〇 分享简介 〇

运维领域经历了从传统运维、自动化运维到智能化运维的阶段，每一阶段都能够更好的解决运维质量、效率和成本的问题。随着人工智能技术的发展，在与各行业的结合过程中，都爆发出了无限的潜力。同样，将人工智能技术与运维相关业务结合起来，也为运维行业带来了巨大的变革。人工智能技术在系统的稳定性保障、服务治理等方面都发挥了很大的作用，不但能够更智能化的发现、分析和解决故障，而且能够让系统向着更完善的方向演进。本专题将分享该领域内领先团队的体系化规划和落地实践的经验。

〇 分享收益 〇

１.目标：

从传统运维向运维自动化和智能运维阶段过渡中涉及的一些关键技术和实践经验。

２.成功要点：

A构建运维自动化平台，拥有对大规模微服务系统的自动化管控能力；

B构建智能运维平台，让系统拥有运维领域的知识、经验和分析能力，能自动的分析问题和解决问题。在出现故障时，通过多维度的异常检测发现故障，通过告警收敛策略和告警合并算法精准的发出告警，依据知识图谱通过运维大脑自动给出故障的根源原因分析，给用户推荐故障处理策略和自动进行故障自愈。在平时，通过各维度数据的分析，发现系统中的风险点，推动系统进行优化。

４.启示：

将算法和人工智能相关技术与运维业务相结合，赋予运维自动化平台更强大的智能发现故障、智能定位故障、智能解决故障的能力。

〇 分享亮点 〇

1. 分享运维发展趋势及智能运维走向

2. 智能化运维与系统稳定性建设

3. 智能的发现、分析和解决故障

4. 智能化风险挖掘和服务治理

5.  QA

〇 分享简介 〇

随着云原生理念和方案的逐步应用，诸多新兴业务逐步迁移到云原生监控方案中，例如采用Prometheus方案监控业务并结合Trace/日志提升可观测能力。而AIOps（Artificial Intelligence for IT Operations ），即智能运维，是将人工智能的能力与运维相结合，通过机器学习的方法来提升运维效率。AI方法的引入，使得机器能够代替人来做出决策，从而让真正意义上的实现完全自动化成为了可能。

本专题将分享头部互联网公司云原生可观测和AIOps能力的整合架构心得。

〇 分享收益 〇

１. 目标：

实现云原生架构下的集中化，全局化和智能化监控运维目标

２. 成功（或教训）要点：

a.打造云原生下基于Prometheus的高可用监控解决方案，全面+多维度的监控能力；

b.构建包括数据采集、数据存储、数据聚合运算、数据展示、告警通知、告警检索在内的完整监控告警通路；

c.整合百度在故障管理的经验，集成故障发现、故障止损、故障诊断和故障预测环节的一些智能运维算法，通过对数据模型进行分析直接输出故障原因。

３. 启示：

结合Prometheus等开源生态，整合百度智能运维算法，实现云原生架构下的集中化，全局化和智能化的监控赋能

〇 分享亮点 〇

1. 百度云原生的产品能力积累

2. 结合Prometheus等开源生态能力打造的云原生可观测解决方案

3. 故障发现、故障止损、故障诊断和故障预测环节的一些智能运维算法探索

4. 云原生可观测解决方案的经典实践案例

5. QA

〇 分享简介 〇

随着业务发展和微服务的大行其道，给系统引入了更多的复杂性，微服务体系中任何一个环节发生故障都有可能对业务造成灾难影响，这对如何建设高可用性、强容错性、可观测性的服务治理体系提出了更高的要求。混沌工程通过主动攻防的方式，验证系统架构、组织机制、人员能力在应急防御时的有效性，从而及时对脆弱点进行加固，保障业务高速发展时系统的稳态运行。

携程经过对混沌工程的探索，逐步演化出了故障演练平台及常态化演练标准，本次将介绍携程在混沌工程落地方面的实践经验。

〇 分享收益 〇

１. 目标：

理解混沌工程的原理并了解其在企业内落地的方案

２. 要点：

如何针对典型历史故障设计实验场景；

如何度量系统稳态；

如何控制爆炸半径；

如何实现自动化演练；

如何在企业内落地及推广。

〇 分享亮点 〇

１. 混沌工程的背景

在复杂的微服务架构下，如何应对无处不在的故障

２. 携程混沌工程体系建设

以混沌工程”五条原则“及“成熟度模型”为指导，结合携程现状，建设故障演练平台

３. 携程混沌工程实战案例分享

从单一应用演练到数据中心演练

从人工值守演练到自动化演练

４. 未来规划与思考

拥抱面向失效设计的文化

持续降低演练成本

建立全面的演练管理体系

5 . QA

〇 分享简介 〇

SLO为应用程序的性能定义了明确的目标，帮助团队提供一致的客户体验、平衡功能研发与平台稳定性，改善与内部和外部用户的沟通。蚂蚁的基础设施团队负责包括K8S资源调度、中间件、L4/7流量调度、数据&智能、缓存等众多异构系统，以SLO构建基础设施侧的健康度体系，除了为各个系统定义明确的性能目标，也为系统可观测性、应急等提供了一套通用的框架，通过将AI赋能SLO数据、结合实际场景(AIOps典型实践场景)，从运维数据中挖掘更多的价值，让运维更加提效和智能。

本专题将分享SLO的介绍、如何从0到1构建SLO、AI结合SLO数据发挥更大价值、以及基于SLO的健康度体系在运维场景下的一些成功实践。

〇 分享收益 〇

１. 目标：

a.以SLO构建健康度体系，除了为系统定位明确性能目标、SLA外，也为系统可观测性、稳定性、应急等提供了一套通用的框架；

b.结合Prometheus等监控手段，从0到1构建系统的SLO；

c.人工智能结合SLO、运维数据，在典型的运维场景下发挥价值，在应急场景下提供智能化的闭环解决方案。

２. 成功（或教训）要点：

a.结合实际场景和需求，沟通、定义清楚SLO的意义和出发点；

b.通过标准化设计，构建自动化能力，提升规模和场景覆盖。简化SLO配置的复杂度和费力度；

c. 将SLO应用到日常的应急场景中，结合AI算法在异常检测、故障定位、预案推荐等场景下的使用，提升应急能力和效率；

d.人工智能赋能不能用力过猛。

３. 启示：

a.SLO提供了一套通用的系统健康度框架，可以适用到很多系统和场景；

b.避免简单问题复杂化，要主张大道至简；

c.海量数据和运维场景的复杂性是AI赋能运维的根本出发点，在算力普遍不再奢侈的时代，利用低熵的数据发挥出价值是关键。

〇 分享亮点 〇

1. 有关SLO的介绍

2. 结合Prometheus等监控手段从0到1构建SLO，打造一套通用的健康度体系

3. AI赋能SLO，提供一站式的应急解决方案(将异常检测、故障定位、预案推荐、自愈等应急能力形成闭环)

4. 基于SLO健康度体系下的实践案例

5. 对未来的一些想象和展望

6 . QA

〇 分享简介〇

AIOps 已成为公认的下一代运维技术，业界已经在理论、算法和实践方面开展了大量的研究和探索工作，相比于前两年，投入 AIOps 项目的企业越来越多，AIOps 的技术也越来越成熟。

与系统运维相比，应用运维负责对业务系统的维护，有其特殊之处，更加注重用户体验、更加注重业务的稳定性、更加注重故障前的瓶颈和优化。如何在应用运维领域使用AIOps提升业务系统稳定性，提升用户体验是值得研究的重要课题。

本次分享将围绕 AIOps 在应用运维领域的落地使用，梳理更适合应用运维的智能运维场景，详细分析各个场景的背景、算法原理和落地方案，并结合案例展示 AIOps 的独特作用。

〇 分享收益 〇

1. 目标：

结合银行应用运维的挑战和特点，分享民生银行在AIOps方面的实践经验和教训，同类企业可从中获得启示。

2. 成功/教训要点：

    运维数据基础是AIOps效果的保证；

智能运维要围绕核心需求展开，解决最棘手的问题；

对智能运维的能力和预期有客观的认识，不能好高骛远。

3. 启示

带动民生银行应用运维团队开启数据驱动运维阶段；

间接提高应用运维数据质量；

提高应用系统可靠性。

〇 分享亮点 〇

1应用运维的特点及挑战

2智能运维如何助力应用运维

3智能运维场景拆解及案例分享

4  QA

〇分享简介〇

数字中台是需要将业务与数据深度融合，实现业务在线、数据资产化、数据驱动运营。企业传统架构在数字时代面临的挑战，行业标杆企业的数字化转型方法论和实施路径，好的技术架构可以灵活的响应业务需求，系统可以进行负载均衡和压测，并最终实现提升研发效能，提升业务处理效率。

本次分享将从数字化转型痛点，双中台技术架构及实现路径，经典案例等方面介绍双中台技术如何驱动企业数字化成功转型落地。

〇分享收益〇

目标

帮助正在进行数字化转型的企业识别真假中台和少踩坑，规划转型路径和数字蓝图。

成功要点

助力企业高效、稳健搭建数据中台，落地数据分析应用。

启示：

数字技术驱动的数字化是大势所趋，未来企业的竞争力就是数字化的能力，降低升级构建成本，更高效、更低门槛，更好的实现数字化运营和业务增长。

〇 分享亮点 〇

1、 数字技术为企业带来的结构性机遇

2、 数字技术在互联网企业的价值体现

3、 数字中台的发展阶段和关键路径

4、 中台技术驱动的数字化转型落地实施

5、 业界经典案例

6、 QA

〇分享简介〇

Serverless是一种将应用与基础设施分离的架构理念，开发人员无需关心基础设施的运维工作，只需专注于应用逻辑的开发，真正实现了弹性伸缩与按需付费。

通过本次分享，将会企业传统架构在数字化转型中面临的挑战、好的架构应当具有怎样的特点、架构如何适应业务规模快速增长、serverless如何助力企业客户降本提效，助力传统企业数字化转型。降低企业应用部署中的资源成本、运维成本，充分享受云原生带来的技术红利。

〇分享收益〇

目标

通过分析企业数字化转型过程中云上自建、云上托管、云原生三个阶段的痛点和挑战，分享腾讯云的最佳实践和思考，助力企业数字化转型。

成功要点：

企业传统架构在数字化转型中面临的挑战、好的架构起到至关重要的作用，架构如何适应业务规模快速增长、serverless如何助力企业客户降本提效。

启示：

面向微服务应用的serverless技术，为企业数字化转型平稳、顺利进行，在业务迭代效率和技术先进性之间带来平衡。

〇 分享亮点 〇

1、企业传统架构在数字化转型中面临的挑战

2、架构转型的方向与路径

3、微服务架构与serverless如何助力企业业务增长与降本提效

4、腾讯面向应用全生命周期管理的serverless实战

5  QA

〇分享简介〇

华为重新定义了公司数字化转型的架构，对IT的要求是构建清洁的数据底座和云化、服务化的IT平台。

有着关键的几点，第一体验优先，即面向客户和用户构建一站式体验，用数字化手段做厚、做深用户界面，让用户满意；第二场景化，即灵活编排服务，构建各场景的解决方案，快速支撑业务创新和数字化转型，提升业务的效率效益；第三服务化，建设清洁的数据底座及分析平台，构建面向3大业务流的中台服务，以及云化IT平台服务；第四是多云管理，即通过多云管理平台快速获取外部资源和服务，以应对业务的资源快速获取的挑战；第五是实时指挥，构建实时运营指挥中心，实现智慧化的运营，做到对业务心中有数，转变作战模式，实现大平台支撑下精兵作战。

