮助企业从海量数据中提取有价值的信息,支持数据驱动的决策制定。
    目前在eBay作为数据平台研发总监,带领团队负责云原生的数据湖,分布式搜索引擎,调度系统,存算分离计算引擎,OLAP离线数据库,数据开发平台等技术的实施,优化,开发工作。

  • 京东零售 平台产品与研发中心 数据库运维团队负责人涂勇
    涂勇
    京东零售 平台产品与研发中心 数据库运维团队负责人

    现就职于京东零售。之前担任平安壹钱包大数据部门副总经理,带领团队致力于构建高效的数据分析体系,通过创新技术推动业务增长与客户体验优化,主导了多个关键项目,包括企业级数据平台的搭建与升级、智能数据分析工具的研发等,显著提升了公司内部决策效率。专注于深度学习、自然语言处理等领域的大规模机器学习模型开发。并积极推动研究成果向实际场景转化,特别是在数据管理、风险控制等方面取得了突破。

  • 美的集团 首席信息安全官兼软件工程院院长,欧洲科学院院士,IEEE Fellow刘向阳 院士
    刘向阳 院士
    美的集团 首席信息安全官兼软件工程院院长,欧洲科学院院士,IEEE Fellow

    美的集团首席信息安全官兼软件工程院院长,欧洲科学院院士,IEEE Fellow IET Fellow ACM Distinguished Scientist。

  • 人工智能业务部高级总监吴友政
    吴友政
    京东科技 人工智能业务部高级总监

    吴友政博士,京东科技集团语音语义算法部负责人、高级总监。博士毕业于中国科学院自动化研究所,毕业后在日本情报通信研究机构、英国爱丁堡大学、索尼中国研究院和爱奇艺负责自然语言处理、语音识别、机器翻译等前沿技术研究和产品研发工作,在国际自然语言处理顶会和期刊(如ACL、NAACL、EMNLP、AAAI、ICASSP等)上发表多篇学术论文。曾获得语音识别(IWSLT2012、IWSLT2013)和对话式机器阅读理解(QuAC 2020)比赛的冠军。连续2年主办京东人机对话挑战赛。技术产品化上,带领团队打造了基于多轮对话技术的智能客服平台言犀、基于多模态内容生成技术的品创等产品。曾获得京东集团技术金牛奖等荣誉。

  • 数据平台产研负责人王涛
    王涛
    滴滴出行 数据平台产研负责人

    王涛,滴滴数据平台产研负责人,2018 年加入滴滴,专注于构建智能、易用、安全的数据产品矩阵,并推动 AI 技术在数据平台的深度融合。曾在阿里巴巴集团担任工程技术关键岗 8 年。技术面覆盖大数据、人工智能、泛前端等多个领域。

  • AI科技事业部总经理张凯
    张凯
    蚂蚁数科 AI科技事业部总经理

    AI数据生产(标注、数据集、合成)、AI安全(评测、防御)、AI软硬件一体、AI营销相关领域从业者。

  • 首席企业架构师武艳军
    武艳军
    一汽-大众汽车有限公司 首席企业架构师

    企业架构和数字化转型专家,北京大学理学硕士,银行、保险、车企20年工作经验,《企业架构驱动数字化转型》作者,“金融IT那些事儿”公众号主理人。

  • 阿里云 AI搜索研发负责人邢少敏
    邢少敏
    阿里云 AI搜索研发负责人

    阿里云AI搜索研发负责人,负责阿里云AI搜索产品OpenSearch、阿里云ElasticSearch AI研发,以及开源搜索引擎Havenask研发。覆盖AI搜索、向量检索、大数据检索、对话式搜索等多个场景。带领团队研发多款搜索、推荐和智能问答类产品研发。目前主要聚焦在大模型AI搜索研发,关注大模型AI搜索对业务和客户的价值。

  • 物流科技事业部副总经理赵昊宇
    赵昊宇
    菜鸟集团 物流科技事业部副总经理

    企业数智化领域10余年经验,先后就职于美团点评、阿里巴巴、菜鸟等大型互联网公司,对企业数智化转型、数智供应链、供应链金融等领域有深厚的积累沉淀。多次主导企业级数据中台和数智产品的实施,能够很好地将数智技术&产品与业务相结合,针对不同行业不同场景设计落地行之有效的数智化转型方案。目前负责菜鸟物流科技副总经理,带领团队深耕数智供应链领域,帮助企业级客户在数智时代打造领先的供应链能力。

