sunbet(中国区)官方网站

　　SUNBET·申博✿ღ✿◈，sunbet申搏✿ღ✿◈。太阳城菲律宾申慱sunbet✿ღ✿◈，申博sunbet✿ღ✿◈，sunbet集团中国官网入口✿ღ✿◈，2025云栖大会人声鼎沸✿ღ✿◈，其中既有CXO级别的高管✿ღ✿◈，也有站在AI一线的各种角色✿ღ✿◈，所有人都希望找到自己想要的答案✿ღ✿◈，而这恰恰是当前行业最稀缺的共识✿ღ✿◈。

　　大模型时代✿ღ✿◈，业界广泛共识的“AI三要素”——数据✿ღ✿◈、算法✿ღ✿◈、算力✿ღ✿◈，确实构成了人工智能发展的基础✿ღ✿◈，但它们仍然不足以支撑AI从“能用”走向“好用”✿ღ✿◈，更无法真正实现“规模化落地”✿ღ✿◈。

　　越来越多的企业在实践中意识到✿ღ✿◈，这些都只是大模型的必要不充分条件✿ღ✿◈，企业想要的不是短期的✿ღ✿◈、单点的AI应用✿ღ✿◈，而是长期的✿ღ✿◈、系统的AI生产力✿ღ✿◈。AI要从实验室走向企业现场✿ღ✿◈，还需要新的架构思维✿ღ✿◈、新的组织机制以及贯穿全生命周期的智能化能力✿ღ✿◈。

　　新的趋势开始显现✿ღ✿◈，AI原生架构——这一词汇高频出现在各种场景✿ღ✿◈，围绕其所展开的讨论正迅速从技术蔓延到业务✿ღ✿◈，企业重新思考AI战略✿ღ✿◈、技术架构和组织人才✿ღ✿◈。当AI能力就是业务本身✿ღ✿◈，这不仅是一次技术迭代✿ღ✿◈，更是一场关于创新范式的深层变革✿ღ✿◈。

　　过去几年✿ღ✿◈，人工智能几乎成了所有行业创新的关键词✿ღ✿◈。从客服到营销✿ღ✿◈，从零售到制造✿ღ✿◈，似乎每一个系统✿ღ✿◈、每一个岗位都在AI化✿ღ✿◈，但很多企业在真正落地时会发现✿ღ✿◈，AI应用的效果做到及格不难✿ღ✿◈，要做到真正可用✿ღ✿◈、好用✿ღ✿◈，要付出的成本和心力指数级增长✿ღ✿◈。

　　从另一个侧面来看✿ღ✿◈，企业如今最缺的人才已经不是提示词工程师✿ღ✿◈、算法工程师或者AI产品经理等✿ღ✿◈。一位大模型行业高管表示✿ღ✿◈，“今天企业特别缺少AI Architect/AI Solutions Architect✿ღ✿◈。这个角色既要懂模型✿ღ✿◈、懂算法✿ღ✿◈，最好还能动手编程✿ღ✿◈，更重要的是能理解客户需求✿ღ✿◈，并把这些需求变成真正可落地的技术方案✿ღ✿◈。”

　　这背后反映出企业探索AI的现状✿ღ✿◈，仅靠现有的人才和技术无法真正落地AI应用✿ღ✿◈，自然而然就会追问一个更根本的问题✿ღ✿◈：是不是现有的技术和组织框架✿ღ✿◈，本身已经不足以承载AI？

　　这正是AI原生（AI-Native）架构的时代背景✿ღ✿◈。简而言之✿ღ✿◈，“AI原生架构师”需要负责把模型✿ღ✿◈、数据✿ღ✿◈、业务场景“拼装成可上线✿ღ✿◈、可运行✿ღ✿◈、可评估的系统”✿ღ✿◈，并能协调AI工程全生命周期的交付✿ღ✿◈。

　　而对于企业✿ღ✿◈，更重要的不是一个岗位半岛游戏✿ღ✿◈，而是让企业所有人具备AI原生思维✿ღ✿◈，自上而下推动AI原生——让AI从附属变成底座✿ღ✿◈，从被调用的工具✿ღ✿◈，变成驱动系统✿ღ✿◈、业务与组织的核心✿ღ✿◈。

