AiDD研发数字峰会-上海站

出品人：王健宗

平安科技副总工程师
智能金融前沿技术研究院院长

美国佛罗里达大学博士后，华中科技大学与莱斯大学的联合培养计算机博士，现任平安科技副总工程师、智能金融前沿技术研究院院长，中国人工智能开源软件发展联盟副理事长，中国计算机学会大数据专家委员会委员、杰出会员，广东省计算机学会区块链专委会委员，深圳市领军人才，高级工程师等。专注于大模型、具身智能、联邦学习和人工智能在金融、城市、医疗等领域的研发工作，发表联邦学习、深度学习、云计算、大数据等领域国际论文200余篇，专利500多项，著作4本，同时也是多届国内外知名人工智能和大模型会议出品人。

企业级AI应用系统开发

本论坛将深入探讨大模型训练与落地、AI驱动研发流程变革、多智能体协同等前沿话题，旨在帮助企业掌握LLMOps与云端协同计算实践，构建出既高效又灵活且安全的AI应用系统。与会行业专家将分享他们在模型性能优化、任务调度、业务场景嵌入等环节的宝贵经验，并解答AI规模化应用过程中的常见难题，我们期待技术从业者、产品管理者和创新者齐聚一堂，共同推进企业级AI应用的落地与发展，促进行业内的交流与合作，推动AI技术在企业中的规模化应用，开启AI技术的新篇章。

企业级AI系统构建：从0到1的实践之道

陈洁

网龙网络资深技术总监（AI & Web3）

内容简介：

分享网龙从0到1构建AI系统的实践经验。内容涵盖：从战略规划入手，如何在企业内部推动AI系统建设；Roadmap制定的关键考量与实施路径；AI技术团队及跨职能团队的组建与协作；在技术选型中避坑指南，包括工具链、架构设计及数据治理；项目管理中的经验教训，如如何高效推动落地，平衡技术创新与业务需求。另外，还将重点介绍AI效能评估体系的构建方法，帮助企业量化AI投入的价值，更好地实现商业目标。最后，我将展望未来AI在企业中的潜力与发展方向，为听众提供从0到1的全生命周期经验分享。

演讲提纲：
1.从0到1构建AI系统的背景与目标
2.战略规划：如何推动企业内部AI系统建设
2.1初步调研与可行性分析
-业务需求调研：识别哪些业务场景适合AI赋能，选择切入点
-技术调研，明确建设的必要性和可能性
2.2确定战略方向
2.3构建技术团队（赛马机制）
3.Roadmap制定：从0到1的路径规划
3.1渐进式明确的艺术
3.2MVP 很重要
4.技术选型
4.1评估现有技术与工具链选择（自研0 → 1 | 基于外部开源解决方案？）
5.团队构建与跨团队协作
5.1虚拟团队建设：快速推广AI迭代产出物、收集反馈
5.2建立以业务需求为导向的合作模式，确保技术与业务紧密对接
6.具体场景构建案例分享
6.1基于dify.ai的魔改
6.2AI QA员工
7.AI效能评估体系的构建
7.1明确定量化业务指标（如成本降低、效率提升比例）
7.2效果可视化与持续监控
8.过程中的一些关键问题 & 思考
9.未来展望：AI在企业中的潜力与发展方向
9.1Agent EcoSystem构建
9.2基于DeepSeek的私有化大模型训练、构建教育垂类业务场景大模型（服务端大模型+客户端小模型）

听众收益：
1.企业AI系统构建方法论
从0到1构建企业级AI解决方案的完整框架，包括策略规划、团队搭建、技术选型和项目执行等全过程，帮助明确如何在企业中有效推动AI系统构建、落地
2.实践经验与避坑指南
融入内部真实案例的经验教训和解决方案，规避常见问题
3.AI价值评估与持续优化的实际技巧
学会如何通过量化指标和效果监控体系，验证AI投入的真实价值，并掌握持续优化的方法，从而更好地推动AI在企业中的落地和扩展

现主要负责公司AI 、Web3技术领域的战略规划、难点攻坚、团队构建与战略产品孵化。
过往相关经历：
十五年大型国际企业级系统构建和互联网行业从业经验，擅长全栈技术、团队领导与跨国协作，中日英三语（商务沟通level）。曾于日本雅马哈（Yamaha）总部，任职资深技术总监，负责全球ERP系统的构建与优化，管理分布在日本和中国厦门的跨区域团队。硅谷互联网保险头部公司EHealth.Inc，技术项目总监，主导企业架构升级，包括DevOps体系建设、云迁移和容器化技术实施，推动公司数字化转型。
十余年大型国际企业敏捷开发和DevOps实践经验，精通SAFe框架与Scrum方法。持有多项国际认证，包括SAFe、CSM、PMP及EXIN DevOps Professional。
2022~2023清华 X-lab SDG开放创新马拉松挑战赛导师（Web3）。