本次分享企业IT云化、融入云、构建全域数据资产，让企业更适应未来业务数字化。

〇分享收益〇

目标

1传统企业数字化，首先要从分析客户旅程出发设计面向未来分层解耦的IT应用架构。

2数字化转型在工业领域的落地就是工业互联网，但是转型方法和解决方案尚未形成规模化：各行业和企业数字化转型仍然处于初级阶段，尤其面向中大型企业的方案仍不成熟。

3  AI必须长期战略投入，但是人工智能实际上是数据驱动的智能，只有足够的专家知识的沉淀，才能实现技术和领域的结合带来的创新发展。

成功要点：

过去积累的“On premise IT和数据” 是核心资产，数据治理以及打通企业“数据孤岛”，是迈向数字化的关键：企业不可能抛弃过去的软件包核心业务逻辑和沉淀的IT数据资产，必须更要发挥好软件包和数据的价值。

启示：

数字化转型是触及灵魂的变革，“没有银弹” ，需要管理层下决心，业务人员充分投入：大型传统企业数字化转型是一个长期过程，企业需要变革组织、文化、业务模式、IT技术等各个方面。

〇 分享亮点 〇

1. 理解当下数字化转型

2. 华为数字化转型实践和案例

QA

〇分享简介〇

随着AI、大数据、云计算技术的蓬勃发展，很多非云原生企业被一下子从“信息时代”拖着进入了“数智时代”。数据已然成为企业发展的“新能源”，然而非云原生企业转型并不简单，由于业务链条长，多业态并存，数据共享风险高、IT系统历史包袱重，数据治理的能力与人力匮乏。在数智时代往往面临“数到用时方恨少”尴尬局面。

为了解决数智时代的数据“新能源”的高效供给问题，实现企业运营与经营更加基于数据，更及时，更准确，更有效。华为在数据治理战略上划分了数据清洁和数据智慧两个阶段。

本次将重点分享华为这两个阶段的关键举措，包括数据管理体系建设、数据资产的梳理与拉通、数据质量控制、数据资产入湖共享、业务价值驱动的数据链接和全民数据自助消费的实践经验与教训。也会现场演示两个场景，领域数据管家如何借助华为数据底座实现快速数据资产入湖，普通华为员工如何通过华为数据底座立即申请并获取他有权访问的任何数据资产，而不用担心是否满足公司的安全与合规要求。

〇分享收益〇

目标：

了解华为在数智时代的数据治理思考与实践

成功要点：

· 转变观念 - 数据是公司战略资产

· 数据工作需要充分卷入业务，对准业务价值

· 建立专业的数据组织，明确数据Owner

· 建立企业级数据资产地图

· 支撑自助数据消费，全员参与数据驱动

启示：

· 数据治理不只是IT的事情，更是业务的事情

· 数据在治理前是企业负债，经过业务的治理才能算是企业资产

· 降低数据访问的门槛，让普通员工参与数据驱动的业务创新

· 非云原生企业的数据治理的复杂性

· 华为数据治理的总体目标

· 让数据清洁

〇 分享亮点 〇

3.1华为数据管理体系

3.2全员共享的华为数据资产地图

3.3 数据组织与人才

3.4 数据质量管理

· 让数据智慧

4.1数据资产入湖标准

4.2用新技术+数据回答更复杂的业务问题

4.3全民自助数据消费，释放业务创

〇分享简介〇

数据治理作为企业数字化和智能化基础性工作，是企业数字化转型不可逾越的阶段。然而，真正成功实施数据治理的企业不到20%。数据治理究竟面临哪些挑战，这些挑战来自哪里，如何规避和解决，这是所有数据治理工作者都应该思考和面对的重要课题。本次分享将抛砖引玉，激发行业共同的讨论和思考。

〇分享收益〇

目标：

有效开展数据治理，为数字化转型保驾护航

成功要点：

完善的组织、合适的方法、正确的切入点

启示：

无“巧”不成“数”

〇 分享亮点 〇

1、 数据治理在数据化工作中的定位

2、 面临的挑战和问题

3、如何应对和破局

〇 分享简介〇 

时下，数字化转型已进入深水区，加快数字化转型已成为全社会的共识，企业如何更好地以新发展理念为引领，以技术创新为驱动，以信息网络为基础，面向高质量发展需要，全面开始数字转型、智能升级、融合创新？数据中台，则给出了最优答案，是数字化转型的一剂“良药”。

此次分享将结合行业多年成功为3000+金融、政府、教育、零售、能源、文旅等行业客户实现数字化转型与升级的具体实践案例，全面介绍袋鼠云数据中台建设方法论——数据中台建设“全景图，剖析企业在数字化过程中的具体实施路径和经验分享，希望参会嘉宾在加深对数据中台实践了解中，交流更多企业数字化转型的需求场景和共同探讨新时代下的企业数字化建设新趋势。

〇分享收益〇

１.目标：

为企业数据化提供一套科学合理的建设体系，为企业的数字化转型提供最佳实践参考。

２.成功（或教训）要点：

数据中台技术是传统数据仓库的升级版本，处理速度、容纳数据量、应用场景的完善程度均将大幅提升。数据中台支撑数据开发、数据应用建设、存储数据。

3.启示：提炼出该内容（或项目）的具体收益点：

数据开发及运维效率提升2-5倍，建设成本降低一半的同时使复杂数据应用落地成功率提升50%。

〇分享亮点〇

数据中台是企业数字化转型的基础平台，应当完全支撑企业全面数字化转型的过程，是企业数字化基础设施建设。袋鼠云数据中台建设方法论——数据中台建设“全景图”，主要包括以下几点：

1、数据资源管理体系

2、数据资产管理体系

3、数据应用规划与开发体系

4、数据治理与数据质量

5、数据组织及运营

〇 分享简介 〇

低代码以简单的方式为政府和企业提供复杂技术的能力，缩短开发周期，降低运营成本，并提高开发质量。诸多行业通过低代码开发软件的解决方案，可能解决大量的业务问题。

行业中，常见前端可视化页面搭建系统分为主要分为两类，分别用于C端运营页面搭建与B端管理后台系统搭建。此类系统在前端领域属于”重复造轮子“受灾最严重的区域之一。归根到底是因为此类系统通常难以长期迭代，且缺乏通用性。IMWeb团队在这两个领域都已深耕多年，有着丰富的实践经验。

本次分享IMWeb团队在可视化页面搭建低代码领域的实际应用，以及低代码对该技术领域未来发展的前景和展望。

〇 分享收益 〇

１.目标：

A深入了解低代码在可视化页面搭建领域的实际应用。

B深入了解设计更为通用的可视化页面搭建系统有哪些要点。

C了解Vision多技术栈以及小程序搭建支持原理

D低代码在可视化页面搭建领域的行业发展趋势。

２.成功（或教训）要点：

保证系统与业务的完全解耦，专注于核心页面搭建能力建设

高扩展性的架构设计，部分模块提供业务自定义能力

良好的本地素材开发体验与素材发布体验

面向未来，通过适配器支持多前端技术栈与小程序搭建

3.启示：提炼出该内容（或项目）的具体收益点。

A极大减少页面研发人力成本，增加运营效能。

B让专业的研发人员从机械重复的劳动中解放出来，专注去做更有价值的事情。

C减少同类系统重复造轮子乱象的发生概率，集中精力提升核心能力

〇 分享亮点 〇

1腾讯内部低代码领域现状

2通用运营页面可视化搭建系统Vision

3  TO B端管理页面搭建系统Hulk带来的启示与搭建引擎Gems的诞生

4 可视化页面搭建，低代码领域的未来展望

5  QA

〇 分享简介 〇

IMWEB 团队在转向全栈开发过程中，发现大多数服务端接口的逻辑简单和代码重复，各项目中的服务端接口大多千篇一律地做登录态校验，入参校验，CRUD，缓存，整理回包数据。面向这些痛点，团队通过可视化编排流水线，并基于数据库或已有API，配合少量低代码生成全新的 API 接口，节省了大量的开发时间，取得了很好的成效。而当今兴起的 Serverless 日渐成熟，让 Serverless 和接口服务低代码结合，产生出了更高效、更稳定、更易维护、更安全的系统。

本内容将分享如何通过可视化的方式高效完成服务端接口的搭建。

〇 分享收益 〇

1、目标：
a、基于 Serverless 的可视化编排服务端接口的原理。
b、可视化服务端接口编排会遇到哪些问题，如何解决。
c、团队在 Serverless 中的实践经验。

2、成功要点：
a、高效服务端接口搭建体系；
b、完整的服务端接口开发闭环；
c、流程可视化和组件复用，快速应对需求；

3、启示：
在实际的工作中，大多服务端接口都是偏于简单的读写，团队尝试将这些重复和繁琐的开发工作简化，可视化编排服务端接口非常适用于轻逻辑业务，得益于 Serverless 无运维特性，让技术随业务做到更加灵活自如。

〇 分享亮点 〇

1、传统服务端接口开发遇到的问题

2、维护成本

3、可视化接口编排设计

4、低代码的整体运行模式

5、生成代码及低代码调试实现

6  QA

〇 分享简介 〇

企业数字化转型依靠传统两种软件研发交付模式在产品功能、交付效率、成本等各方面遇到困难，新的技术和方法论的发展，重新构建起一种新的软件研发交付模式，将是一个大概率事件。

其次，随着云计算、云原生、大数据以及 Web、App、小程序等应用终端技术的发展，应用软件研发交付所需要具备的技术栈越来越长、分工越来越细。如何在越加复杂的技术体系下高效、敏捷、低成本的构建起精准满足客户需求的应用软件，是个巨大的挑战。

第三，互联网发展催生了众多领域 PaaS 服务，这些能力如何成为数字世界水电煤，也是这些企业需要思考的问题。 以上这些问题都是制约企业数字化转型的重要因素。低代码从技术角度提供了一种解决问题的思路。本次分享将介绍我对低代码赋能企业数字化的一些思考以及网易在这个领域的一些实践。

〇 分享收益 〇

１.目标：

低代码推动企业数字化转型的内在逻辑与具体实现

２.成功（或教训）要点：

低代码平台研发过程中便利性与通用性矛盾的权衡

 3.低代码开发的扩展性难点及解决之道

４.启示：提炼出该内容（或项目）的具体收益点。

网易低代码平台基于ASL语言层面的设计、实现思路

〇 分享亮点 〇

1 低代码软件研发模式的解读

A技术面临的交付压力

B企业数字化面临的问题

C低代码软件研发模式的解读

2网易低代码产品发展回顾

A摸索阶段，Web 前端的可视化设计

B立项阶段，脚手架工具提升前后端应用开发效率

C产品化阶段，ASL 应用描述语言设计

3核心设计和实现

A应用构建（语义）模型和 ASL 语言设计

B如何平衡易用性和通用性之间矛盾

C如何进行扩展

D平台实现架构

E如何进行产品迭代演进

F引擎型（解释执行）和源码生成型（编译执行）的选择

G应用独立性和生命周期管理

H平台产品架构

4 QA，总结和展望

〇 分享简介 〇

近两年，低代码开发平台越来越成为市场热点，价值也越来越被认可。低代码开发平台，即那些无需编码或通过少量代码就可以快速生成应用程序的工具，一方面可以降低企业应用开发人力成本，另一方面可以缩短开发时间，从而帮助企业实现降本增效、灵活迭代的价值。