　　如果还有企业没理解到AI原生的内涵✿ღ✿◈，不妨从《国务院关于深入实施“人工智能+”行动的意见》中寻找答案✿ღ✿◈，该文件首次提出✿ღ✿◈：培育智能原生新模式新业态✿ღ✿◈。

　　鼓励有条件的企业将人工智能融入战略规划✿ღ✿◈、组织架构✿ღ✿◈、业务流程等✿ღ✿◈，推动产业全要素智能化发展✿ღ✿◈，助力传统产业改造升级✿ღ✿◈，开辟战略性新兴产业和未来产业发展新赛道✿ღ✿◈。大力发展智能原生技术✿ღ✿◈、产品和服务体系✿ღ✿◈，加快培育一批底层架构和运行逻辑基于人工智能的智能原生企业✿ღ✿◈，探索全新商业模式✿ღ✿◈，催生智能原生新业态✿ღ✿◈。

　　是时候✿ღ✿◈，做一家AI原生企业了✿ღ✿◈。AI原生架构不仅是技术的重构✿ღ✿◈，更是思维模式的重塑✿ღ✿◈。它要求企业跳出“AI工具化”的旧框架✿ღ✿◈，转而以AI为核心去设计产品✿ღ✿◈、优化流程✿ღ✿◈、重构组织✿ღ✿◈。

　　如果说✿ღ✿◈，如何转向AI原生架构是一个问题✿ღ✿◈，那么现阶段而言✿ღ✿◈，基于不同业务场景✿ღ✿◈，企业在架构选型上各有侧重✿ღ✿◈。

　　“AI时代的企业架构升级✿ღ✿◈，关键在于全栈AI能力的构建与落地✿ღ✿◈。”阿里云智能集团公共云事业部首席解决方案架构师韩鸿源表示✿ღ✿◈，今天的模型能力✿ღ✿◈，一定会成为未来所有业务系统开发的一个基础设施能力✿ღ✿◈，而今天的大语言模型申博太阳城官网下载✿ღ✿◈，也一定要考虑把AI能力引入到系统里✿ღ✿◈。

　　韩鸿源强调✿ღ✿◈，对于绝大部分企业来说✿ღ✿◈，他所说的“全栈”并非指模型技术研发的全栈✿ღ✿◈，而是指企业从数据管理✿ღ✿◈、模型应用✿ღ✿◈、业务集成到最终价值实现的全链路能力✿ღ✿◈。在这一过程中✿ღ✿◈，AI应当是业务系统的基础设施✿ღ✿◈，企业应当聚焦如何将AI能力融入业务系统✿ღ✿◈。

　　比如搜推广✿ღ✿◈、内容生产✿ღ✿◈、内容安全✿ღ✿◈、多模态及云端交互为核心的场景下✿ღ✿◈，企业需要既能满足模型训练及推理服务的算力支撑和快速部署✿ღ✿◈，又要能基于模型服务平台构建端到端AI应用的全栈AI能力✿ღ✿◈。

　　哈啰CTO刘行亮指出✿ღ✿◈，哈啰目前已经推出了多个AI Agent✿ღ✿◈，同时还有Robotaxi业务✿ღ✿◈。通过构建“车云数据闭环”✿ღ✿◈，哈啰实现了全栈AI能力的协同✿ღ✿◈。

　　在云端✿ღ✿◈，哈啰利用海量数据进行模型训练与仿真✿ღ✿◈，优化出更强大的驾驶Agent（VLA模型）和座舱服务Agent✿ღ✿◈，再部署至车端✿ღ✿◈。这使智驾决策能持续迭代✿ღ✿◈，更准更稳✿ღ✿◈；同时✿ღ✿◈，座舱能深度融合用户意图与生态服务✿ღ✿◈，实现从“出行工具”到“个性化第三空间”的体验升级✿ღ✿◈。

　　好未来CTO田密分享了AI在教育领域的进阶路径✿ღ✿◈，提出AI老师的L1-L5分级✿ღ✿◈。目前好未来已实现L3级闭环教学✿ღ✿◈，通过软硬件结合打造个性化学习体验✿ღ✿◈。

