专场出品人：耿电
阿里云 大模型技术服务负责人
连续8年负责天猫双11大促稳定性保障工作，创新研发阿里巴巴全链路压测、全链路功能等代表阿里质量里程碑产品。目前负责阿里云公共云大模型技术服务和AI汽车行业技术。基于阿里云算力和通义千问大模型，从IAAS、PAAS/MAAS、SAAS三层，构建面向AI汽车、能源、交通、物流、游戏、直播、互联网、泛企业等客户的B端大模型服务履约能力，支持通义大语言大模型、视觉模型qwen-vl系列、语音模型、百炼平台、大模型SAAS产品等。面向大模型开源/闭源/私有化部署等，会提供平台化部署、硬件适配到资源调度、数据采集到模型训练、智能体应用构建到AI应用工程、安全合规到 AI 服务稳定性、评测到优化、运维升级等所需要的AI全栈技术服务。
专场：生成式AI行业应用
专场聚焦生成式AI技术从实验室到产业落地的实践路径，通过三大垂直领域案例解析其商业化闭环构建逻辑。首讲《VOC智能洞察在AI汽车领域的实践落地》将展示如何通过生成式AI重构用户声音分析体系，实现汽车产品全生命周期的智能优化；第二讲《被误解的RAG：从"过时"到"刚需"的工程化价值重塑》将深度剖析知识增强型AI系统的技术演进，揭示企业级应用中数据融合与模型迭代的黄金平衡点；终场《基于AI眼镜的多模态能力构建》则带来人机交互革命性场景的前沿探索，展现视觉、语音、空间计算等多模态技术的协同创新。本专场旨在搭建产学研深度对话平台，为参会者提供可复用的技术解决方案与行业变革方法论，共同探索生成式AI驱动产业智能化的无限可能。
张柯
VOC智能洞察在AI汽车领域的实践落地
阿里云 大模型技术服务专家
拥有10年阿里工作经验，专注于AI技术的落地与创新。从早期的数据挖掘到图像处理，再到自然语言处理（NLP），直至当前的大模型时代，几乎完整参与并见证了AI技术的演进历程。在大模型领域，精通Transformer及其衍生架构的优化技术，在模型设计、调参和高效训练方面积累了独到的方法论和实践经验。
主要擅长从数据到算法再到应用的全链路智能化解决方案设计与实施，能够精准识别业务痛点并提供定制化AI技术支持。在气象、金融、工业、税务、财政及自动驾驶等多个领域，主导并成功交付了众多高复杂度的AI项目，展现了卓越的技术深度与场景适配能力。多年的跨领域实践使我具备了敏锐的技术洞察力和高效的跨团队协作能力，始终致力于用AI推动行业智能化升级。
本主题将深入探讨AI技术在RAG中的创新实践，聚焦“VOC客户之声”系统在汽车行业的落地应用。基于通义大模型和向量技术，该系统自动化处理社媒、官渠等海量数据，构建科学标签体系，显著提升分析效率与准确性，降低运营成本。VOC系统作为车企的“眼睛”和“耳朵”，将AI能力与实际业务结合，实现从数据洞察到行动的全流程闭环，助力企业在激烈市场竞争中快速响应需求变化，提升客户满意度，真正体现AI技术在汽车领域的实践价值。
内容大纲
1. VOC业务背景
1.1 VOC业务的核心价值
1.2 VOC在AI汽车行业的重要性
1.3 VOC业务洞察示例
1.4 VOC技术演进路线
2. 核心落地技术方案
2.1 传统方案的不足与技术创新
2.2 AI大模型完美解决传统VOC的痛点
2.3 标签标注大模型创新方案简述
2.4 标签自动挖掘策略的启发思路
3. 典型案例落地
3.1 智能标签标注场景落地案例与效果
3.2 智能标签挖掘场景落地案例与效果
4. 未来规划
4.1 VOC后续演进与规划
听众受益
