硅谷大模型创业生态及应用实践_SECon全球软件工程技术大会-橙柚科技

首页

大会日程

专题论坛

议题提交

参会须知&酒店

参会购票

往届嘉宾

专场出品人：Jay陈杰

《出海相对论》主理人

《出海相对论》主理人，独立播客制作人。消费互联网创业&投行背景，长期关注消费、科技、AI等领域的出海全球化创新创业。

专场出品人：李佳芮

句子互动创始人&CEO，微软 AI MVP & RD

句子互动创始人&CEO、Y Combinator 校友、微软人工智能最具价值专家（AI MVP）、全球最大对话式交互RPASDK开源框架Wechaty联合作者、《出海相对论》主理人、2023 福布斯中国最具影响力华人精英 TOP100、2023 年度优秀作者、「福布斯」30 Under 30、女性科创先锋、中关村 30 Under 30、36 氪 36 under 36 S 级创业者、金刀年度女性领导力 TOP10 、RCEP U35 科创青年领袖榜单，2021 科创中国·青年创业榜榜单。出版了对话式 AI 图书《Chatbot 从 0 到 1：对话式交互设计实践指南》、《Chatbot 从 0 到 1（第 2 版）：对话式交互实践指南》，拥有多年对话式营销经验。

专场：硅谷大模型创业生态及应用实践

本专场立足于硅谷视角，围绕大语言模型创业生态及应用实践，通过硅谷一线大模型创业者与技术领航者的亲身讲述，旨在为全球华人 AI 极客与技术爱好者分享大模型应用实战经验与前沿洞察。

本专场内容涉及 AI Infra、开源、RAG、Agent、AI+SaaS 等众多最具关注度的 AI 话题，深入浅出讲述从0到1的技术要点与最佳实践。

同时在 AI 全球化的大背景下，本专场将从具体案例出发，详解新一代科技企业走向全球的最新方法论与独到经验，是一场不可多得的 AI 思想交流盛宴。

联合出品：SECon X《出海相对论》播客

栾小凡

向量数据库，不只是「大模型的海马体」

Zilliz 合伙人兼研发VP

Zilliz 合伙人和研发 VP，同时是 LF AI & Data 基金会技术咨询委员会成员。在加入 Zilliz 前，他在阿里云担任研发经理，负责 NoSQL 数据库 Lindorm 的研发工作。此前，他曾先后在美国甲骨文公司和软件定义存储公司 Hedvig 担任软件工程师。拥有康奈尔大学计算机工程硕士学位。

IDC 预测，到 2025 年，全球数据总量中将有超过80%的数据是非结构化数据。向量数据库作为一种专门用于存储和检索向量数据的数据库系统，是将非结构化数据转化为机器可以理解的语义的关键所在。随着 AI 尤其是大模型技术的快速发展，向量数据库的价值也愈发凸显了出来。Zilliz 的创始人兼 CEO 星爵预测，未来向量数据库的成本预计降低 1000 倍以上。在此背景下，向量数据库厂商如何理解自身的定位及产品？又该如何在全球化的竞争中把握机会、脱颖而出？

内容大纲
1. 大模型的海马体 - 向量数据库
1.1 为什么需要向量数据库
1.2 GenAI 时代向量数据库扮演的重要角色 - RAG & Agent应用简介
2. Milvus - 全球领先的开源向量数据库
2.1 Milvus简介
2.2 Milvus 2.4 - 更快，更准，成本更低
2.3 Milvus 面向GenAI场景的功能迭代
3. Zilliz Cloud - 企业级向量检索服务
3.1 Zilliz Cloud 助力全球企业构建云上全托管向量检索服务
3.2 Zilliz Cloud 明星功能介绍
3.3 我们从构建全球化的向量检索服务学到的四个教训

听众收益
1. 深度学习向量数据库的发展脉络及现状
2. 感受 AI 时代领先的向量数据库产品及技术
3. 了解 AI 时代领先的向量数据库公司的商业模式与先进经验
4. 全方位理解向量数据库与大模型、RAG 之间的关系及未来走向

