在智能化加速演进的当下，企业正从单点应用AI工具，走向以大模型、智能体和组织协同为核心的系统性变革。9月4日至5日，A2M人工智能创新峰会在上海IBP国际会议中心顺利举办，大会聚焦AI技术与产业实践的深度融合，汇聚来自技术、产品、业务与组织管理领域的实践者，围绕AI原生组织建设、智能体协作、产业应用创新与企业生产方式升级等议题展开深入交流，共同探讨企业如何抓住智能化转型窗口，重构技术与业务的连接方式，推动AI从效率工具进一步成为驱动组织创新与产业增长的新引擎。
一线大咖集结，
拆解AI原生时代的真实战局
开幕式特邀五位产业一线领军者带来硬核主题分享——从智能体网络协同、数据底座重构，到多模态交互进化与AI自进化实践，直击AI规模化落地中最真实的技术抉择与组织阵痛。以下为本次开幕式核心干货完整梳理：
刘付强：用工程师文化构建 AI-Native 组织
_
msup创始人兼CEO、微上信息技术研究院院长刘付强，以“用工程师文化构建AI-Native组织”为题进行了分享。他结合多年服务企业、开展培训与组织陪跑的实践指出，AI正在从辅助工具逐步转变为组织的重要生产方式。企业竞争的关键，也将从单纯比较人才数量、技术投入和Token消耗，转向重新思考人机协同、组织能力、创新效率以及价值创造。
他认为，AI-Native组织并非简单地增加几个AI工具或Agent，而是要从业务、战略、组织和技术架构等多个层面进行系统重构。围绕这一目标，他分享了DRIVE模型，并提出了以下五项关键实践：
第一，推动技术战略解码，从“支撑业务”走向“引领业务”。企业首先要回答“要打造什么样的组织、围绕什么样的业务发展”等根本问题，再将AI纳入商业战略与组织战略。技术委员会也应重新定位，从过去偏重技术选型和产品创新的职能，升级为由CEO或董事长牵引的AI战略治理机制，明确未来一段时期的技术主航道，并根据模型、产品和业务变化持续调整，推动技术成为业务创新和商业模式变化的重要驱动力。
第二，推动组织认知与能力重塑，实现战略意图与一线执行对齐。AI转型不只是工程师的技能升级，更要求CEO、董事长和中高层管理者首先形成战略共识。企业应通过“训战结合”而非单一培训，围绕定标、对标和达标，提升不同岗位的人机协同能力，重新定义组织中的胜任力。未来，企业管理的不仅是传统的人力配置，还包括人与Agent、模型和工具之间的任务分工与协同组合。
第三，构建持续创新和试错的组织土壤，促进智慧涌现。当AI显著降低了Demo和原型开发的门槛，创新就不再只是少数技术人员的任务，而应成为全员参与的组织机制。企业可以通过创新基金、Hackathon、创新实验室、联合共创和揭榜挂帅等方式，鼓励员工和团队主动探索。同时，创新不能停留在大量Demo的堆积上，还要建立面向客户洞察、市场价值和商业结果的判断机制，筛选真正有机会形成第二增长曲线的创新成果。
第四，跨越创新鸿沟，从“技术管理”走向“技术经营”。AI项目从原型走向规模化和商业化，往往会面临明显的创新鸿沟。技术负责人不能只关注研发进度、技术指标和项目交付，还需要以经营者的视角审视技术投入，关注技术如何转化为收入增量、利润改善和客户价值。CTO及技术管理者应逐步成为业务和经营的参与者、结果的承担者，推动AI从“成本项”转变为“经营变量和利润变量”。
第五，建设高效能组织，将组织经验和能力沉淀为可复用的数字化资产。AI时代，组织效能的核心不再是单纯储备多少人力或消耗多少Token，而是价值能否高效流动并转化为经营结果。企业应建设面向自身业务的组织级技术中台或Harness，将内部知识、流程、专家经验和最佳实践沉淀为知识库、Skill和Agent，形成能够被不同岗位持续调用的数字员工与组织能力。进一步地，企业还可以借助MCP等协同机制，连接内部部门与外部生态，让组织能力成为可组合、可复用、可协同的价值接口。
刘付强最后表示，AI-Native组织的建设不是一次性完成的技术项目，而是一场贯穿技术战略、组织认知、创新机制、经营意识与效能体系的持续变革。技术人员需要从技术架构师走向业务架构师、组织架构师，与CEO共同完成组织系统的重新设计，最终把技术能力转化为真实的商业价值和经营成果。
郭振宇：从 Agent Collaboration 到 Coherence Engineering：Avernet与长期演化的智能体网络