　　在多模态的模型训练上✿ღ✿◈，好未来使用Qwen2.5-32B-VL做九章多模态模型的后训练和强化✿ღ✿◈，最终在多个任务上✿ღ✿◈，包括OCR半岛游戏✿ღ✿◈、公式识别和图力解题等层面✿ღ✿◈，都取得了SOTA的结果✿ღ✿◈。

　　在这一过程中✿ღ✿◈，“云端一体”发挥了很大作用✿ღ✿◈。田密认为✿ღ✿◈，未来云端结合的范式越来越常用✿ღ✿◈，把训练好的大模型蒸馏到本地之后✿ღ✿◈，效果足以满足应用需求✿ღ✿◈，而且响应速度更快申博太阳城官网下载✿ღ✿◈。在走向AI原生时代的过程中半岛游戏✿ღ✿◈，好未来的架构升级理念已然诞生✿ღ✿◈：基于通义千问开源模型做后训练✿ღ✿◈，同时进行云端协同✿ღ✿◈。

　　也有部分企业更加关注上层Agent构建✿ღ✿◈，采用MCP架构以支持扩展性✿ღ✿◈，可以接多种大模型✿ღ✿◈，将传统API服务MCP化✿ღ✿◈，快速构建Agentic Workflow✿ღ✿◈，并通过第三方伙伴协助完成最后一公里建设✿ღ✿◈。

　　身处电视行业✿ღ✿◈，创维酷开智能系统研究院院长郭尚锋的分享✿ღ✿◈，或许能揭示传统领域企业如何借助AI破局✿ღ✿◈。郭尚锋表示✿ღ✿◈，在架构支撑上✿ღ✿◈，阿里云AI全栈技术提供了从底层算力✿ღ✿◈、模型训练到应用部署的全链路支持✿ღ✿◈，为智能体的构建与运行提供了坚实底座✿ღ✿◈。尤其是基于云原生AI网关✿ღ✿◈、Function Call和MCP广场生态等产品✿ღ✿◈，将传统API服务MCP化✿ღ✿◈，在百炼平台上快速构建AI应用✿ღ✿◈，贯穿跨终端✿ღ✿◈、跨场景的智能体体系✿ღ✿◈，构建无界融合的全场景智慧体验✿ღ✿◈。基于此半岛游戏✿ღ✿◈，创维酷开的Agent得以实现长记忆✿ღ✿◈、快思考✿ღ✿◈、秒行动的核心优势能力✿ღ✿◈。

　　跨国企业昕诺飞拥有全球1.56亿个智能互联照明节点✿ღ✿◈，对其而言✿ღ✿◈，AI的价值恰恰在于挖掘这些节点产生的数据✿ღ✿◈，实现智能运维和能效优化✿ღ✿◈。

　　昕诺飞中国研究院院长刘海涛表示✿ღ✿◈，从发展方向上✿ღ✿◈，昕诺飞的三个关键词是高效互联申博太阳城官网下载✿ღ✿◈、云边协同和生态共创✿ღ✿◈。尤其是在生态共创层面✿ღ✿◈，刘海涛强调✿ღ✿◈，昕诺飞这样的照明企业非常希望通过MCP协议✿ღ✿◈，打通各个设备之间的互联✿ღ✿◈。

　　刘海涛还从应用者的角度对云平台提出了四大诉求✿ღ✿◈：极致的安全与合规✿ღ✿◈、模型生态的开放与敏捷半岛游戏✿ღ✿◈、高性能低成本的推理优化以及行业级的大模型运维（LLM Ops）赋能✿ღ✿◈。

　　他特别强调✿ღ✿◈，“AI本身是个工具✿ღ✿◈，工具本身要和各个垂类的应用进行创新✿ღ✿◈，如果不了解应用本身✿ღ✿◈，只有这个工具✿ღ✿◈，很难找到真正的落地场景✿ღ✿◈，真正为客户解决问题✿ღ✿◈。”作为跨国企业✿ღ✿◈，昕诺飞在中国的AI创新实践体现了“Local for Global”的策略✿ღ✿◈，即利用中国领先的AI技术和应用市场环境✿ღ✿◈，打造最佳实践后向全球输出✿ღ✿◈。刘海涛表示✿ღ✿◈，在多年的合作中✿ღ✿◈，阿里云这样的企业给了他们很好的支持✿ღ✿◈，推进了公司在中国的AI业务落地✿ღ✿◈。

