登录注册
返回分论坛目录

从Token到价值:可持续人工智能系统和产品的构建与实践

简介

本论坛聚焦“从Token到价值”的关键转化路径,探讨大模型时代如何构建可持续的人工智能系统与产品。议题将围绕Token成本与效率优化、基座大模型能力演进、智能体系统设计与优化、智能体产品构建及商业模式展开。论坛将结合Token平台降本增效实践、学术研究智能体、龙虾通用智能体等产品案例,并邀请顶部基座大模型公司技术专家分享基座模型与智能体落地经验。通过技术架构、产品体验和商业价值的多维讨论,论坛将共同回答:如何让模型调用成本转化为真实用户价值,如何让智能体从能力展示走向稳定可用的产品,如何在效率、效果与可持续增长之间建立平衡。

简介为官网原文,部分内容可能未写完。

人员

主席

  • 段亦涛 · 网易有道信息技术(北京)有限公司

嘉宾

  • 葛明放 · MiniMax(上海稀宇科技有限公司)
  • 汪源 · 杭州久痕科技有限公司
  • 韩蒙 · 浙江大学
  • 杨广远 · 超威半导体 (AMD)
  • 张广勇 · 网易有道信息技术(北京)有限公司

报告安排

  1. 16:20–16:55

    AI 原生战略下的Agent产品思考与实践

    段亦涛 · 网易有道信息技术(北京)有限公司

    简介

    本报告紧扣分论坛 “从 Token 到价值、构建可持续人工智能系统” 核心方向,结合网易有道全场景 Agent 规模化落地经验,阐释 AI 原生战略的产品底层逻辑。报告将剖析当前智能体落地存在的 Token 成本失控、系统不可持续、价值转化弱等行业痛点,依托自研垂直大模型与办公、科研、教育智能体产品矩阵,分享 Agent 分层架构、动态算力调度、数据安全管控工程方案,提出从 Token 资源消耗到业务生产力价值转化的产品设计框架,为构建稳定、低成本、可持续迭代的 AI 智能体系统提供产业落地思路与实战案例。

  2. 13:40–14:15

    MiniMax - AI Native组织实践:人人都是Agent设计师

    葛明放 · MiniMax(上海稀宇科技有限公司)

    简介

    作为一家成立于2022年的年轻公司,MiniMax在实现AGI的长期目标下,除了坚持多模态、全球化的路线,同时我们也是AI Native组织的信仰者与践行者。在内部,我们的Agent体系已经经历了多次迭代,从单点的个人Agent机器人,到300-400个规模化的“实习生”生态,到现在权限管理更灵活、功能更强大、更安全的“麦麦”机器人。MiniMax的同学坚持思考“我的那一部分工作可以交给Agent 转为token流”、“哪个个人功能可以普惠更多同事”、“日常使用Agent的经验及不足,怎样帮助产研做更好的模型与各类产品”...在这种氛围下,各种职能的同事都化身Agent设计师与工程师,响应公司“intelligence with everyone”的愿景

  3. 14:15–14:50

    智能体与领域特定语言

    汪源 · 杭州久痕科技有限公司

    简介

    本次分享将围绕“智能体为什么需要领域特定语言”展开,重点讨论上下文工程、大模型与Harness工程如何围绕同一对象协同工作,以及为什么统一读写表达是智能体系统走向稳定交付的关键。分享还将结合机械CAD、建筑设计等行业实践,以及KRL在展示、编辑、理解一体化中的探索,说明领域特定语言如何成为智能体时代的重要基础设施

  4. 14:50–15:25

    从 Token 到可信价值构建——面向可信人工智能的治理与实践

    韩蒙 · 浙江大学

    简介

    本次分享聚焦大模型与智能体的产业发展现状,重点分析人工智能规模化落地过程中面临的信任瓶颈与技术突破路径。内容将围绕人工智能全链路可信技术展开,系统介绍针对多源信息冲突、推理幻觉、隐蔽诱导、行为偏离及多智能体协作不确定性等共性问题的研究思路,探讨面向 Token 粒度、覆盖数据、模型、知识、工具与任务执行全过程的可追溯技术体系。 结合金融、能源、政务及公共服务等行业实践,报告将进一步研判可信人工智能的长期发展趋势,探讨统一可信基础设施、持续评价机制与行业协同体系的建设路径,为人工智能的技术选型、体系构建与规模化落地提供参考,推动模型与智能体能力持续转化为可信、可持续的产业价值。

  5. 15:45–16:20

    AMD软硬件生态下端侧模型应用的最佳实践

    杨广远 · 超威半导体 (AMD)

    简介

    随着端侧大模型、本地 AI 应用需求快速爆发,如何依托软硬件协同方案平衡推理性能、功耗、部署成本,成为产业落地核心难题。本次分享将围绕 AMD 完整端侧 AI 软硬件生态体系展开,介绍锐龙 AI 异构计算平台、配套软件栈与开发者工具链能力;结合真实产业案例拆解端侧大模型量化、调度优化、CPU/GPU/NPU 异构协同等关键技术方案,总结模型移植、性能调优、应用规模化落地中的常见痛点与工程最佳实践,同时探讨端侧 AI 开放生态发展机遇,为开发者、技术团队提供可复用的端侧 AI 部署落地思路。