_
蚂蚁安全 AI 基础设施负责人郭振宇以“从 Multi-Agent 到 Coherence Engineering：Avernet 与长期演化的智能体组织”为主题进行分享。他介绍，团队从2026年年初开始推进Agent组织基础设施建设，目前相关系统已经在公司内规模化部署，并有多个BG在使用，同时也已经开源。结合这一阶段的实践与下一步的思考，他认为，Agent组织的建设不能只关注多Agent如何完成任务，还需要进一步解决它们之间如何形成持续、稳定和可演化的协作。
核心思考一：任务可以结束，但协作不能随之消失。比如一个多Agent贷款审批流程完成之后，企业经营状况、所属行业和外部环境仍可能发生变化，原有评估也可能需要重新审视、调额或复审。此时，企业需要知道过去是谁分析过、当时为什么这样判断、谁负责后续监控，以及出现新情况后应该通知谁。因此，问题就从“Agents如何完成当前任务”，转变为“Agents如何保持长期协作”。
核心思考二：整体目标从以任务为中心，转向以协作为中心。当前方式更多关注任务完成率，在任务前寻找合适的Agent、组队和授权，在任务中通过工作流或动态协作完成执行，在任务后进行评价和优化。但当Agent数量不断增加之后，企业还会遇到找不到合适协作对象、各自目标完成但整体目标没有实现、单个Agent运行很快但整体协作效率没有提升，以及完成任务后协作关系没有沉淀等问题。以协作为中心，需要在任务前关注成员关系、权限和风险，在任务中处理既有关系与临时协作之间的选择，在任务后持续更新关系、角色、路由、协作单元和组织状态。
核心思考三：哪些对象应该成为以协作为中心的Agent系统设计的一等公民。他认为，Agent协作是以身份、关系、权限和上下文记忆为基础，将协作本身沉淀下来，使任务能够不断穿越这些持续存在的协作关系，并影响后续任务的执行。围绕这一方向，团队探索了Bot Coordination Network（BCN），用于管理Agent之间的身份发现、信任关系、邀请、授权和委托等关系问题；同时探索不同的协作空间和协作拓扑，使单聊、群组、开放式论坛和分布式计算等模式能够根据不同任务进行组合。
郭振宇分享最后提到，多Agent协作还面临语义漂移的问题：同一个概念被不同协作空间、不同Agent和不同时间点引用时，可能产生不同理解，导致局部执行正确，但整体系统并不一致。对此，团队提出了Coherence Engineering的探索方向，最终，他将这一思路概括为：一次任务，可以靠编排；长期协作，需要组织；持续演化，需要 Coherence Engineering。
范孝剑：从服务人到服务 Agent：重塑数据底座
_
腾讯云数据库研发总监范孝剑带来了主题为《从服务人到服务 Agent：重塑数据底座》的分享。他指出，数据库的服务对象正在第一次从“人”转向“Agent”：过去，人通过一条 SQL 即可完成查询；而在 Agent 场景中，系统往往需要先读取历史对话、检索知识、查询业务状态，再将执行结果写回数据库。随之而来的，是数据库服务范式的三重变化：数据消费者从工程师、BI 和应用系统，扩展为 Agent 与自主工作流；数据结构从结构化报表为主，演进为文本、图片、日志、向量、图关系等多模态并存；数据库的角色，也从单纯的事实记录系统，升级为支撑智能体执行的基础设施。
而Agent 从demo走向生产，真正的瓶颈并不在模型，而在数据层本身：一是记忆缺失，向量、全文与关系查询彼此割裂，导致 Agent 难以形成持续认知；二是弹性不足，脉冲式流量让传统资源供给方式难以匹配成本模型；三是迭代受阻，缺少低成本 Branch、Clone 与回滚能力，一次误操作就可能污染主库。