　　另外✿ღ✿◈，还有一部分企业有庞大数据沉淀和处理需求✿ღ✿◈，尤其是数据打标（如VOC✿ღ✿◈、评论等）✿ღ✿◈、智能问数✿ღ✿◈、智能助手等场景下✿ღ✿◈，将大数据上云✿ღ✿◈，利用数据湖平台为AI提供高质量✿ღ✿◈、多样化的数据✿ღ✿◈，挖掘非结构化数据价值✿ღ✿◈，以Data+AI架构支撑AI落地✿ღ✿◈，成为关键✿ღ✿◈。

　　识货CTO陈欢在分享中详细介绍了识货如何利用AI重构其核心资产——商品数据平台✿ღ✿◈。面对巨量的数据处理✿ღ✿◈，AI的应用使商品库建设流程（渠道关联✿ღ✿◈、商品新建✿ღ✿◈、审核）的自动化率达到了85%以上✿ღ✿◈。而陈欢也提到✿ღ✿◈，其技术架构的核心是构建了10亿级规模的商品向量库✿ღ✿◈，基于通义千问进行训练✿ღ✿◈，从而实现了高精度的商品匹配和去重✿ღ✿◈。

　　陈欢提到的核心理念之一是双平台能力的建设✿ღ✿◈。底层平台“Model X”围绕研发流程✿ღ✿◈，比如接到大模型需求之后任务拆解做提示词编写✿ღ✿◈、微调✿ღ✿◈、自动评测✿ღ✿◈、运维资源分配和成本管理等✿ღ✿◈，让研发团队能高效完成大模型需求✿ღ✿◈，全流程自主开发上线✿ღ✿◈，后期会推广到产品及运营✿ღ✿◈；而“Model L”旨在加速算法训练推理✿ღ✿◈，尤其聚焦推理的复杂场景✿ღ✿◈。陈欢表示✿ღ✿◈，这套算法大模型平台+研发大模型平台的双平台模式✿ღ✿◈，是大模型时代最接地气和实用的架构✿ღ✿◈。

　　OPPO大数据部长郑秋野分享了Data+AI统一底座的建设经验✿ღ✿◈，上云后成本降低50%✿ღ✿◈，并通过AI助理实现自然语言查询与智能打标✿ღ✿◈，提升数据使用效率✿ღ✿◈。

　　当下✿ღ✿◈，OPPO在AI时代的应用主要聚焦在用户✿ღ✿◈、产品✿ღ✿◈、营收三个方面✿ღ✿◈。郑秋野特别提到✿ღ✿◈，在营收增长层面✿ღ✿◈，多云协同的智能推送已经是公司内部增长的核心引擎✿ღ✿◈，团队也一直持续在探索如何在保障体验的同时✿ღ✿◈，借助AI驱动收入上的增长✿ღ✿◈。

　　总结而言✿ღ✿◈，这三个方面的落地其实都离不开DATA+AI深度的协同✿ღ✿◈，但过往自建IDC存在成本高✿ღ✿◈、弹性差✿ღ✿◈、运维难等问题✿ღ✿◈。经过和阿里云的深入沟通和技术支持✿ღ✿◈，OPPO采用混合云架构和精细化的迁移方案✿ღ✿◈，实现了业务无感迁移和成本降低50%的结果✿ღ✿◈。基于此✿ღ✿◈，OPPO构建了具备统一存储✿ღ✿◈、统一元数据✿ღ✿◈、弹性伸缩和多引擎兼容四大特性的Data+AI底座✿ღ✿◈，持续支撑AI业务的扩张✿ღ✿◈。

　　AI原生不是简单地“在现有系统里叠加AI功能”✿ღ✿◈，而是把AI视为底座✿ღ✿◈，重新设计企业的技术架构与业务逻辑✿ღ✿◈，这很容易让人联想到✿ღ✿◈，上个时代云计算向云原生的转向✿ღ✿◈。