在中后台场景下，比如研发类平台、数据图表搭建、CRM客户管理、生产管理、OA协同办公等。它们都会面临数据的增、删、查、改等功能的开发，通过低代码的方式进行抽象可以显著的提升效率。本次分享字节跳动中后台场景下的低代码演进历程及 aPaaS 系统架构设计，包括 DSL、运行时渲染器、可视化引擎设计等，另外针对不同复杂度的站点，谈谈通过低代码搭建时遇到的问题和思考。

〇 分享收益 〇

１.目标：

a.了解字节跳动中后台低代码产品 MIS 的演进历程

b.了解低代码 aPaaS 能力的设计与实现

c.了解针对不同站点复杂度的提效方案

２.成功要点：

a. 编辑器的易用性和体验，比如：画布拖拽是否直观

b. 根据不同站点复杂度提供适合的建站方案

3. 启示：

通用搭建产品和特定领域的建站产品之间的优劣和权衡

〇 分享亮点 〇

1. 中后台场景面临的问题与挑战

2. 字节跳动中后台低代码产品演进历程

3. aPaaS 系统设计与实现

4. 不同业务场景下的提效方案思考

5. Q&A

〇分享简介〇

低代码的开发模式使得更广泛的人可参与进来开发应用程序，而不仅是具有正式编程技能的开发者，大大地缩短了需求等待时间，提升需求交付效率。同时更少的代码意味着更少的出错几率，应用程序的质量在某种意义上得到了提高。因此低代码带来的不仅仅是开发上的转变，还对交付、测试乃至产品的全生命周期都产生了深远的影响。低代码不仅仅是工具和技术，更是一种新的产品研发模式。

本次分享将优维科技在低代码模式下的全生命周期产品研发实践。

〇分享收益〇

１.目标：

a. 探讨低代码模式下团队的组织架构形态。

b. 分析低代码在软件全生命周期中产生了什么样的影响。

c. 分享前后端低代码的技术要点与核心难点。

d. 分享ToB产品的低代码的实践经验。

２.成功要点：

a. 为低代码开发人员提供更多种类、规格的“积木” b. 规范数据对接，降低前后端配合的难度

3.启示：

a. 降低需求等待时间，提高需求交付速度。

b. 减少研发人力成本，提升产品质量。

c. 极大减少专业研发重复编写业务代码的比例，让其有更多精力投入在技术上的探索与创新。

〇 分享亮点 〇

1. 低代码为DevOps价值交付带来的积极影响

2. 前后端低代码平台Next Builder、Flow Builder的技术要点

3. 基于低代码的产品全生命周期研发实践

4. 低代码领域的未来展望

QA

〇 分享简介 〇

在数据驱动的潮流之下，OLAP平台已经成为数据中台的重要基石。快手大数据OLAP平台承载公司数据报表、多维分析、质量监控等多项关键业务，平台总规模达数千台机器，每日查询量达数千万。本次分享主要介绍OLAP平台在快手的建设过程、遇到的关键问题以及解决方案。分享快手OLAP平台的建设经验与大家一起探讨未来平台的发展方向。

〇 分享收益 〇

目标：

了解OLAP引擎的常见解决方案和优劣势对比

了解快手OLAP引擎的选型以及背后的决策思路

了解Druid OLAP引擎在大规模场景下面临的问题和解决方案

了解快手对Clickhouse社区贡献的重要特性：Projection的功能和使用方法

成功要点：

Clickhouse OLAP引擎在大规模场景下面临的问题和解决方案

启示：

探讨OLAP平台的建设要点以及业界数据平台未来发展方向

〇 分享亮点 〇

1. 快手OLAP平台和业务分享

2. 快手OLAP平台的发展历程和关键点

3. Druid OLAP引擎在快手的建设方案&遇到的问题&解决方案

4. Clickhouse OLAP引擎在快手的建设方案&遇到的问题&解决方案

5. 快手统一查询代理服务：KwaiSQL的功能介绍和方案设计

6. 对OLAP平台未来发展方向的探讨

7.QA

〇 分享简介 〇

字节的很多产品例如抖音、轻颜、FaceU、懂车帝、ToB业务等都是在依托内容构建创作者的生态。为了帮助创作者们快速高效的生产优质内容，不断构建和优化着创作域的工具体系和内容运营与体验的体系。在支持不同业务的创作需求的时候，常常会遇到内容多样化，内容创作方法多样化，知识领域多样化，内容涉及广度多样化等问题。通常这样的创作复杂度极高，面向这样的复杂场景，我们通过构建多端编辑、智能化AI创作、云端协同、素材中台的体系，构建了整体的智能创作云解决方案。本次会议就为大家解构和分享相关的解决方案建设实践。

〇 分享收益 〇

目标

1分享多端内容创作工具架构

2素材中台体系结构

3 AI在智能化内容生产中的应用

4 分享全链路技术架构

成功要点

1高效的多端编辑协议与工具体系

2  AI加持的智能化创作

3高效流转的素材中台

启示

在实际的支持工作中，不同的业务线就有不同的内容创作相关的需求，需要考虑构建编辑、素材与内容的高效流转、自动化内容生产等多方面因素才可以支持好以及提升整体的创作效率

〇 分享亮点 〇

1内容生产体系建设

a多端编辑体系建设

b 智能化内容生产

2. 素材中台

c内容管理与运营体系建设

d内容发布与体验体系建设

3. 业务支持案例：典型内部业务与ToB业务场景

4.未来和展望

〇 分享简介 〇

涵盖了本地服务，招聘，房产，二手车多条业务线，不同业务线有多种类型的商业产品。搜索是用户在58同城上获取信息的主要场景之一。如何沿着公司深入产业的大方向，打造智能搜索能力以满足产业特性需求是一项挑战。

本次分享将展现58同城深度产业结合下的商业智能搜索算法实践。主要围绕在线广告场景，阐述针对产业特性的算法能力建设，分享前沿技术（深度语义理解，多目标优化等）在搜索场景的落地经验。

〇 分享收益 〇

1.目标：

a.了解如何提炼产业的特性问题；b.了解如何基于特性打造体系化搜索算法能力；c.了解前沿技术落地难点以及未来技术发展方向；

2.成功要点：

a.数据驱动，寻找价值洼地；b.体系化能力建设，全链路优化；c.多目标协同优化，满足多方诉求；

3.启示：

多环节协作，体系化优化，多目标动态调和，算法技术升级带动产业效率，用户体验和商业收益的同步提升。

〇 分享亮点 〇

1.分享58产业特性和在线广告业务特点；

2.结合58特性的搜索算法架构设计；

3.基于深度语义的搜索意图理解；

4.基于知识蒸馏的搜索相关性匹配；

5.多目标rank在搜索场景的应用实践；

QA

〇 分享简介 〇

eBay智能营销通过在流量平台如Google, Facebook等投递竞价广告来吸引用户进入eBay平台购物。eBay营销每年为eBay贡献约10%的GMV和30%的新用户增长。

本分享将首先从宏观面入手讲述eBay营销在Google，Facebook等平台是如何工作的，例如选品、竞价、测试等的工作原理。然后分享我们是如何使用开源的大数据技术搭建我们的系统平台，赋能我们的业务。

将深入探讨营销系统中核心组件“商品数据服务平台”的构建细节，例如如何组合多种数据中间件同时实现离线和在线数据服务，以及如何解决多数据中间件并存的数据一致性问题等。

〇 分享收益 〇

eBay智能营销通过在流量平台如Google, Facebook等投递竞价广告来吸引用户进入eBay平台购物。eBay营销每年为eBay贡献约10%的GMV和30%的新用户增长。

本分享将首先从宏观面入手讲述eBay营销在Google，Facebook等平台是如何工作的，例如选品、竞价、测试等的工作原理。然后分享我们是如何使用开源的大数据技术搭建我们的系统平台，赋能我们的业务。

将深入探讨营销系统中核心组件“商品数据服务平台”的构建细节，例如如何组合多种数据中间件同时实现离线和在线数据服务，以及如何解决多数据中间件并存的数据一致性问题等。

〇 分享亮点 〇

1. eBay营销简介

a.业务规模及数据量

b.Google Product Listing Ads (PLA)运行逻辑

2. 营销系统核心组件

a.核心组件功能简介

b.主要技术挑战、技术选型及架构

3. 深入“商品数据服务平台”

a.数据服务需求及挑战

b.架构设计

c.挑战及方案1：统一接口

d.挑战及方案2：数据一致性

4.QA

〇分享简介〇

旷视视觉计算平台是将从感知侧接入的数据进行分析，生成半结构化/结构化数据，并产生数据智能的系统。整个分享将以旷视视觉计算平台的发展演进历程为线索，分别介绍计算、检索、数据三大模块，以及技术和市场发展趋势给旷视视觉计算平台带来的机会和挑战，带给听众一个完整视觉中枢的技术生态解决方案。

一、 旷视视觉平台演进历程：从以人脸为主，到以人脸为核心、结合人机非的全结构化视觉计算平台，从0到1驱动旷视城市大脑商业化并走向成熟的经验总结。

二、 技术和商业发展趋势带给旷视视觉计算平台的机会和挑战：近年来，云化架构成为技术主流，分层解耦正在成为越来越多客户的诉求，旷视的算法既要接入其他平台，自身也要进行平台化改造供其他算法接入。

三、 未来展望：面向云原生构建PaaS平台，是旷视视觉计算平台未来的发展方向。结合旷视的算法和工程优势，构建更加灵活算法平台，满足客户更多的行业算法需求

〇分享收益〇

目标

1、 分享旷视视觉计算平台在城市大脑商业化的成功经验

2、 旷视视觉计算平台的技术架构和核心亮点展示

3、 旷视如何应对技术和市场发展趋势，以及视觉计算平台未来演进方向的思考

成功要点

1、 城市级视觉计算平台落地问题及应对方案

2、 计算、数据双引擎驱动

3、 算法为本，业务驱动，工程核心

启示

1、 视觉计算平台的建设经验

2、 视觉计算平台从顶层设计到行业落地的经验

3、 面向云原生构建PaaS平台对算法商业化落地的重要意义

〇 分享亮点 〇

一、 旷视视觉计算平台要解决的问题

a) 解析：理解

b) 检索：存储、查询

c) 归档：轨迹、数据分析

二、 技术实现方案

a) 总体架构

b) 组成模块

i. 计算平台

ii. 检索平台

iii. 数据平台

三、 核心亮点

四、 技术和市场发展趋势

a) 云化架构、分层解耦

b) 云原生正在成为技术发展主流

c) 算法精度提升边际效应

五、 面向云原生构建PaaS平台

a) 算法与模型解耦

b) 算法与业务解耦

六、 关键技术

a) 训推一体化

云边端协同落地

〇分享简介〇

旷视视图物联网平台是旷视在城市业务产品体系中关键的物联驱动层，在建设过程中需要面临城市级规模的视图设备接入、视图数据处理、存储、高并发访问、复杂网络等多种问题和挑战。