您将会了解到AI技术在真实业务场景中的落地经验，深入剖析从VOC客户之声到技术选型的完整思考过程，并通过数据示例与典型案例展示AI在数据分析领域的巨大价值。同时，您将深入学习如何利用基于大模型的创新标签自动生成体系，实现从海量文本中“自动”提炼关键要素并构建高效、合理的标签体系，大幅降低人工标注成本。特别是“冷启动”能力的支持，让企业无需任何前期投入即可快速上手，通过API接口灵活开展数据实验，挖掘高价值洞察。无论您是技术专家还是业务决策者，这场分享都将为您提供实用的方法论和启发，助力您在数据分析与AI应用领域抢占先机。
魏朝辉
被误解的RAG：从“过时”到“刚需”的工程化价值重塑
阿里云 大模型技术服务专家
2015年入职阿里巴巴集团，先后参与多个电商中台业务系统的建设。2019年加入阿里云智能事业群作为技术服务专家负责B端项目交付，深度参与多个政府、零售行业数字化转型项目建设。2023年开始，作为大模型技术服务专家为阿里云行业客户提供AI/大模型技术服务，服务内容覆盖图片RAG增强检索、Mutil-Agent智能体、模型微调推理优化、算力迁移评估等多个方向，在汽车、游戏、手机等多个行业积累了丰富的实践落地经验。
RAG（检索增强生成）虽常被诟病为“过时技术”，但其在工程化场景中仍发挥不可替代的作用。本次演讲将从RAG的演进历史出发，剖析其被误解的根源（如幻觉、复杂度等），然后结合三大行业案例——意图识别准确率提升、车辆检修问答系统优化、多模态RAG在自动驾驶中的应用，深入解析RAG如何通过工程化手段解决实际问题，为技术团队提供可复用的落地策略与创新思路。
内容大纲
1. RAG的认知误区与工程价值
历史与现状
RAG从朴素范式到模块化范式的演进路径
当前对RAG的三大误解：幻觉依赖、复杂度高、无法替代微调
工程化核心价值
数据隐私与动态更新的平衡：RAG通过本地化知识库避免数据泄露风险
成本可控性与知识灵活性的结合：相比微调，RAG的增量部署成本更低，且能快速响应业务变化
2. 案例解析：RAG的实战落地
案例1：意图识别准确率提升
问题：传统意图识别小模型在长尾场景下泛化能力弱
解决方案：
构建动态知识库（如FAQ、用户历史查询记录），通过RAG增强上下文理解。结合意图分类与检索增强，提升准确率
案例2：企业私域知识问答RAG PK微调
问题：数据质量特殊性影响微调效果
解决方案：通过构建结构化知识图谱（如故障代码-维修步骤映射），结合RAG混合检索
案例3：多模态RAG在辅助驾驶中的应用
问题：车辆采集数据（图像/视频）与文本指令的语义对齐困难，故障定位准确率低
解决方案：
基于模型的多模态检索增强，结合图像特征提取及编码与文本向量化，提升文本
索引召回准确率
3. RAG的工程化未来挑战
上下文长度限制与鲁棒性问题（如长文本截断导致信息丢失）
多模态数据的对齐与融合（如图像与文本语义差异）
听众受益
纠正对RAG的认知偏差，理解其在工程化场景中的核心价值
掌握三大案例的工程化方法论，包括意图识别、问答系统、多模态检索的落地技巧
获取RAG与微调结合的实践路径，平衡成本与性能
内容大纲
1. RAG的认知误区与工程价值
历史与现状
RAG从朴素范式到模块化范式的演进路径
当前对RAG的三大误解：幻觉依赖、复杂度高、无法替代微调
工程化核心价值
数据隐私与动态更新的平衡：RAG通过本地化知识库避免数据泄露风险
成本可控性与知识灵活性的结合：相比微调，RAG的增量部署成本更低，且能快速响应业务变化
2. 案例解析：RAG的实战落地
案例1：意图识别准确率提升
问题：传统意图识别小模型在长尾场景下泛化能力弱
解决方案：
构建动态知识库（如FAQ、用户历史查询记录），通过RAG增强上下文理解。结合意图分类与检索增强，提升准确率
案例2：企业私域知识问答RAG PK微调