围绕这些挑战，腾讯云数据库沉淀出面向 Agent 时代的数据底座能力体系，包括 Agent 原生架构、多模统一、语义与记忆、治理与自治四个方向，并形成了 TDSQL-C、CloudBase、TDSQL Boundless、Agent Memory、DatabaseClaw 等一整套产品布局。其中，TDSQL-C 提供 Serverless 弹性与秒级零拷贝 Branch，支持闲时归零和快速试错；CloudBase 进一步把后端“最后一公里”收敛为 BaaS；TDSQL Boundless 以一张多模表统一关系、JSON、全文、向量、图与对象存储；Agent Memory 则通过 L0-L3 四层记忆架构，将单 Agent 记忆扩展到团队共享，在 SWE-Bench 上将成功率从 60% 提升至 80%，并将成本降低 66.3%，项目已开源斩获2万+Star；DatabaseClaw 依托四级操作分权、全链路审计和 10 万级工单沉淀的专家 Skill，推动数据库治理走向根因定位与自愈自治。
他强调，正是腾讯云数据库 15 年云端运营经验、100% 灾备切换成功率、50 万+核心业务承载能力以及金融级安全体系，构成了支撑 Agent 时代的底气。未来，核心系统与 Agent 应用将共用一套数据底座——服务对象变了，但对稳定性、性能与智能化的要求并没有降低。
姚远：迈向类人交互的多模态大模型
_
面壁智能学术合伙人、多模态智能首席科学家，清华大学人工智能学院助理教授姚远分享了“迈向类人交互的多模态大模型”。他指出：全双工全模态已成为多模态大模型的重要趋势。基于端侧智能爆发趋势，面壁从 MiniCPM-V、MiniCPM-o 系列起步持续探索，并于 2026 年初发布行业首个开源全双工全模态模型 MiniCPM-o 4.5。
但传统视觉语言模型仍停留在"离线静态数据 + 一问一答轮次"的窠臼，距离人类多模态智能相差甚远；类人交互的关键一是上下文带宽——让模型直接接管人感受到的全模态上下文，二是"bitter lesson"——让交互能力成为模型的原生能力，而不是外部 pipeline 或 hook。
围绕"更像人"的目标，他提出三大特性：① 高同步 IO，token-level 全双工让模型在说话的同时实时看与听，输入输出毫秒级对齐；② 自由交互，每秒高频自主判断说话时机、内容与韵律，覆盖打断、插话与主动说话；③ 低延迟自然语音生成，循环一秒生成保证长语音稳定。架构上以全模态主干 + 轻量级各模态编解码器 + 隐层 token-level 紧密连接实现，并把系统提示扩展为"文本 + 参考音频"实现端到端语音克隆。MiniCPM-o 4.5以 9B 参数量在单卡 4090 上即可流畅推理，相比此前 35B / 两台 A800 的方案效果可比、效率显著提升；配套自研 llama.cpp-omni 端侧推理框架已适配 Mac M5、4090、5070 等设备，并已在汽车、手机、具身智能、智能座舱等场景规模化落地。
他判断全双工交互已成行业共识，全模态与全双工加速融合，模型正从"能说话"走向"实时智能"，并演进为端云协同的新一代形态：端侧承接低延迟、隐私敏感的伴随式交互，云侧承载复杂任务——类人多模态助手将在手机、PC 上迎来自己的"PC 时代"。
霍承富：AI 自进化—技术趋势与业务实践
_
淘天集团-1688事业部CTO霍承富分享了“AI 自进化—技术趋势与业务实践”。他表示，AI Native 产品与传统互联网最大的不同，在于具备"自进化"能力。他把智能跃迁分为感知智能、认知智能、自主智能三层，当下焦点已从"能理解"转向"自主执行"；系统进化有三条路径：Training-Free（围绕 Skills、上下文与记忆工具迭代，不重训模型也能越用越懂业务）、Training-Based（以真实业务轨迹做蒸馏与强化，让小模型在垂直场景逼近大一个数量级模型的效果、压低推理成本）、Product Evoloop（从用户轨迹中抽取未满足需求，自动生成 PRD / Bugfix 工单并由 AI Coding 执行上线，产品自驱演进）。
从需求侧看，旧范式是"设计交互流程、用户适配系统"，ChatGPT 之后转向深度理解与持续对话，如今则是 Agentic 的理解与自主规划。他以 1688 线上的 AI 搜索产品为例：Agent 自主完成检索、供应商资质校验、IM 询盘等一整串动作，引入 self-improvement 机制后用户留存曲线明显上扬。但他强调要"保持敬畏"——成败取决于 LLM + Harness + Environment，长程任务仍受制于记忆与上下文、规划与分解、错误累积三大难题。