本次分享除分享视图物联网平台的技术架构组成之外，也会将整个平台在建设过程中遇到的多种挑战和解决方案及背后的思考进行分享，同时也会将未来的演进思考与大家交流

〇分享收益〇

目标

1、 了解视图物联网平台在城市大脑体系中的作用

2、 了解视图物联网平台的技术架构

3、 细致了解城市级视图物联网平台的各种难题解决方案

4、 了解视图物联网平台后续演进思考和技术驱动方式

成功要点

1、 城市级视图物联网平台落地问题及应对方案

2、 设备双向交互、数据高效处理

3、 业务、技术双驱动

启示

1、 视图物联网平台的建设经验

2、 试图物联网平台的难题解决

3、 技术驱动的实践和演进思路

〇 分享亮点 〇

一、 视图物联网平台在体系中的作用

二、 视图物联网平台的技术架构方式

三、 细说视图物联网平台中的难点问题和解决思路分享

四、视图物联网平台的技术演进思路及驱动力

〇 分享简介 〇

物联网作为数字经济的重要基础设施之一，是实现产业数字化的关键环节，是数字经济的重要支撑。AI与IOT的快速融合，物联网进入产业增长和快速发展期。得益于深度学习及芯片技术的快速发展，深度学习在各个行业都得到广泛应用，促进各行各业快速转型和发展。物联网企业如何借助深度学习技术以及如何针对物联网特点进行神经网络模型选择、模型优化以及最终部署加速，有非常多的难点和措施。

在本次分享中将会介绍AIOT物联网与人工智能的关系、发展趋势以及人工智能和深度学习技术在AIOT中的应用场景和难点剖析。通过百度飞桨PaddlePaddle产品设计理念和智能表计应用案例实践，分享如何在深度学习平台及深度学习技术实现万物智能。

〇 分享收益 〇

目标：

了解百度飞桨深度学习平台在AIOT的应用与实践

成功要点：

万物智能背后的驱动力，以及如何应用深度学习等技术驱动力促进物联网智能升级。

深度学习在物联网中落地的流程、难点剖析。

启示：

通过智能表计案例详细分析在智能能源物联网中应用深度学习和神经网络技术，实现表计的智能读数和监控。

〇 分享亮点 〇

1、AIOT万物智能背后的驱动力

2、万物智能捷径--飞桨深度学习平台介绍

3、飞桨深度学习平台AIOT案例介绍及详细解析

4、QA

〇分享简介〇

深度学习技术正得以广泛应用，在工业质检、安防巡检、金融、医疗、能源等各行各业降本增效。在实际产业应用中，深度学习算法要被大规模使用和部署，必须工具化、流程化和工程化，否则深度学习算法将会面临开发效率低，调试难度大，优化和部署难等影响产业落地的种种问题。

本次将分享先进的低代码图形化AI工具并结合预训练模型库，快速完成模型训练，应用OpenVINO️工具高效优化并部署模型，整套流程标准化程度高。较好的降低深度学习研发投入，以及推理计算硬件采购成本。

〇分享收益〇

目标：

解决产业实践中，深度学习算法从训练到部署的工具化，流程化，工程化的问题，降低研发投入，减少硬件采购成本

成功（或教训）要点：

1PaddleX可以低代码模式，快速完成深度学习算法开发。

2 OpenVINO优化并部署深度学习模型到CPU上，助力产业低成本智能化升级

启示：

使用PaddleX+OpenVINO训练、优化并部署深度学习模型，推动深度学习算法在产业中工具化和工程化

〇 分享亮点 〇

1.产业智能化升级的挑战

2.PaddleX+OpenVINO的解决方案

2.1 PaddleX，全流程、低代码完成深度学习算法开发

2.2 OpenVINO优化并部署深度学习模型到CPU上

3. 产业实践案例

4.QA

〇 分享简介 〇

在产业数字化浪潮下，分享人工智能在算力前置趋势下遇到的问题和挑战，商汤云边端协同平台建设中的一些思考,以及如何将长尾算法的快速落地，完善价值闭环；以及商汤的云边端协同平台在园区、社区的实际落地案例，并对未来进行展望。

〇 分享收益 〇

目标：

帮助内容运营利用数据驱动工作、提高效率，找到更清晰的工作方向，实现更强的执行力，掌握工作的主动权。 

成功要点：

a.拥有数据驱动工作的意识，让数据融入自己的思维

b.用客观的数据和事实不断修正产品的认知，而非想当然。

c.将结果量化，把工作流程化，不断践行且赋能业务

启示：

全面了解“字节式”的数据化运营，理解数据驱动的典型运用。更客观地了解用户、分析问题。用数据驱动的方式提高工作效率。

〇 分享亮点 〇

1.数据驱动的应用：

a. 通过数据通晓过去：原因分析

b. 理解现状：内容理解

c. 预知未来：推荐策略

2.掌握基本的数据思维

a. 目标导向：北极星指标，长板理论

b. 概率化思维：小学数学

c. 拆解问题：金字塔原理

d. 精细化：多案例分析

3.数据驱动的工作流程

a. 工作计划Plan：发现机会和问题

b. 执行到位Do：打脸精神

c. 验证效果Check：AB测试

d. 持之以恒Action：复盘与进化

4.QA

〇分享简介〇 

在数字化经济的时代，数据是业务最核心的资产，也是业务正确性的最终体现，数据一致性是一个绕不过去的挑战。在微服务架构大行其道的今天，分布式系统中的数据一致性问题也变得更具挑战性。本质上来说，分布式事务就是为了保证数据库、消息和其他各种类型资源的数据一致性。如何减少架构师和开发人员对分布式数据一致性的设计和开发成本，而让其更专注于业务本身的开发设计，将是分布式事务基本出发点。

本内容将阿里中间件对于传统分布式事务解决方案的创新与突破，并最终形成了一套独创的分布式事务解决方案，分享在集团内进行了怎样的大规模实践与落地。

〇分享收益〇

目标:

 对微服务架构设计中的数据一致性的痛点问题掌握设计的原则和原理并能在实践中提供决策和指导作用。

成功的要点：

1. 理解事务的并发设计本质，从性能和一致性的角度理解事务的设计。

2.  理解分布式事务的场景、方案、原理和云原生时代分布式事务的未来架构的演进。

3. 了解分布式事务的落地案例，做到活学活用。

启示：

数据一致性作为微服务架构设计中的最大痛点，在架构设计和开发阶段虽然倾注了大量的人力和精力，但往往却得到了适得其反的效果，数据的不一致也成为了客诉和业务资损的根源。系统性的掌握分布式事务的方法论和合理的使用事务框架将极大的降低微服务的开发设计成本，使大规模微服务架构的落地成为可能。

〇分享亮点〇

1.  从并发编程的角度上看透事务的本质

2.  分布式事务的解决方案、原理与未来展望

 • 分布式事务的实践与案例

 • QA

〇分享简介〇 

随着字节跳动业务领域的不断扩展，公司内部逐渐发展形成了丰富多样的业务形态，例如基于自研 RPC 框架的微服务、感知单机CPU 拓扑的广告服务、FaaS 类的弹性计算服务、偏离线计算的训练和机器学习服务、满足不同特性需求的存储系统等。通常来说，特定的业务场景需要独占机器部署，并基于此演化出分裂的运维体系，其结果是，机器整体利用率低下，资源流转效率不高。

从基础架构视角，头条希望基于 GödelCloud 这样一套云原生操作系统承载内部所有业务场景以实现：向上，提供云原生标准的编排调度和容器封装能力，最大化剥离云应用中的非业务代码部分，支持业务系统快速迭代；向下，利用资源池化和混合部署技术，有效提升数据中心整体资源利用率。

〇分享收益〇

目标

1. 字节跳动容器化历程

2. 大规模集群管理系统实践和技术演进

3. 资源优化实践，有效提升资源利用率

4. 云原生运维&运营实践经验

成功要点：

从数据中心整体视角看待容器编排调度系统的设计和演进思路

启示：

1. 基于 Gödel/K8S 调度系统，整合在离线计算池，统一调度

2. 作为在线服务、大数据、机器学习以及存储服务等业务的基础底座，提供新的资源玩法以及调度能力

3. 面向下一代集群管理系统，整合新的技术尝试

〇分享亮点〇

1. 字节跳动容器化历程

2. K8S 云原生实践

3. 混合部署和调度融合

4. 云原生运维体系建设

5.QA

〇 分享简介 〇 

2020年下半年，酒店报价中心团队基于DDD思想对报价业务做了一次完整的业务重塑，在产研效率方面提升明显。但是随着疫情发展，公司组织架构调整，酒店业务侧发生了巨大的变化，新的业务团队在推进一些实际需求时遇到了新的产研效率问题，主要体现在每次要和多个技术团队合作、整体架构与业务的脱节、报价守护重构成果困难。结合之前DDD落地的成功经验，商旅技术侧于2021年主动发起了一次基于DDD思想的整体架构调整，涉及组织架构调整、系统架构调整，并进行了实际落地。

本次分享将重点谈谈这次整体架构战略调整的过程及落地经验 

〇 分享收益 〇

目标：

通过实际案例介绍DDD在业务架构、系统架构、组织架构中的重要作用及落地步骤

成功要点：

1、对DDD思想的认可及深入理解

2、结合团队实际情况的落地步骤

启示：

DDD可以用来改进系统架构，也可以基于DDD对组织架构进行优化

〇 分享亮点 〇

一、背景与现状

1、酒店整体效率需要提升

2、业务变化推进系统架构优化

二、基于DDD的技术架构战略调整

1、原因深入剖析

2、战略调整方向：做大前台（BFF+聚合），突出核心领域

3、整体DDD后优劣分析

三、落地步骤

1、系统架构调整：应用（appcode）、已有逻辑

2、组织架构调整：组织架构、人

3、实际标准制定：

4、推进业务架构调整：

四、思考与总结

1、DDD对核心业务（酒店业务）的重要作用

2、局部DDD（酒店报价业务）vs 整体DDD（酒店业务）

3、DDD在业务架构、系统架构、组织架构中的重要作用

〇 分享简介 〇

在这个VUCA时代，竞争激烈、市场多变、存量博弈……产品创新是否能成功，很大程度在于谁能够更低成本的尝试更多可能性，我们一起用半天的时间，来探讨如何尽快的把一些不靠谱的产品干掉，从而优化资源配置，提升下限，最终走出迷雾。

〇 分享收益 〇

1.目标：对产品创新的新常态达成共识；了解低成本创新的理念和基础方法

2.成功要点：帮助大家建立一套低成本创新的思维方式与方法论框架

3.启示：长期来看，提升下限比提升上限更重要，追求速败比追求成功更有效

〇 分享亮点 〇

1.产品创新者的前世今生

2.从生产力与生产关系的变化说起

3.古典与新古典“产品经理”