  • ProtonBase  技术副总裁胡月军
    胡月军
    ProtonBase 技术副总裁

    胡月军,现任 ProtonBase 技术副总裁,从事存储与计算引擎的设计与研发工作,致力于打造 AI 时代云原生一体化的数据存储,计算和管理系统。曾任阿里巴巴计算平台事业部资深技术专家,发起和参与了阿里巴巴交互式分析引擎 Hologres 的研发。在此之前,从事5年搜索和广告引擎的设计与开发,负责过阿里巴巴淘宝、天猫、1688、Sourcing 和 AliExress 的搜索与广告在线引擎系统,主导过阿里巴巴国际搜索和广告引擎在离线的一体化升级改造。

  • 大会专题


    AI Ready到Agent Ready:Data+AI平台架构升级

                                 企业语义层建设

    Data Engineering Agent:数据工程智能

    • 面向 Agent 的数据接口与服务化设计

    • 实时数据、历史数据与知识数据的一体化供给

    • Agent 消费模式下的权限控制、审计与限流

    • 数据平台如何从 BI 底座演进为 Agent 底座

    • 企业在湖仓、实时平台、服务层上的升级路径

    • 企业语义层、本体建模与知识组织方法

    • 语义层四大支柱:开放、治理、多模型、可组合

    • 语义层在 BI、AI、Agent 三场景的统一服务

    • 语义对象的代码化管理:YAML、Git、版本控制

    • 语义层防止指标漂移与语义漂移的实践

    • LLM驱动元数据补全与语义化

    • 数据质量、血缘、异常的自动识别

    • SQl、ETL、调度配置的智能生成与优化

    • 数据开发、测试、运维、治理的智能化

    • Pipeline质量守护与DataOps集成


    Agentic Workflow:数字员工与企业流程重构企业模型组合:选型、路由、成本与治理Deep Search 与 Agentic RAG
    • 从 Copilot 到 Agentic Workflow:企业流程智能的最新演进