为此团队做"自主经营"：让 Agent 店长自主完成选品、铺货、定价、客服、履约与复盘，采用 Master–Worker 架构，由 Master 提出经营假设、多 Worker 并行做控制变量实验、交叉验证后沉淀可迁移的经营 Skill，线下 5 家店铺跑出约 10% 的利润率。为量化长程能力，他们开源 Merchant Bench：365 天 ×24 小时逐小时推进，含 98,843 个 SKU、36,576 家供应商、26 个商家工具。结果显示最佳 Agent 期末净资产仅为人类的 27.3%，固定 SOP 的 Workflow 反超多数自由决策 Agent，并暴露"动作一致性"与"策略一致性"随时间衰减两大问题。
他总结，智能跃迁、自主经营与仿真环境构成自主智能飞轮，带来生产力的指数级释放；但真实生产环境可能发生资损，对齐、可控性与可解释性仍是挑战——在能力狂奔时为 AI 装上"方向盘"和"刹车"，是大厂必须承担的责任。
从 Demo 到生产：
企业级 Agent 落地的三道关
在本届开幕式Panel环节，技术领导力创始人黄哲铿作为主持人；Microsoft Principal Group Engineering Manager, STCA Agentic Innovation Team魏玮、国金证券首席信息官王洪涛、中国企业知识开源计划创始人 前波士顿咨询Platinion董事总经理陈果三位嘉宾，一致认为，企业 Agent 从 demo 走向生产，关键不在模型够不够强，而在能否找到"模型能力已及、业务收益明显"的交集。魏玮主张放弃通用 Agent，锁定具体问题与特定人群做内部共创，用"团队渗透率"和"使用强度"两个指标验证需求真伪与可推广性；王洪涛强调 POC 之前先做"轻咨询"对齐认知，再用业务价值与可行性两个维度做九宫格排序，POC 后还要校准准确率与 token 成本，不达标就及时止损；陈果以社保代缴、合同风控、智能投标等案例说明点状应用已经跑通，同时援引 Gartner 今年 4 月的 Agentic AI 成熟度曲线提醒，行业整体仍处于期望爬升期——从 Chatbot/Copilot，到可被编排进流程的 Agentic Workflow，再到群聊式的人机协同（Human-Agent Collaboration），三种形态成熟度依次递减，后者走向成熟仍需五年以上。
围绕火热的 FDE 与组织流程变革，三位的判断同样务实。魏玮认为 FDE 的核心是与行业专家共同识别"有 pattern、有周期性、可衡量"的任务并定义评价标准，同时搭建人与 Agent 之间的上下文拓扑；王洪涛更愿意称之为"AI 产品经理"，其成效取决于中台的 API、MCP 与数据是否开放可达，单兵作战远不如组织协同；陈果则直言 FDE 与当年的 ERP 实施顾问并无本质区别，只是技术栈从后端配置升级为"AI 全栈"，且需要 Echo（懂业务）与 Engineer（能落地）两类角色配合。落到流程与组织，魏玮建议优先替换 SOP 中"信息相对封闭、结果易判定"的环节；王洪涛指出强监管行业的"双人复核"等规则需同步演进，非监管领域则可围绕 AI 原生工作流把七八个角色压缩为"产品经理 + 全栈工程师"，试点效率提升三到五倍；陈果强调不要以工程师思维看待组织——传统 Workflow 是预先编排的结构化执行，Agent 则是目标驱动的推理与迭代，企业要重划的是每条流程的边界、决策点与控制点，把可审计可追溯的风控点握在手中，其余放心交给 Agent，因为"Agent 替代的是 task，不是人"。
大模型前沿风向
50个AI落地实战全解
本届大会为期2天，共设置15个专题演讲分论坛。技术专题包括agentic时代的数据分析与数据工程、AI Agent架构设计与工程落地、智能体新基建：从Harness到Loop再到自进化、Agentic工程与企业级智能体落地、AI Agent重塑企业全域生产力与研发新范式、AI原生基础设施建设、大模型底层技术迭代与推理优化、行业大模型的工程化实践、多模态与AIGC：模型能力的工程化实践、AI赋能研发效能倍增、AI安全内容与风险治理、金融垂直大模型、Agent驱动业务：从场景选择到可靠交付、AI驱动研发：从代码生成到全流程交付等，结合诸位讲师的实践经验，帮助参会者掌握AI工程化与产品创新的核心方法，应对大模型时代的落地挑战。