4.数据+智能时代的新挑战

5.重新理解企业的产品

6.传统企业的新思路

7.内核、包装、服务、平台……

8.项目、产品、平台、生态……

9.一个产品的从小到大

a.幼年淘宝的产品故事

b.低成本创新的5MVVP框架

c.方法论举例，待定

d.产品长大以后的思考

e.永远敬畏用户

10.QA

〇分享简介〇

科技的进步日新月异，给我们的生活和娱乐带来诸多改变，也许在不远的将来，《头号玩家》、《西部世界》、《黑镜》等科幻场景就会出现在我们的世界。 万物互联的世界， 也注定是多模态交互的世界，谁掌握了全新的交互方式，必定在未来的产品设计/运营增长/营销推广中，做出创新，为用户带来全新的体验和感受。 

现有的AI技术有哪些能力可以被我们应用，如何打造一个AI对话机器人在娱乐等交互场景，如何用游戏化思维&AI技术革新产品体验，是每一个创新者应该思考的命题。 

〇分享收益〇

目标

分享游戏化思维（正负反馈+心流+巴图模型）

AI底层技术原理（感知智能+认知智能）

成功要点：

游戏化思维的底层逻辑及应用

AI领域的技术方案原理及应用

启示：通过介绍游戏化设计&AI技术，在创新赋能上给各个行业以借鉴

〇 分享亮点 〇

1.游戏化思维如何应用于创新

2 AI技术的底层原理

3.游戏化设计&AI技术如何赋能产品创新与运营

4. QA

〇 分享简介 〇

传统研发领域，过去习惯于从单个产品入手，逐一突破。随着产品、品类的增加，自然就形成多产品线并存的研发模式。这种模式突出的优点是敏捷迅速，能结合市场快速的试错，拥抱变化。但缺点也十分明显，管理分散、架构臃肿，当业务发展到一定阶段时，甚至会成为制约发展的重要瓶颈。在此背景下，360从2020年开始，针对智能产品研发体系进行了中台化组织架构调整，面向出海和场景化的产品需求，对研发体系和云平台进行重构。本次分享，将分享360智能产品从0到1的中台化产品研发体系改造过程。 

〇 分享收益 〇

１.目标：

360的几个代表性产品的创新点和行业竞争力，对产品设计与研发有参考价值；

360从产品线到中台化研发的转型过程

２.成功（或教训）要点：

A用户至上的企业文化落地到组织和流程中，基于用户反馈设计产品不断迭代；

B对产品痛点把握充分，愿意付出成本，专注解决用户问题打造爆款。

C中台化转型过程中，技术创新推动效率提升，先立新再破旧，先控增量再改存量，逐步完整中台化调整。

４.启示：提炼出该内容（或项目）的具体收益点。

A中台化研发体系调整，基于沉淀复用的效率提升。

B灰度落地，爆款产品效率提升的优势和扩大

〇 分享亮点 〇

1、360智能产品代表性产品的创新思路

2、360智能产品研发体系的中台化转型过程

3、中台化转型的得失与启示

4、QA

〇分享简介〇

中台基于业务，面向不同方面可以分为业务中台、技术中台、数据中台、算法中台四种常见形态，作为产品经理，打交道最多的是业务中台与数据中台。中台产品业务功能实现标准化，包含了产品中的架构、规格、元素及对外数据接口都需要实现标准化，使其可以对市场上大部分前台产品提供服务。产品中台主要关注在功能、应用场景及产品经理的主要工作上。

本次分享中台战略的起源与背后的深层次出现的产业背景、建设|如何用MSS模型搞定中台、总结|中台实战建设的复盘感悟。

〇分享收益〇

目标：

分享中台的建设方法论：MSS模型及实战案例

成功要点：

中台建设示例过程

收益：

以实战案例为大家带来一个完整的中台建设过程，明确中台的建设路径

〇 分享亮点 〇

1企业为什么需要搭建中台

2 搭建中台的通用方法论：MSS方法论

案例：以一个电商中台建设为例为大家展示如何使用MSS模型搞定中台建设

3基于MSS方法论的业务中台若干个建设关键步骤

4  QA

〇分享简介〇

SAAS在企业服务领域成为一种主流形式，对于技术人员像是一种新的应用架构模式，对用户而言却是将IT设备、软件、运维服务全部交给了服务商。飞书有很多业务扩展性和光彩，本次分享将飞书设计团队的产品设计工作案例和产出，结合飞书产品作为SaaS领域新进入者的产品思考和逻辑，以及如何在企业服务领域为产品构建设计竞争力的方法和关键路径。

〇分享收益〇

目标：

1了解飞书设计团队 高ROI的产品设计工作方法；

2了解飞书设计过程中的实际设计思考过程与执行方法；

成功要点：

学习如何与设计团队更有效的合作，理解设计的重要性

启示：

建立从方法，到流程，到工具化的立体的设计团队运营模式

〇 分享亮点 〇

1、 飞书设计原则“愉悦”的设计解构过程；

2、 首次飞书发布会的设计全过程解析

3、 QA

〇 分享简介 〇

随着AI、云原生、智能终端的蓬勃发展，线上线下打通，APP矩阵下多终端设备交互等新场景也越来越多。在新趋势下，传统单机运行的UI自动化测试已经无法满足多端间更复杂更丰富场景下的全流程端（A）到端（B）测试。同时产品对用户体验的极致追求也到了一个新的高度，如何做更精细化、更真实还原用户行为的体验评测也是一大挑战。本次分享之一将分享“最真实模拟用户行为测试”的UEE（User E2E Experience Testing）测试实战，如何通过RXT（Robot-XT 极测机器人）的智能化技术实现泛终端自动化测试和真实用户体验评测的能力。

测试智能化成为测试行业的技术趋势之一。如何做好算法选型、算法工程化落地以及如何更快捷地完成算法部署等问题都给质量人带来挑战。本次分享将一种智能化测试更易用、更强大的基于融合AI的智能化测试新模式：既提供包括融合图像、文本、数据统计、时序等领域的AI算法实现十多种智能测试服务，又能简单快捷的二次开发部署能力。

〇 分享收益 〇

1、目标：

模拟用户行为，用接近人类观察的最真实方式，进行泛终端自动化测试和用户体验评测。

通过融合AI技术降低智能化测试难度，提升算法复用能力。

2、成功要点：

IoT+AI的测试架构实现泛终端交互式自动化测试，用一套脚本跨所有平台支持不同系统。

基于融合AI技术实现智能测试服务的优化、性能提升、算法容器化、数据集管理等技术。

3、启示：

UEE（User E2E Experience Testing）“最真实模拟用户行为测试”新模式，开辟了多端间更丰富场景下的全流程端到端测试，更精细化、更真实还原用户行为的体验评测的新思路。通过融合AI技术探索如何让智能化测试更易用更强大。

〇 分享亮点 〇

一、智能机器人进行UEE模拟真实用户的泛终端测试

1. 泛终端自动化测试及真实用户体验评测

2. 基于 AI+IoT 的机器人测试方案

3. 机器人UEE测试实战案例

二、融合AI智能测试介绍

1. 融合AI技术的背景价值

2. 融合AI技术方案介绍

3. 融合AI实战案例分享

〇 分享简介 〇

云计算、微服务架构设计，云端一体研发，AI/大数据，都让质量保障面临巨大的挑战。当“测试”的投入无法cover全部风险，如大数据的千人千面，移动端的碎片化，拆解后的上千个的微服务质量；当“风险”在新技术的配合下相对可控，如可快速发布回滚的云端一体架构，云计算的分布和容灾。“测试”这个角色和手段的价值就会显得无力。所以，如何强化“测试”cover风险的能力，如何跳出“测试”的框框去真正地保障质量，甚至最终让质量不局限于保障而是产生实在的收益，成为当下急迫需要解决的问题。本次分享，结合腾讯从云到端的价值链路上的案例，拆解和展示从测试到DevOps，再到BizDevOps的演进过程中的问题、结合大数据与AI的技术上的实践。我们期望听众可以收获从风险、效率、乃至效益的质量保障的新思路，困难点落地配套的具体技术方案和工具。

〇 分享收益 〇

１.目标：

通过技术发展路径和案例的展示，推进行业在专项质量保障上的技术发展，同时给出不局限于风险和效率而是从价值出发的质量保障思路

２.成功（或教训）要点：

成功经验总结

1. profile/debug的技术，可以变黑盒为灰盒，提升质量保障的信心，对于app来说可以进一步降低crash率，IaaS来说可以节省20%的测评耗时

2. 借助devops，让质量保障流程自动化，数据透明化，服务标准化，打破谷仓效应，实施一点打面，0人力投入发现有效缺陷过千

启示：

大数据技术的落地，除了可以反哺建设更强韧的研发体系，也让质量保障的投入，ROI更佳明确，团队目标统一。

〇 分享亮点 〇

1. 面向风险的专项测试实践，构成“测试”就是设计+执行+校验组成，如何融入智能与透视数据，解决测试难题

a. 设计：透过现象看本质，腾讯云IaaS通过特征工程缩减测试用例

b. 执行：借助“黑科技”，Monkey测试挖掘腾讯头部APP“难发现”问题

c. 校验：启发大家自动assert的问题集合

2. 面向效率的DevOps专项质量保障

a. 数据透明化，upgrade大型研发团队提单效率

b. 流程自动化，腾讯会议基于流水线的性能测试实践

c. 服务标准化，基于流水线与脚手架的性能基准测试实践

3. 面向收益的BizDevOps专项质量优化

a. 借助QAPM大数据与相关性分析，用收益推动性能体验优化

4  QA

〇 分享简介 〇

当前AI 已经不算新概念，业内质量效能方面基于AI 探索实践越来越多，并且在一些企业和领域取得了不错的效果。字节在服务端质量效能方面同样面临大量传统手段无法解决的难题，例如：

1）研发过程中不同环境复杂数据构造、同步难题 

2）数据覆盖度--多协议: Http/Thrift/WebSocket、多数据格式：（JSON/PB、白盒层面原子函数等）

3）问题定位、根因分析及解决成本高，如何提高问题定位和解决效率？ 

4)  测试成本高，代码覆盖率低，服务发布信心不足；

5）研发/测试过程产生大量数据消费质量如何提升及有效利用？ 

围绕这些问题，我们通过对AI 赋能传统服务端质效进行了一系列探索和实践，并实现了在保证覆盖度和准确率的情况下，一定程度实现了多种场景下全流程自动化成果（部分场景达到无人值守状态）