　　就像“云原生”不是把旧应用搬到云上✿ღ✿◈，而是从一开始就为云环境而设计✿ღ✿◈，AI原生同样意味着✿ღ✿◈，从一开始就让AI能力融入系统✿ღ✿◈、流程✿ღ✿◈、产品的每一个环节✿ღ✿◈，在云栖大会AI原生架构十问夜线位企业CIO✿ღ✿◈、CTO又进一步达成一些共识和行动指南✿ღ✿◈，涵盖战略及ROI✿ღ✿◈、技术及架构✿ღ✿◈、组织及人才等各方面✿ღ✿◈，诸多要素相辅相成✿ღ✿◈。

　　天鹅到家CTO杜佳利则分享了AI在家政领域的“激进”落地路线✿ღ✿◈：包括考虑企业的获客成本✿ღ✿◈、运营成本✿ღ✿◈、优先在ROI高的场景投入等✿ღ✿◈。

　　在AI技术架构的全面升级层面✿ღ✿◈，传统架构已到极限✿ღ✿◈，软件的复杂性和数据规模都在指数级增长✿ღ✿◈，人工规则式的系统越来越难适应变化✿ღ✿◈，AI原生架构能以更低的边际成本处理更复杂的任务✿ღ✿◈。过去企业拼的是执行力✿ღ✿◈，现在拼的是“智能密度”✿ღ✿◈，谁能让AI更好地理解业务✿ღ✿◈，谁就能跑得更快✿ღ✿◈。

　　在软件研发层面✿ღ✿◈，茄子快传CTO陈少为表示✿ღ✿◈，写文档比写代码更难✿ღ✿◈，因为它要求开发者从技术视角转向客户视角✿ღ✿◈，具备产品意识✿ღ✿◈。许多工程师虽技术出色✿ღ✿◈，却缺乏用户导向的表达能力✿ღ✿◈，因此企业应培养技术人员的产品思维✿ღ✿◈。

　　他认为✿ღ✿◈，AI最能帮助的是具备跨领域能力的高级程序员✿ღ✿◈，他们能借助AI整合开发✿ღ✿◈、测试与产品设计✿ღ✿◈，实现更高效的个人闭环✿ღ✿◈。AI使“一个人搞定更多事”成为可能✿ღ✿◈，但也让中层✿ღ✿◈、技能单一的程序员面临挑战✿ღ✿◈。

　　陈少为强调✿ღ✿◈，AI转型不仅是技术问题✿ღ✿◈，还涉及组织✿ღ✿◈、HR✿ღ✿◈、财务等协同✿ღ✿◈，必须是一把手工程✿ღ✿◈。AI真正的价值在于减轻重复劳动✿ღ✿◈，让工程师专注于架构思考和创新✿ღ✿◈，实现研发效率与创造力的双提升✿ღ✿◈。

　　在领域知识的转化层面✿ღ✿◈，树根互联副总裁沈春锋以工业领域为例✿ღ✿◈，工业数据与消费互联网数据最大的不同✿ღ✿◈，在于它包含了大量隐性知识✿ღ✿◈，这些知识往往藏在设备✿ღ✿◈、传感器与工艺过程之中✿ღ✿◈，无法直接以文字或标签的形式呈现✿ღ✿◈。

　　这意味着✿ღ✿◈，工业智能化要走通✿ღ✿◈，必须解决“如何让工业数据会说话”的问题✿ღ✿◈。以某全球林业客户为例✿ღ✿◈，他们拥有多年的种植和土壤数据积累✿ღ✿◈，希望通过AI找出特定地块产量不高的原因✿ღ✿◈。然而✿ღ✿◈，由于相关知识体系尚未结构化✿ღ✿◈，现有模型难以直接回答申博太阳城官网下载✿ღ✿◈。

　　树根科技正在探索一种“多个小模型协同”的思路✿ღ✿◈：通过大量贴近场景的小模型✿ღ✿◈，对每一类数据✿ღ✿◈、每一个细微变量进行分析✿ღ✿◈，再将这些结果交由大模型统一整合与推理✿ღ✿◈。