    • 数字员工在客服、审批、运营、协同、服务台等场景中的实践

    • Agent 如何与工作流、RPA、规则引擎、企业系统集成

    • 多角色协同、人工兜底与流程治理机制

    • 流程自动化的效果评估、风险控制与规模化推广路径

    • 模型组合与路由策略:大模型、小模型、专用模型如何协同

    • API、私有化、托管式模型服务与 MAS 平台的组合方式

    • 成本、时延、风险、治理目标之间的平衡

    • 企业如何建设统一的模型接入与治理层

    • 典型任务下的模型 ROI 选择方法

    • Deep Search 的系统设计:规划、检索、反思与输出

    • Agentic RAG、Graph RAG、多跳检索的工程实践

    • 文档、表格、知识图谱与结构化数据的联合检索

    • 搜索结果的证据可追溯与可信表达

    • 从企业搜索升级到智能研究助手


    多模态大模型落地上下文工程:让 AI 真正懂企业

    企业本体与知识工程

    • 文档、票据、报告、图像和视频的多模态理解

    • 多模态搜索、审核、客服、内容生产、质检应用

    • 视频与图像生成在营销、培训、服务中的落地

    • 多模态评测体系与场景 ROI

    • 多模态与 Agent 工作流的结合

    • 从 RAG 到 Context Engineering 的范式演进

    • Schema 强制、结构化系统提示、元数据注入

    • 长上下文 vs 检索:百万 token 时代如何选择

    • 短期、长期、向量记忆机制的工程设计

    •  Agent、RAG、工作流场景中的上下文工程实践

    • 上下文工程的成本、延迟与可观测性

    • 企业本体建模方法与知识图谱实践

    • 知识、规则、流程的形式化表达

    • 知识工程与大模型、Agent 的结合方式

    • 金融、制造、政务、医疗复杂场景的本体实践

    • 从静态本体到动态本体:支持模拟、推演与决策


    生成式推荐系统新范式

    企业级 AI 治理:从应用效果到组织合规

    AI 驱动的客户全旅程:从营销获客到客服服务

    • 生成式推荐的核心范式与架构变化

    • 大模型在召回、排序、特征生成中的应用

    • 多模态、多场景、多目标推荐的新方法

    • 推荐与对话、搜索、内容生产的融合

    • AI 应用效果评测:离线、线上、回归三套机制

    • 评测集、回归集、红队集与用户反馈数据建设

    • 模型升级、Prompt 调整、知识库变化的回归测试

    • Agent 身份、最小授权与审批机制

    • 工具调用、数据访问、操作留痕与审计追踪

    • AI 驱动的广告、投放与营销自动化

    • AIGC 内容生产与品牌内容工业化

    • 精细化用户运营、用户分层与生命周期管理

    • 对话式 Agent 在售前、售后、运营中的应用

    • 多渠道、多语种、多模态的客户交互


    AI 时代的研发范式与组织进化决策智能 Agent:从洞察到可信

    金融可信 AI 实践

    • 代码审核重构:AI 审 AI、规则审 AI、人审关键路径

    • 人机协作工作流:工程师角色与能力升级

    • 研发效能的重新度量:从产出到业务结果

    • 组织结构进化:扁平化、平台化、双轨化

    • 数据、算法、AI 产品、业务的边界重构

    • 管理层视角下的组织转型路径

    • 决策智能 Agent 的最新范式:从数据问答到洞察生成

    • 指标解读、异常归因、趋势分析与经营诊断

    • 分析型 Agent 如何结合业务语境、规则与知识体系

    • 从洞察到建议:决策支持如何进入经营流程

    • 金融智能风控、合规审查、投研与客服中的 AI 实践

    • 政务流程辅助、公文处理、智能问答与公共服务优化

    • 高责任行业中的权限、安全、人工兜底与可追溯设计

    • 可信 AI 的效果评价和组织落地机制

    • 从试点到规模化上线的行业经验

    活动日程
    2026-10-23
    2026-10-23
    14:00 -18:00
    Skill Engineering:企业级 Agent Skill 全生命周期管理与自进化
    2026-10-23
    14:00-14:45

    Skill 与 Agent 的边界:数据平台的分层架构实践

    当 LLM 能力渗入数据平台,一个绕不开的问题是:数据能力该封装成 Skill 还是 Agent?全做成 Agent 会带来成本失控与能力重复;全做成 Tool 又撑不起归因、洞察、SQL 生成等多步决策场景。我们提出 Skill(原子能力层)/ Agent(场景编排层)/ 项目空间(治理层)的三层抽象,通过统一接口契约让 Skill 在多个 Agent 间复用,通过项目空间实现个人 → 空间 → 平台的三级贡献分发。目前已支撑探索分析、归因、洞察、SQL 生成等多个场景 Agent,底层 Skill 跨 Agent 复用率显著提升,个人贡献的能力也能沉淀为平台资产。本分享将正面回答"Skill 和 Agent 到底怎么分"这一高频争论,并复盘真实的设计取舍与踩坑。


    演讲提纲:

    一、业务背景与问题定义
    1. 数据平台面对探索性、诊断性需求的响应困境
    2. LLM 引入后的两种极端:全 Agent 化 vs 纯 Tool Use,各自失效的原因
    3. 数据领域的独特张力:确定性 × 决策性并存

    二、方案选型与核心架构
    1. 三层抽象:Skill(能力层)/ Agent(编排层)/ 项目空间(治理层)
    2. Skill 的接口契约:输入输出 / 副作用 / 权限 / 幂等
    3. Agent 的编排模式:ReAct、Plan-Execute、人工介入
    4. 项目空间的治理职责:发布订阅、权限穿透、生命周期

    三、边界辨析:Skill 与 Agent 的五维判据
    1. 是否用 LLM / 是否多步规划 / 是否有状态 / 面向谁 / 失败语义
    2. 真实争论:SQL 生成到底是 Skill 还是 Agent?
    3. 反模式:什么能力不该做成 Agent,什么能力不该做成 Skill

    四、落地挑战与实证案例
    1. 探索分析 / 归因 / 洞察 / SQL 生成:Agent 共用 Skill 的复用图谱
    2. 踩坑:Skill 粒度失控、命名语义重叠、质量参差、贡献动力不足

    五、贡献机制、未来规划与总结
    1. 个人 → 空间 → 平台的三级分发机制
    2. Skill 自动评测、Agent 能力图谱、跨空间能力流转
    3. 开放问题:私有 Skill 体系与 MCP / A2A 开放协议如何共处


    听众收益:

    1. 一套可迁移的双层抽象方法论:掌握 Skill 与 Agent 的边界判据,能在自己的数据平台中落地分层能力架构,避免"每个需求都做一个 Agent"的失控。
    2. 数据领域 Skill 设计经验:针对归因、洞察、SQL 生成等复杂场景,理解哪些原子能力值得沉淀为 Skill、哪些应当封装为 Agent,以及标签系统在其中的定位。
    3. 能力贡献生态的工程取舍:理解个人 → 空间 → 平台的三级分发机制,在质量、权限、复用之间取得平衡,避免"人人可建"沦为"无人敢用"。

    嘉宾
    DACon 2026 · 北京站
    郭志浩
    瓴岳信息(洋钱罐)数据平台数据应用负责人

    Skill 与 Agent 的边界:数据平台的分层架构实践

    DACon 2026 · 北京站
    郭志浩
    瓴岳信息(洋钱罐)数据平台数据应用负责人

    长期深耕数据平台与 AI 基础设施方向,当前主导金融场景下数据应用平台的 Agent 化架构设计与演进,负责探索分析、归因分析、数据洞察、SQL 生成等场景 Agent 及底层 Skill 体系、标签系统的规划与落地。关注 LLM 与数据平台融合中的能力抽象、分层架构与工程化取舍。

    活动主办方