本次分享将针对我们在接口、单测、故障注入、根因分析及AIOps等方面的实践经验进行分享。

〇 分享收益 〇

1.目标：通过字节质效智能化建设过程中遇到的一些难题，给行业直接的借鉴思路。

2.成功要点：了解AI算法如何赋能传统质效实现ATG，提供更多问题解决思路。

3.启示：为传统服务端质效一些痛点问题（编写/维护成本高、数据消费质量差、各个场景覆盖度不足、问题定位成本高等）提供解决思路。

〇 分享亮点 〇

1.背景

a.服务端质效发展历程及特点 

b.传统质效面临的痛点 

c.服务端质效ATG切入点和目标 

2.接口ATG--ByteQI

a.背景及目标 

b.整体设计方案 

c.AI 赋能及重点难点突破 

d.业务实践效果 

3.单测ATG--SmartUnit

a.背景及目标 

b.整体设计方案 

c.AI 赋能及重点难点突破 

d.业务实践效果 

4.稳定性ATG--ByteFuzz

a.背景及目标 

b.整体设计方案 

c.AI 赋能及重点难点突破 

d.业务实践效果 

5.质效AIOps

a.解决的痛点问题 

b.整体设计方案 

c.重点难点突破 

d.业务实践效果 

6.未来展望

a.总结和展望

7.QA

〇 分享简介 〇

随着云计算、大数据、AI等前沿科技的发展，传统的研发模式，越来越难满足企业快速发展的需求。研发效能提升也成了继商业模式、技术突破之后的另一核心竞争力。同时，如何有效降低研发和运维的成本也是研发效能需要关注的重要课题，尤其是在大型互联网公司或传统企业，当某个环节哪怕只有少量优化的时候，由于其规模效应（比如集群规模，用户流量等）的放大作用，最终节省的成本也会是相当可观的。为了让更多企业掌握研发效能体系快速升级之道和降本增效的方法，本专题主要分享腾讯业务研发效能提升手段以及具体落地实践思路，研效工具设计和开发实践之路，深入浅出研发效能的度量和改进优化，探讨研发效能理念和技术指导。

〇 分享收益 〇

１. 目标：

a. 大规模百人以上项目团队研发效能提升实施方法和落地框架目标

b. 持续集成、编译加速、代码加速等助力研发效能提升，提供CI全套的解决方案目标

２. 成功（或教训）要点：

a. 结合腾讯实际的场景和痛点，阐述研发效能提升的重要性

b. 通过打造CI的通用能力（流水线、代码分析、编译加速、PRE-CI等）助力企业研发效能提升，提高开发团队的满意度

c. 数据化驱动研发效能落地，指导团队管理和研发过程改进

３. 启示：

a. 腾讯CI开源到github，可以适用于企业的研发效能提升场景

b.通过腾讯的研发效能提升实践和效果，可以在企业落地方案起到借鉴

〇 分享亮点 〇

1.分享腾讯业务研发效能提升的背景和心路历程

2.结合流水线、代码分析、编译加速、PRE-CI等产品，分享如何助力业务研发效能提升

3.研发效能提升方案的经典实践案例

4.配合实际案例进行演示和互动

5. 未来规划和思考

6.QA

〇 分享简介 〇

随着互联网技术对各行业的渗透，很多企业感受到对需求快速上线和业务稳定运行的渴求。当拥有雄厚风头资金作为后盾的独角兽企业出现时，当前企业用什么与之竞争？所以，提升企业研发效能，降低研发平台学习和推广成本就成了迫切需要解决的问题。

本次议题从当前研发效能平台面临的性能，弹性和对云平台的兼容性问题入手，通过将多领域工具结合研发场景整合，到云原生技术引入，使新一代的研发平台满足快速变化的业务要求。同时，工具链还需要强大的整合能力，以便在实施过程中更好的与现有环境工具集成。最后浅谈研发过程的数字化对企业竞争力的影响。

〇 分享收益 〇

１.目标：

通过研发效能平台的演进过程，与面临的挑战让听众对当前的研发效能平台有一个总体的认识，具备从使用者角度判断一个研发是否满足当前企业要求的能力

２.成功（或教训）要点：

研发效能平台重点在于整合不同领域的工具与研发场景，而不是单独某个领域的优化。做到管控流程与自动化过程闭环是最终目标

3.启示：

有了优秀的研发效能平台，还需结合企业自身特点进行改造，研发过程的数字化可以提升实施过程的用户体验

〇 分享亮点 〇

1研发效能平台进化的原动力

2DevOps发展的新阶段所展现的现状

3次时代的研发效能平台如何更好赋能业务

4研发平台整合能力是实施的保障

5 研发过程数字化对企业竞争力提升的启发

6 QA

〇 分享简介 〇

卓有成效的组织改革，不单从企业内部制度，更依赖结构、流程等。今天，企业的创新和发展越来越依赖其数字化能力，数字化能力又依赖于IT产品的研发效能。研发效能已成为企业数字化能力最核心的一环，关系到企业的生存和发展，正成为行业面临的共同挑战.

对阿里而言，新零售带来更加复杂的业务和协作场景，效能面临前所未有的挑战；另一方面，激烈业务竞争对响应和效能要求越来越高。如何快速提高研发效能，是产研团队必须回答的问题。以业务先赢为前提，正确定义和衡量研发效能，并提出系统的方法体系和解决方案。在落地过程中不断打磨、精化。

本次分享从新零售某大型技术团队所面临的挑战开始,逐层深挖其根因,并一一提出应对之策.，有效在效能（响应，质量，创新）大幅度提升。

〇 分享收益 〇

目标

为产品交付和创新提供系统、简单实用和可落地的方法体系，助力组织“持续顺畅的交付有效的价值”。

成功要点

a. 系统：它以交付和创新效能为核心，整合了技术、工程、协作和创新实践，确保不同阶段、不同场景和不同角色都能有合适的实践支持。这些实践互相配合和促进，构成一个整体，系统解决业务交付和创新的问题。
b.简单实用：保证系统解决效能问题的同时，去除一切无关实践，并重新组合，形成既能完整解决效能问题，又精简实用的实践集。
c. 可落地：打磨每一个具体的实践，向落地（包括规模化落地）优化，让团队和个人能够以最小的成本理解、掌握相关实践，保障落地的效率和效果。

启示

研发提效没有银弹,由于其面临的研发组织,组织之间的协同,以及研发过程要完成的事情都十分灵活,所以系统性,可落地的提效方案十分的重要.

〇 分享亮点 〇

1 新零售和中台化背景下，研发效能的本质挑战

2 从技术、协作和工程三个方面，构建完整的方法体系
3 分析效能问题及问题背后的根因，并针对性的设计解决方案
4 小步快跑，落地和实施解决方案，保证团队持续的拿到效能改进的结果
5 从业务出发，设计健康的效能度量的方案，指引效能提升的正确方向

6 QA

〇 分享简介 〇

最近几年，图像生成及GAN相关技术无论是在学术界还是在产业界都十分受关注，其延伸出来的一系列玩法，比如换脸、变动漫等等，也受到不少用户的喜爱。如何把这些新技术、新能力真正应用到实际产品中，并给公司和团队带来价值，是音视频团队主要的探索方向。在这个过程中，我们结合业务的应用场景，从底层技术到上层应用逐步迭代优化，搭建出一套完整的图像及视频生成玩法的技术方案，能够高效、快速地产出高质量的视频及模板，极大缩减视频创作的成本。

本次分享将会探讨图像生成技术如何在视频创作领域进行应用。

〇 分享收益 〇

1.图像生成技术在学术界的一些最新成果。

2.图像生成技术在短视频创作方面的落地方案。

成功要点：

1.细心打磨每一项核心技术。

2.从实际业务出发。

3.紧密追踪前沿技术。

启示：

AI技术的落地，除了需要对技术细节有很深的理解和优化之外，还需要结合具体的业务场景，对技术进行合理的微调及创新，才能发挥更大的价值。

〇 分享亮点 〇

1.图像生成相关玩法的整体技术体系

2.换脸、人脸驱动等人脸、肢体玩法效果的方案及实践效果

3.音视频多模态生成技术探讨

4.QA

〇 分享简介 〇

5G时代，超低延时的实时通信大行其道，视频会议、在线教学、远程医疗等实时应用层出不穷。WebRTC技术在其中起到了核心引擎的作用，它从诞生第一天就引起了广泛关注，并越来越广泛应用到各行各业。

边缘计算将云端能力下沉到离用户最近的地方，从而提供更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的需求。

从系统架构层面将WebRTC技术与边缘计算结合，达到实时通信的最佳效果。

〇 分享收益 〇

1.目标：

A熟悉WebRTC及边缘计算技术

B  WebRTC与边缘计算结合的最佳实践

C   WebRTC在在线教育中的应用

２.成功（或教训）要点：

理解WebRTC+边缘计算技术。

能够在两者结合，实现最优实时通信效果。

3启示：提炼出该内容（或项目）的具体收益点。

WebRTC结合边缘计算技术实现最优实时通信系统。

〇 分享亮点 〇

1. WebRTC技术核心分享

2. WebRTC的挑战和策略

3. 边缘计算技术核心解析

4. WebRTC与边缘计算架构

5. 性能调优实践

6. 应用于在线教育实践和案例

7. QA

〇分享简介〇

伴随后疫情时代人们虚拟社交娱乐心理需求的持续上升、音视频基础技术能力的快速迭代以及互联网产品玩法的不断丰富，多媒体内容的生产、制作、传播、推广这整一条产业链路进入了井喷式发展，其中不同细分领域内容的复杂性、专业性越来越强，对于不良有害信息的管控难度也随之增大，因而专业的智能内容审核服务成为了各类数字内容企业用户的必选项。将网易在音视频内容智能审核领域中深度结合人工智能技术过滤不良有害信息的实践经验。在算法技术逐步发展的过程中提出三个核心问题：（1）充分利用海量的无标签数据；（2）充分发掘高效的基础算法模型；（3）搭建全面立体的防控服务体系。网易易盾不仅探索了自监督、自注意力机制等新兴技术方法的落地应用，而且推出了分层过滤、多因子决策等技术方案，进一步巩固易盾产品在内容安全领域的防控能力。

本次分享将关注在复杂场景下如何应用人工智能技术取得良好的内容识别效果，并探讨如何利用人工智能技术高效打出商业价值。

〇分享收益〇

1. 目标

a. 了解人工智能算法在实际工业场景应用中合理的效果优化路径。

b. 了解内容智能分析领域面临的算法挑战以及建议保持跟进的技术方向。

2. 成功要点

a. 前沿探索：通过技术创新追求极致算法效果，关注自监督、半监督、弱监督、注意力机制等技术方法在真实场景中的落地应用。

b. 高效对抗：随着算法能力升级，业务中会出现了越来越多的黑产对抗，提供更多的内容识别维度和调控手段构建更加立体的防守体系。

c. 敏捷响应：新增识别类型的任务频繁发生，提供定制化解决方案，算法具备敏捷响应能力。

 3. 启示

算法搭建过程中对有效数据迭代、网络结构升级、算法流程确立、训练技巧适配以及前沿算法技术引入保持关注，通过业务理解和技术驱动打造高质量的内容识别算法服务。

〇 分享亮点 〇

1. 基于人工智能算法的音视频内容审核服务体系

2. 复杂条件下提升内容识别算法效果的技术实践

3. 黑产对抗过程中的新技术探索与具体落地应用

4. 智能内容审核的行业解决方案与未来技术演进

5. QA

〇分享简介〇

移动互联网的普及以及无线网络基础设施建设的完善，越来越多的手机APP中、音视频设备中需要集成灵活的多媒体通信能力，本主题主要分享在设计游戏语音通用SDK过程中遇到的挑战和解决方案，分享在多种云服务上部署高可用语音服务的方案以及语音传输层优化的方法和技巧。