因你而变 - 需求工程主动变革拥抱AI革命

沙爽

中兴通讯产品架构规划师

内容简介：

AI来了，我们的需求工作自然而然就可以10倍、百倍的提效了吗？No，一系列挑将会掣肘着AI效果的发挥。人工智能时代，传统需求工程面临三大挑战，包括碎片化需求导致AI规划缺乏战略全局性、个性化自然语言需求描述与AI反复互动低效、信息结构缺失影响AI输出精准度。本分享提出构建需求体系，推动需求与产品战略动态对齐；打造结构化知识图谱，实现需求要素标准化管理；贯通跨域知识网络，强化上下文关联以提升AI生成质量。以iSpace项目为例，采用敏捷共创模式落地实践，达成了构建知识飞轮、流程精简60%、组织架构扁平化的效果，提供需求工程主动变更拥抱AI的标杆经验。

演讲提纲：
1. AI来了，我们面临的严峻挑战
单个需求信息单一缺乏系统化，导致AI所做的需求规划全局性、战略性不足
基于个性化自然语言的需求描述，AI不能很好地理解，导致使用AI需要反复互动效率并不高
信息结构性差、上下文不足，导致AI生成的内容并不精准
2. 重塑需求工程，促进全流程体系的效率提升
通过需求体系化建设，实现增量需求和产品战略对齐、以及系统演进的一致性和完整性
通过需求知识图谱构建，实现过程产物归一化、要素化、标注化
通过跨域知识贯通，实现需求上下文自动关联，实现数据贯通、提高AI生成内容的准确性
3. 企业项目实践：以iSpace项目为试点落地公司级需求工程能力建设
3.1依托项目，通过企业级团队协作空间，落地实施解决方案
3.2组织运作，汇集全公司五大研究院，近50+的专家队伍形成共创项目，迭代式运作
3.3实践效果，知识飞轮转起来了，流程精简了，组织更扁平了

听众收益：
1. 了解大型企业需求工程现状分析与演进方法：学习从传统需求工程到GenAI需求工程的演进框架，打破工具束缚，突破认知局限。
2. 构建需求体系化的实践方法：掌握需求领域体系化建设的底层逻辑，以软件工程端到端视角打通跨域知识体系，构建研发整体提效“高速路”。
3. 获得需求体系化与知识转化效率提升路径：以软件工程视角，从用户视角到场景Agent，构建AI-Ready的体系化知识，让AI生成效率得到飞跃。

资深产品架构规划，大型企业数字化转型实践咨询师。研究院级需求教练，负责组织过程改进，AI研发效率提升专题。在产品规划、需求领域有10+年的实战经验。

基于医疗大模型的企业级应用开发

宋蒙

杭州泰雅 CEO

内容简介：

本次演讲聚焦医疗垂直领域，深入剖析大模型落地的核心挑战与创新路径：从构建医学知识增强的行业大模型、多模态数据融合，到临床研究流程的智能体协同应用，结合真实案例解读技术如何驱动药物研发、临床试验等场景的效率跃升。同时，探讨医疗大模型标准化、可信化及跨机构协作的未来方向，为行业提供可复用的方法论与前瞻性思考，助力技术与产业需求深度对接，释放数智化转型的长期价值。

演讲提纲：
1.引言：医疗行业数智化转型的机遇与痛点
大模型技术浪潮下的医疗创新窗口
行业特殊性：数据壁垒、场景碎片化与合规性挑战
2.破局之道：医疗大模型落地的关键技术路径
医学知识增强：领域预训练与专业语料库构建
多模态融合：跨文本、影像与生物数据的模型优化
智能体协同：AI驱动临床试验全流程自动化
3.实战案例：从技术到场景的价值闭环
医学翻译：高精度跨语言智能翻译平台
药物研发：智能问答系统
受试者招募：智能病例审核及筛选系统
4.未来展望：标准化、生态化与可信化
医疗大模型评估体系与行业规范
跨机构数据协作与隐私计算技术
从“工具赋能”到“决策智能”的演进趋势
5.互动讨论：如何构建技术与产业的共赢生态

听众收益：
1.洞察趋势：了解医疗大模型技术的最新进展与行业落地核心挑战，把握数智化转型的先机。
2.方法论迁移：获取垂直领域大模型构建的关键技术路径，包括数据治理、模型优化与场景适配策略。
3.实战参考：通过真实案例学习如何将大模型应用于药物研发、临床试验等场景，规避落地风险。
4.生态链接：探索跨学科协作与标准化建设方向，推动企业融入医疗AI创新网络。
5.决策支持：为医疗机构、药企和技术供应商提供可落地的智能化升级框架，提升资源配置效率。

专注于AI大模型技术在垂直领域的深度应用与产业化落地，带领团队构建医疗行业专属大模型解决方案，通过数智赋能医疗场景，推动药物研发效率与成功率提升。此外，曾在全球领先的人工智能和云计算公司任职，深耕生命科学领域数字化变革，在医学医药大语言模型构建、多模态行业模型落地、自演进智能体开发等方向具备丰富实战经验，主导多个医疗大模型从技术研发到规模化应用的完整闭环，实现AI技术与临床需求的高效对接。

AiDD峰会

K+峰会

联系我们