问题：数据质量特殊性影响微调效果
解决方案：通过构建结构化知识图谱（如故障代码-维修步骤映射），结合RAG混合检索
案例3：多模态RAG在辅助驾驶中的应用
问题：车辆采集数据（图像/视频）与文本指令的语义对齐困难，故障定位准确率低
解决方案：
基于模型的多模态检索增强，结合图像特征提取及编码与文本向量化，提升文本
索引召回准确率
3. RAG的工程化未来挑战
上下文长度限制与鲁棒性问题（如长文本截断导致信息丢失）
多模态数据的对齐与融合（如图像与文本语义差异）
听众受益
纠正对RAG的认知偏差，理解其在工程化场景中的核心价值
掌握三大案例的工程化方法论，包括意图识别、问答系统、多模态检索的落地技巧
获取RAG与微调结合的实践路径，平衡成本与性能
段然
基于AI眼镜的多模态能力构建
拂曦科技 CEO
香港中文大学 深圳青年企业家成员、深圳市对外经贸协会成员、歌尔战略合作伙伴、麦肯锡合作伙伴、华为云全球生态合作伙伴、北京大学燕园有约系列 主讲嘉宾、深圳市政协会议科创企业代表等。
作为资深XR与AI行业从业者，连续创业者，曾带领团队开发过多款年收入过千万的相关产品，累计获得数家战投、风投的投资。目前所创办的拂曦科技，目前是AI眼镜领域的头部供应商，已服务多家上市公司客户，并积极布局与Meta、华为的合作推动AI眼镜行业进一步发展。
作为资深XR与AI行业从业者，连续创业者，曾带领团队开发过多款年收入过千万的相关产品，累计获得数家战投、风投的投资。目前所创办的拂曦科技，目前是AI眼镜领域的头部供应商，已服务多家上市公司客户，并积极布局与Meta、华为的合作推动AI眼镜行业进一步发展。
AI眼镜作为融合人工智能与可穿戴技术的下一代交互终端，正经历从技术突破到产业生态重构的关键阶段。2024-2025年，行业呈现技术多模态化、应用场景多元化、产业链协同深化三大趋势：多模态大模型赋能实现自然交互与主动服务能力，成熟供应链和市场新需求双轮驱动场景落地，但硬件重量续航等性能瓶颈、对多模态模型的端云协同计算、主动感知下隐私安全等核心问题仍待解决。未来，随着端云协同计算、 AI存算一体芯片和底层系统生态体系的成熟，AI眼镜将向泛智能终端演进，成为pc、手机之后另一个可能过十亿用户的消费产品。
内容大纲
1. AI眼镜目前市场趋势与供应链解析；
2. 云端多模态能力如何赋能硬件；
3. 化繁为简还是多合一，技术终局思考
听众收益
1. 目前国内最为热门的智能硬件方向，市场可参考传统眼镜市场，2023年传统眼镜年发货量是14.3亿副，预测2028年为16亿副。智能眼镜是从替代传统眼镜的进程中获取市场空间，预计2025年市场规模翻番，2026 年发货量过千万，到2030年AI加上AR眼镜年发货量能够超过 1.3 亿副。
2. 寻找AI应用领域新突破点，基于pc、手机侧的大模型及其应用百花齐放，但在AI眼镜上目前仅有Meta一枝独秀。但该领域的市场潜力极大，推测未来三年将会有爆款基于AI眼镜侧的AI应用出现。
3. 新研究课题的构建，便于论文发布。以及寻求商业化突破等，有较多潜在市场待发掘。
SECon组委会是由业界多位资深技术专家发起，负责组织技术指导委员会，并和委员会的专家一起挖掘全球软件工程领域的创新技术，同时依托智盟创课国内领先的人才能力提升服务供应商，组织专业的会务服务团队，全面推进会议的顺利落地，保证参会者体验。
服务总线：400-183-9980
商务合作：151-2264-3988 木子
票务联系：186-0005-0529 丽媛
E-mail：speaker@secon.com.cn
关注SECon公众号
添加SECon小助手，获取
会议最新资讯