哔哩哔哩游戏技术中台算法负责人王磊在"多模态与AIGC"分会场分享《从"能翻"到"敢交付"——B站游戏大模型支撑数百万字本地化的三次进化》。他介绍，B站以四层架构的大模型翻译体系替代传统人工流程，通过自动术语挖掘、检索增强翻译与翻译质检模型，使翻译周期缩短85%以上、成本节省70%~80%，支持10种语言同步发布，线上客诉控制在万分之一以内，完成了游戏数百万字本地化的"三次进化"。
科大讯飞Agent开发专家卢祎俊带来《用AI Coding构建AI Agent：AstronAgent从代码生成到全流程交付》。他介绍了 Astron Agent 项目的整体定位、核心架构与关键能力，展示其在 AI Agent 应用开发中的工程化实践。随后重点分享了个人如何通过 Loop Engineering，将 AI Coding 引入真实研发流程，自动化解决需求拆解、代码开发、测试验证、CI 检测、部署上线等环节中的效率与质量问题，形成从需求到交付的自动化闭环。通过这一实践，Astron Agent 项目的研发流程正在从传统人工驱动，逐步演进为 AI 原生、自动化、可验证的工程体系，为复杂 AI 应用平台的持续迭代和规模化交付提供了新的实践路径。
作业帮售卖平台研发部负责人张朋在"AI赋能研发效能倍增"分会场分享了《从方案设计到自动化测试：AI Coding重构软件研发流程实践落地》话题。他指出代码产出更快、交付却不一定更快，症结在于需求未成契约、上下文失真、验证缺失与协作断点；作业帮把不确定的AI生成装进可观测、可验证、可回滚的工程系统获得一套覆盖 PRD、技术方案、代码生成、Code Review、自动化测试和知识沉淀的端到端落地框架。
个推算法专家、AI架构师书酉分享的《Agentic数据分析驱动企业智能运营：从智能问数到策略执行的全链路工程实践》获得了现场的一致好评。他重点拆解了语义治理、可信查询、诊断推理、策略生成、人工决策门禁、运营编排和效果反馈等关键工程环节，说明如何构建“数据查询－分析归因－策略生成－运营执行－效果评估－持续优化”的闭环，让数据分析真正进入企业日常运营工作流，揭秘个推AIBI智能问数登顶“NL2SQL全球最难榜单”，实现准确率全球第四，效率全球第六背后的技术实力。
此外，得物、快手、小红书、腾讯音乐、京东、蔚来汽车、字节跳动等公司的技术专家，也围绕企业级Data Agent架构、大模型推理加速、一站式Harness研发平台与智能座舱问答工程化等议题深度分享，共同勾勒出AGI时代企业数字化转型与智能进化的全景图。
生态共振，聚势共赢
大会圆满举办，背后是生态伙伴的深度参与与协同共创。除了一场场高密度技术演讲，合作伙伴打造的沉浸式互动展区，更成为全场人气焦点。
个推、金山、腾讯等领军企业悉数亮相，集中展示最新技术成果与创意交互体验，展区交流热度不断攀升。参会者在这里沉浸式体验AI创新应用，面对面深度探讨，在思想碰撞中勾勒技术落地的现实路径
AI落地——从技术验证
到规模化提效的挑战
为了帮助参会者进行更深入的交流探讨，会议第一天晚上，A2M大会开设了panel开场，由Komputer Blue创始人来新璐主持，安徽听见科技有限公司SaaS平台研发经理何旭峰、深圳传音控股集团公司TEX AI电商负责人张宗碧、月之暗面API部门Dev Rel唐飞虎同台，结合各自的落地经验，讨论AI从技术验证走向规模化提效的真实路径，这场晚宴成为了大会之外又一场没有标准答案的实战复盘。
携手同行，北京A2M再见
A2M峰会上海站圆满落幕，在这里，特别感谢各位讲师以及业内同仁共同把握行业技术走势，与参会者分享2026年最新的实践成果，携手为推动技术生态良好发展做出了努力。值此盛会圆满落幕之际，我们谨向所有倾情奉献的演讲嘉宾及行业伙伴致以最诚挚的谢意！我们期待与更多创新力量携手同行，在技术迭代的浪潮中共筑开放协作的AI新生态，以持续突破回应时代命题。大家明年再见！
星空（中国）xingkong·官方网站 倡导尊重与保护知识产权。如发现本站文章存在版权等问题，烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。！：星空（中国）xingkong·官方网站 > 新闻 » AI落地，重构产研新范式！A2M人工智能创新峰会圆满落幕