　　他认为✿ღ✿◈，未来AI在工业场景中的发展路径✿ღ✿◈，可能并非单一大模型主导申博太阳城官网下载✿ღ✿◈，而是形成“大模型+无数小模型”的组合生态✿ღ✿◈。小模型深入现场✿ღ✿◈、理解具体工况✿ღ✿◈；大模型在上层进行知识归纳与智能决策✿ღ✿◈。只有这样✿ღ✿◈，工业领域庞杂的隐性知识才能被真正激活✿ღ✿◈，让数据不再沉默✿ღ✿◈，推动AI从“能用”走向“好用”✿ღ✿◈。

　　类似地半岛游戏✿ღ✿◈，在组织与人才层面✿ღ✿◈，达能中国✿ღ✿◈、北亚及大洋洲信息技术&数据副总裁刘冰提出的一个问题✿ღ✿◈，几乎击中所有企业的痛点✿ღ✿◈：AI应该应用在哪些场景✿ღ✿◈，谁来决定？如果完全由IT部门主导✿ღ✿◈，AI可能变成技术的自娱自乐✿ღ✿◈；如果完全交给业务部门✿ღ✿◈，需求又可能超出技术边界✿ღ✿◈，变成不切实际的幻想✿ღ✿◈。

　　达能的解法是成立“AI攻坚组”✿ღ✿◈，把业务和技术人员放在一起✿ღ✿◈，从数据✿ღ✿◈、流程到文化全面推进✿ღ✿◈。首先是让分散在不同渠道的数据沉淀下来✿ღ✿◈，形成可复用的资产✿ღ✿◈；其次是重构业务流程✿ღ✿◈，而不是在旧流程上简单加一个AI模块✿ღ✿◈；最后则是推动文化变革✿ღ✿◈，让员工日常工作中习惯性使用AI工具✿ღ✿◈，甚至自己动手训练小模型或小Agent✿ღ✿◈。刘冰强调✿ღ✿◈，AI原生不是自上而下的命令式工程✿ღ✿◈，而是战略定力与文化自觉的双轮驱动✿ღ✿◈。

　　杜佳利也表示✿ღ✿◈，天鹅到家在具体的组织上也作出了变革✿ღ✿◈，以更好更快地支撑AI战略的落地✿ღ✿◈，他们打破部门壁垒✿ღ✿◈、岗位壁垒✿ღ✿◈，通过成立AI实验室✿ღ✿◈、高频次的内部分享和头脑风暴✿ღ✿◈，从上而下（从leader到骨干）✿ღ✿◈，快速提升全员认知✿ღ✿◈，并鼓励跨岗位参与AI项目✿ღ✿◈。

　　如上所述✿ღ✿◈，AI落地的“冰山之下”✿ღ✿◈，隐藏着比模型本身更庞杂的系统工程✿ღ✿◈。技术只是冰山露出水面的那一角✿ღ✿◈，而真正决定成败的✿ღ✿◈，是水面之下的架构✿ღ✿◈、数据✿ღ✿◈、人才✿ღ✿◈、业务与组织等深层因素✿ღ✿◈。

　　架构决定了AI能否与企业现有系统高效融合✿ღ✿◈；数据是模型学习与持续进化的“燃料”✿ღ✿◈；人才则是连接技术与业务的桥梁✿ღ✿◈，既懂算法又懂场景的人才尤其稀缺✿ღ✿◈；业务流程是否具备可被智能化改造的空间✿ღ✿◈，直接影响AI的落地价值✿ღ✿◈；而组织机制——从战略投入✿ღ✿◈、跨部门协同到绩效体系——则决定了AI能否从“试点项目”走向“规模化能力”✿ღ✿◈。这些因素相互作用✿ღ✿◈，构成了AI落地的深层“地基”✿ღ✿◈，决定着企业智能化转型的厚度与韧性✿ღ✿◈。

　　阿里云智能集团公共云事业部AI加速器解决方案总经理娄恒综合表示✿ღ✿◈，企业落地AI可遵循“三步走”✿ღ✿◈：

　　“人工智能✿ღ✿◈，不是工具的革命✿ღ✿◈，而是科学革命的工具”✿ღ✿◈，正如阿里云创始人王坚所说✿ღ✿◈，同理✿ღ✿◈，AI原生✿ღ✿◈，也不仅仅是一种技术架构的革新✿ღ✿◈，而是重构企业理解智能世界运行逻辑的起点✿ღ✿◈。