〇分享收益〇

目标：

1实现一个简单的SDK，并让业务快速低成本的接入使用

2在第三方云上简单稳定的语音传输云

成功（或教训）要点：

1业务逻辑拆解的技巧，分职责分层次设计服务的方法论

2大规模服务器集群管理技巧，分集群标准化管理方案

3大规模在线服务的数据运营技巧，为业务提供高可用的服务

启示：

1采用较低的成本实现大规模在线语音服务

2使用简单的架构支持海外多地区快速私有化部署

〇 分享亮点 〇

1 传统VOIP业务的结构

2 GVoice简化后的业务结构

3 有状态服务的容灾和高可用处理技巧

4 弱网络下实时交互数据传输优化技巧

5 QA

〇 分享简介 〇

湖仓系统是当前大数据的热点，它结合了数据湖和数仓两者的优势，既有数据湖的通用性，又不失数仓的高性能。本次分享将会以开源大数据组件为基础，分享如何使用这些基础的计算、存储、表格式、缓存组件构建一个高效的批流融合的湖仓系统，以及如何优化和落地，满足海量业务数据的需求。

〇 分享收益 〇

目标：

a.了解到一系列开源组件的架构和实现，以及如何使用这些开源组件搭建一套生产环境可用的湖仓系统，

b.如何优化数仓来满足海量数据的需求。

成功要点

a.深入了解并上手开源湖仓系统组件

b.能够利用这些组件搭建批流一体的湖仓系统

启示：

能够了解湖仓系统的最佳实践，助力生产环境落地

〇 分享亮点 〇

1. Iceberg数据湖格式的原理，架构

2. Alluxio数据湖缓存的原理，架构

3. Presto查询引擎的原理，架构

4. 利用Flink、Iceberg、Alluxio、Presto搭建批流融合的湖仓系统。

5. 调优和最佳实践

6. QA

〇 分享简介 〇

近年来，大数据系统云原生、容器化受到的关注程度越来越高，上云已经成为明确的行业发展趋势。作为大数据领域的当前最受关注的技术栈，以流式计算、消息队列为代表的实时数据系统的容器化更成为受关注的焦点。本次分享通过京东零售实时数据平台架构及容器化实践，给出我们对实时系统上云的解决方案及思考，并与大家一起探讨大数据系统云原生化的通用方案、前沿方法。

〇 分享收益 〇

目标：

了解京东零售实时数据平台系统架构

了解京东零售实时系统容器化的实践及思考

探讨大数据系统云原生化的通用思路

成功要点：

京东在系统性保障、降本增效上的独特优势和成功探索。

启示：

1.使听众坚定大数据系统云原生化是潜力巨大的发展方向

2.对听众潜在的大数据系统云原生落地具备一定的指导意义 

〇 分享亮点 〇

1. 京东零售实时数据平台架构及挑战

2. Flink on K8S架构实践

3. JDQ on K8S架构实践

4. 大数据系统云原生化思考

5. Druid上公有云案例分享

6. Q&A

〇 分享简介 〇

随着云计算的发展，云上应用呈现多样性。大数据服务作为企业IT架构中不可缺少的一环，可以良好适配云的延展性和灵活性，为用户带来更加便捷的数据产品使用体验。不过，要想构建云原生环境下的数据服务，对IT架构的挑战可不小。

可以看到，云原生的存算分离架构使计算资源和存储可以独立伸缩，带来灵活性和更低成本的同时，也破坏了“数据本地性”，对大数据系统性能带来极大挑战。

本次分享从存储架构角度提出了“软亲和性”的概念，重新调整了云上存算架构，并给出了初步的性能测试结果。

〇 分享收益 〇

目标：

- 探讨云上存算分离给大数据性能带来的影响

- 用“软亲和性”设计给出一个解决方案

成功要点

- 理解云上存算分离的优势和劣势

- 理解“数据本地性”对性能的影响

- 理解“软亲和性”设计思想

启示：云上的存算分离和动态伸缩，虽然带来了成本的灵活性，但也破坏了数据本地性（data locality）。意味着大数据架构在云上需要被重新思考和设计。软亲和性只是其中的一小步。

〇 分享亮点 〇

1. 云原生存算分离架构对性能带来的挑战

2. 用“软亲和性”代替“数据本地性”

3. 基于数据软亲和性的性能架构设计

4. 性能实验结果

5. 未来展望和其他

QA

〇分享简介〇

深度学习被广泛应用在文本、语音、图像等场景，大幅度提升了自然语言处理、音频、图像等领域的效果，逐渐达到甚至超过人类水平。

本次分享围绕深度学习基本原理（数据表示、基础模型、优化等）、业务应用（文本生成、多模态内容理解）等方面讲解业界和快手的相关研究和进展。

〇分享收益〇

目标：

了解深度学习基础，如构造训练数据、模型原理等

了解自然语言处理中文本生成，多模态内容理解任务的做法和优化方法

成功要点：

分析不同领域数据特点、不同业务的数据特点，选择不同的方法解决问题，提升业务结果

启示：

对深度学习基本原理、自然语言处理和多模态内容理解任务的解决方法有更深的认识

〇 分享亮点 〇

1. 深度学习的研究和呈现

2. 业界常用的文本生成（歌词生成等）做法，以及快手的相关进展和研究

3. 多模态内容理解常用的方法，以及快手相关业务的做法和进展

4. QA

〇 分享简介 〇

字节的很多产品例如抖音、轻颜、FaceU、懂车帝、ToB业务等都是在依托内容构建创作者的生态。为了帮助创作者们快速高效的生产优质内容，不断构建和优化着创作域的工具体系和内容运营与体验的体系。在支持不同业务的创作需求的时候，常常会遇到内容多样化，内容创作方法多样化，知识领域多样化，内容涉及广度多样化等问题。通常这样的创作复杂度极高，面向这样的复杂场景，我们通过构建多端编辑、智能化AI创作、云端协同、素材中台的体系，构建了整体的智能创作云解决方案。本次会议就为大家解构和分享相关的解决方案建设实践。

〇 分享收益 〇

目标

1分享多端内容创作工具架构

2素材中台体系结构

3 AI在智能化内容生产中的应用

4 分享全链路技术架构

成功要点

1高效的多端编辑协议与工具体系

2  AI加持的智能化创作

3高效流转的素材中台

启示

在实际的支持工作中，不同的业务线就有不同的内容创作相关的需求，需要考虑构建编辑、素材与内容的高效流转、自动化内容生产等多方面因素才可以支持好以及提升整体的创作效率

〇 分享亮点 〇

1内容生产体系建设

a多端编辑体系建设

b 智能化内容生产

2. 素材中台

c内容管理与运营体系建设

d内容发布与体验体系建设

3. 业务支持案例：典型内部业务与ToB业务场景

4.未来和展望

〇 分享简介〇

预训练已经成为自然语言处理任务上不可获取的一环。合理的使用预训练模型有机会为下游任务表现带来显著的提升。本次分享从算法、资源、框架、应用这四个维度，分享在腾讯公司场景中的预训练模型实践。希望通过这几个维度的介绍，能够帮助听众对预训练模型有更深层次的理解，并在未来能针对业务更加合理的使用或改进已有的预训练模型，取得更好的效果。

〇 分享收益 〇

目标：

1理解经典预训练模型的原理

2获得中文预训练模型相关的资源

3了解预训练模型框架的设计、开发与使用

4接触预训练模型在腾讯公司场景中的使用和调优

成功要点：

对预训练模型算法清晰的理解以及频繁的实践是成功应用预训练模型的关键，本次分享对预训练相关算法进行了系统的梳理，并且总结了在业务场景中使用预训练模型的心得，希望能帮助大家在实际场景中更好的使用预训练模型。

启示：

预训练模型已经成为自然语言处理领域不可或缺的一环。本次分析通过算法、资源、框架、应用这四个维度，帮助大家对预训练模型有着更加深刻的理解。

〇 分享亮点 〇

1预训练背景分享（为何有预训练？什么是预训练？）

2经典预训练模型串讲（从语料、编码器、目标任务三个角度去理解预训练模型）

3中文预训练模型资源（语料资源；权重资源；评测资源；代码资源）

4预训练模型框架（TencentPretrain，模块化设计的多模态预训练框架）

5预训练模型在业务中的实践（六大步骤：通用预训练；领域预训练；弱监督预训练；多任务学习；蒸馏；下游任务微调）

6总结与展望

7 QA

〇 分享简介 〇

随着深度学习技术的不断突破和发展，机器翻译已从统计机器翻译时代全面走向神经机器翻译时代。深度学习的一大特点是需要大量训练数据，神经机器翻译更是如此。而由于翻译需要的平行语料标注成本高，如何从已有的大量非结构化的平行语料中挖掘出知识，并应用知识来提升翻译质量，对神经机器翻译的重要性不言而喻。本次分享将从华为知识的挖掘和知识的应用角度来分享业界和我们的相关进展和研究。

〇 分享收益 〇

分享收益

目标：

从非结构化的平行翻译数据中挖掘并使用结构化知识

启示：

结构化的知识不仅可以带来翻译质量的提升，对模型的可解释性也有帮助

成功要点：

知识的质量、知识在机器翻译中的落地点和落地方式

〇 分享亮点 〇

1. 机器翻译分享

a.发展历史

b.基于Transformer架构的神经机器翻译

c.神经机器翻译的挑战

2. 知识指导的神经机器翻译

a.为什么需要知识

b.知识的定义

c.知识的挖掘

d.知识的应用

e.目前的问题和挑战

3. QA

〇 分享简介 〇

随着 Kubernetes 逐渐成为容器编排的既定标准，越来越多的企业都开始在生产环境使用 Kubernetes，虽然 Kubernetes 能解决容器编排领域诸多构建、部署、交付的问题，但是仍然有一些场景是它很难处理或者回避处理的。

本次分享根据蚂蚁集团大规模 Kubernetes 集群的实践经验为基础，分成大规模K8S架构和动态混部调度两个部分来展开。一方面分享如何将蚂蚁的 Kubernetes 集群从千级别节点突破到 1w+ 节点 40w+ 容器的规模同时又保证长期稳定运行。包括如何建设生产级的 Kubernetes SLO 体系、如何增强 ApiServer 和 etcd 的能力、如何做到所有组件的 4个9 的高可用等级等。

另一方面分享如何将我们的 Kubernetes 集群资源利用率从 10% 提升至 40%。这部分包括蚂蚁的混部部署架构、job on k8s架构、自研增强的调度能力以及集群、应用弹性伸缩技术等。

〇 分享收益 〇

目标：

    1. Kubernetes 集群可以做到的生产级稳定规模是多大

    2. Kubernetes 集群可以做到的资源利用率可以多高

  成功（或教训）要点：

    1. 树立标准化的 SLO 体系

    2. 架构规模化改造

    3. 资源错峰复用和不同特征 workload 混合部署

    4. 资源弹性伸缩

  启示：

    大规模集群和多生态应用混部才能带来成本的极大降低，通过对 Kubernetes 进行规模化架构改造，同时树立运行 SLO 标准，结合混部技术和弹性伸缩技术，让 Kubernetes 集群在实际生产中变得又省又稳。

〇 分享亮点 〇

分享亮点：

1. 蚂蚁集团云原生实践经验

2. 大规模 Kubernetes 集群落地的经验和教训

3. 成本大幅度下降、资源利用率提升相关的混部和调度技术

4. Kubernetes 和应用长期稳定运行的 SLO 技巧

5. 支持 Job 调度所需要的调度能力

6. QA

〇 分享简介 〇

随着基础设施逐渐成熟的今天，越来越多的应用开发者们开始追求快速的构建应用、部署、交付，以便进行更敏捷地业务创新。云原生的普惠也给这些诉求的达成带来了进一步的便利。

本次分享的前半部分会介绍当前云原生应用交付领域的前沿技术以及成熟的实践，讲述云原生应用管理和交付带来的价值，希望通过前半部分的分享为您构建企业的云原生应用平台带来一些架构上的启发和借鉴。

后半部分则会围绕阿里巴巴关于云原生应用管理和交付的实践展开，为大家介绍如何基于 KubeVela 构建标准化的应用交付管理平台。KubeVela 是即将进入 CNCF 的开源项目，是云原生应用模型（OAM）的具体实现，它基于一个标准化的应用模型，不仅提供了诸如多集群、多环境部署、工作流、弹性伸缩、可观测性等丰富的 PaaS 应用管理能力，还在此基础上，方便用户进行灵活扩展和对接，构建抽象易用的标准化接口，为应用标准化管理交付提供了极大的便利。

〇 分享收益 〇

１.目标：

a.云原生领域应用管理的现状、普遍做法。

b.云原生应用管理涉及的技术难点和阶段。

c.OAM开放应用模型以及其标准实现 KubeVela背后的原理。

d.阿里巴巴大规模应用交付和管理实践。

2.成功要点：

a. 标准化、体系化能力建设；

b. 生态协同、快速接入生态能力，应对需求变化；

c. 端到端一致性体验；

3.启示：

应用交付是不断降本提效的过程，KubeVela 通过标准化的方式，吸纳生态功能，满足用户需求，降低使用门槛，同时进一步扩充生态能力，形成正向循环，最终为云原生应用交付带来用户体验和技术的同步提升。

〇 分享亮点 〇

1.云原生应用管理和应用交付背景

a.与传统应用管理的区别与挑战

b.云原生应用交付的价值

2.领域的核心技术介绍

a. 云原生K8s的核心扩展方式（CRD/Operator技术）

b.应用交付制品，事实的应用打包标准（helm 技术）

c.多集群，多云，多环境

d.持续部署与交付的工作流 

3. KubeVela 概念与核心原理

a. KubeVela 基于 OAM 模型的统一用户接口和使用方式

b. KubeVela 主要功能介绍。

4. 阿里巴巴基于云原生应用落地实践

a. 云资源与应用的统一生命周期管理

b. 多环境、多集群的应用发布工作流

c. 统一的日志、监控、弹性等运维能力建设

d. 多组件应用编排与数据传递

e. 金丝雀、蓝绿、A/B 等多种统一工作负载灰度发布能力

5. 未来规划与总结

6.QA。

〇 分享简介 〇

在企业内部，多语言多框架是个常态。但是比如限流，熔断等这类通用需求，持续在多种语言和框架下开发会耗费很多人力成本和时间等。那么有没有一种比较简单的方案，可以将这些通用需求都集成到一起，业务侧无需任何改动，即可使用这些能力呢？

Apache APISIX 开源项目具有全动态，高性能网关。本次分享将分享基于 Apache APISIX 和 Istio 的 service mesh 方案。并对比在 DP 面技术方案的选型所考虑的点及相关探索。

〇 分享收益 〇

目标：

分享 Apache APISIX 与 Istio 结合的实践

成功要点:

 对比当前架构模型下的优劣，介绍 Apache APISIX 结合 Istio 的技术实践

启示：

Apache APISIX 与 Istio 的结合实践，是否可参考或者应用于自身的业务实践中。

〇 分享亮点 〇

1 业务架构的变迁及升级

2 service mesh 的优劣

3 Apache APISIX 在微博等企业中的应用实践

4基于 Apache APISIX 的 service mesh 实践和技术细节

5 QA

〇 分享简介 〇

社区，是创作者、内容和商业价值的结合。优秀创作者，在互联网行业是最为稀缺的资源之一，即便一时能通过「撒币」引进，也可能因为缺乏正向激励而流失；内容的调性，需要运营者和用户共同建设，有赖天时，亦需人为；商业价值，运用得当，能为内容的在生产提供驱动力，把握不好，则有可能人财两失。

此次分享，将围绕上述三个要素展开。分享者将基于自身经历，展示社区运营者和社区创作者的双重视角，为构建可持续发展的内容社区提供启示。

〇 分享收益 〇

１.目标：

了解从无到有搭建垂直或综合类内容社区的关键点，摆脱不可持续的一次性输血式内容采买，实现可持续的内容生产-传播-变现-再生产闭环。

２.成功（或教训）要点：

a.找到社区氛围建设的「合作伙伴」，借助用户的力量实现业务目标；

b.引导用户自发产出有助于社区成长的内容，在创作过程中找到动力来源，持续为社区贡献力量

c.打通内容变现的链路，让创作者不再「用爱发电」，能够与平台共享成功

3.启示：提炼出该内容（或项目）的具体收益点。

结合自身搭建知乎教育领域和在线教育业务社区内容生态的经历，向听众揭示如何系统性提升用户的创作能力和创作热情，让社区能够持续产出丰富、有价值的内容。

〇 分享亮点 〇

1.概述：能够「自运行」社区有哪些要素（创作者 / 内容 / 商业价值）

2.创作者赋能：如何提升用户创作能力，让创作者成为社区的建设者

3.内容闭环：如何完善内容的生产、分类和分发机制，让 UGC 内容推动业务目标实现

4.商业价值实现：如何发挥创作者和内容的商业价值，拓宽内容变现渠道，为社区的繁荣提供经济基础。

5.QA、互动

〇分享简介〇

在数字化大潮的趋势下，越来越多的企业关注点开始从外部渠道、流量转而变成内部能力及效率的深挖。在这个大势下，对业务产品的能力重塑和提升也是每个企业关注的核心竞争力之一。业务中台的出现是企业对产品赋能业务的必然诉求。

业务中台搭建的好坏某种程度上可以觉得企业的运营效率和运营能力。不论是互联网公司，还是传统的制造业、零售业、快消品等企业，在面对瞬息万变的市场环境，都需要有一个业务上的“中控”来指挥，保障。各家一直是摸索着按照自己的模式进行，相对于各个大厂来说，一些传统的行业，如零售、服装等企业，缺乏更多的产研资源和方法论。为了满足业务的增长搭建的业务中台更多是在业务后台和中台之间摇摆。为了能够让业务中台的建模和治理在产品架构设计及业务支持上有更好的平衡和质量把控。基于DDD领域设计的原理，结合业务价值及产品架构梳理出一套完整的业务中台产品建模方法论。

本次分享则会通过一个案例来演示下完整的业务中台产品建模是如何进行的。同时针对治理现有系统，使其成为业务中台的合理架构的过程中的一些关键点进行解读。

〇分享收益〇

１.目标：

在进行业务中台治理及建模过程中，对于产品域的定义及划分、业务价值与产品逻辑的融合等方面提供参考的价值。

２.成功（或教训）要点：

A.从业务价值角度来划分领域和架构，考虑系统复用的同时兼顾业务价值的输出；

B.领域的划分需要能够从业务角度给出定义，这样才能够在应用的业务场景中得到最大化的产品价值。

C.在进行建模重构和整理的过程中，需要逐步完善改造，在改造期间也要兼顾业务价值和指标的情况。

3.启示：

对于业务中台的定位是在业务应用上提供底层业务能力，对每个核心产品域提供对应业务方向的产品价值定义。

〇 分享亮点 〇

1.业务中台产品架构建模的方法论

2.业务中台改进治理的思路

3.快消行业、零售的应用实践案例

4.业务中台在建模、治理过程中遇到的常见问题

5. QA

〇分享简介〇

全球数智化大潮的趋势之下，AI智能机器人并不算一个稀奇的概念，这几年各领域涌现出了诸多优秀的团队和业务。当产品的用户量级达到了数亿规模，用户的需求随着其生命周期的演进千变万化时， AI智能机器人的内容运营又会面临新的业务挑战，如何高效+标准+定制化的满足用户需求就成为一个新的业务难题。

经过4年的迭代，在服务了全球亿万用户及近百款产品后，一套通过内容驱动数据增长的方法论提炼。结合近期火爆的Metaverse元宇宙，就虚拟数字人内容运营，分享一些沉淀和思考。

〇分享收益〇

目标：

帮助听众了解AI对话机器人，面对亿万级用户时的内容运营的数据增长方法论，以及虚拟数字人的前沿探索。

成功要点：

如何分析用户的需求，发现痛点需求，

如何构建高效快速内容生产管线，质检品控管线

如何并采用一系列大数据方案，做好千人千面的画像推荐服务。

启示：

为行业带来，海量用户需求场景下的AI机器人内容运营以及增长方法论。

〇 分享亮点 〇

1、当用户达到6亿时，我们面临的难题；

2、AI对话机器人内容运营&增长方法论；

3、关于未来虚拟数字人内容运营的思考；

4 、QA

〇 分享简介 〇

随着技术发展，数据已经成为内容行业发展的核心因素。“字节跳动”式的数据驱动运营法也随着头条、抖音的崛起开始崭露头角。然而许多初中级的运营对此仍然知之甚少，经常会沦为打杂的角色。本次分享旨在说明数据驱动的价值和基本方法论，用数据思维赋能内容运营，提高工作效率和效果。

分享将会分成三个部分：首先带领观众了解数据驱动的应用场景，说明为什么要学会用数据驱动业务。其次我们将介绍一些典型的数据思维模式，并用内容领域的案例说明，让观众可以零基础入门。最后我们具体进入实际的工作流程，以一个项目的角度出发，从计划、执行、检验到最后复盘，说明如何用数据驱动内容运营。

〇 分享收益 〇

目标：

帮助内容运营利用数据驱动工作、提高效率，找到更清晰的工作方向，实现更强的执行力，掌握工作的主动权。 

成功要点：

a.拥有数据驱动工作的意识，让数据融入自己的思维

b.用客观的数据和事实不断修正产品的认知，而非想当然。

c.将结果量化，把工作流程化，不断践行且赋能业务

启示：

全面了解“字节式”的数据化运营，理解数据驱动的典型运用。更客观地了解用户、分析问题。用数据驱动的方式提高工作效率。

〇 分享提纲 〇

1数据驱动的应用：

a.通过数据通晓过去：原因分析

b.理解现状：内容理解

c. 预知未来：推荐策略

2 掌握基本的数据思维

a. 目标导向：北极星指标，长板理论

b.概率化思维：小学数学

c.拆解问题：金字塔原理

d. 精细化：多案例分析

3 数据驱动的工作流程

a. 工作计划Plan：发现机会和问题

b. 执行到位Do：打脸精神

c. 验证效果Check：AB测试

d. 持之以恒Action：复盘与进化

4 QA