陶芳波

记忆、AI 身份和个人模型

Mindverse（MindOS）创始人&CEO

Mindverse 的创始人兼 CEO，本科毕业于清华大学，博士毕业于伊利诺伊大学厄巴纳-香槟分校，师从数据挖掘第一人 Jiawei Han 教授。
于2017至2019年间在美国Facebook公司从事AI研发工作，带领团队设计并实现了 Facebook 历史上第一个内容理解平台，并支撑Facebook全球10%的流量；其于2019年回国，随后加入阿里巴巴达摩院，创建“神经符号实验室”，开发了国内首个AI-神经符号融合技术。

于2022年1月创立心识宇宙科技有限公司，致力于创造类人智能的人工智能体（AI agent），其携团队自主研发了统一心识框架 UMM、大推荐模型 LPM 和大接口模型 LIM，并在全球最大的创新产品平台之一 Product Hunt 上正式发布了人工智能体生成平台 MindOS，获评周榜产品前三，并成为当月获评量最高的 AI 产品之一。

随着大模型的迅速发展，通用人工智能（AGI）已从一个遥远的愿景变成迫在眉睫的议题。在本次演讲中，讲者将首先探讨特定领域 Narrow AI 的发展及其遇到的限制，并讲述其团队结合大模型与通用认知架构探索 AGI 的实践。除了对 AGI 的追求外，讲者还将展示 AI 的另一种未来方向：以个性化记忆为核心的多样化AI——ADI。在这一愿景中，通用的世界模型与多样化的个体模型相结合，为每个企业和个人打造独特的 AI 身份。这种身份不仅表征了原生身份价值，还将在AI世界中构建一个全新的互联网生态，深化人与人、人与服务之间的连接和互动。演讲者将通过两个具体案例，详细介绍如何构建企业和个人的AI身份，并探讨支持这一过程的相关基础设施。

内容大纲
1. AI探索十四年：从 Narrow AI 到 AGI
1.1 Narrow AI 的发展与困境
1.2 大模型+认知架构走向 AGI
2. 大模型时代的 AI 身份：从 AGI 到 ADI
2.1 什么是 ADI 和 AI 身份：超级智能之外的个性化表征
2.2 企业 AI 身份构建
2.3 个人 AI 身份构建
2.4 ADI 基础设施：硬件体系、AI-native 记忆、个性化模型（LPM）和新交互范式（LIM）
3. ADI 的未来：AI 身份构成全新的互联网

听众收益
1. 了解如何具体构建个人或企业的AI身份
2. 了解 ADI 背后的技术框架
3. 了解ADI的发展与应用，把握技术趋势，预见行业动态

袁行远

Transformer 内部如何工作、模型结构优化探索以及对于提示词编写的启发

彩云科技创始人&CEO

彩云科技创始人兼CEO。彩云天气、彩云小译和彩云小梦的主要作者。2016 GTC Social Innovation Award，2020首届中国气象服务协会科学技术风云人才奖得主。畅销科普书《漫谈人工智能》作者之一，《我的三体之章北海传》英文翻译。

随着人工智能技术的迅猛发展，Transformer模型已经成为了处理语言、图像等复杂数据任务的关键技术。然而，模型内部的工作机制仍有许多值得探讨和优化的地方。本次演讲将聚焦于Transformer模型的内部工作原理、结构优化的可能性，以及如何基于对模型的深入理解来改进提示词的编写，进而提高模型的效率和应用的广泛性。

内容大纲

1. Transformer模型的基本工作原理

1.1 核心架构及其功能解析

1.2 关键技术：自注意力机制的作用

2. 模型结构优化探索

2.1 当前优化趋势与挑战

2.2 潜在的改进方向和方法

2.3 实例分析：优化案例的展示

3. 对于提示词编写的启发

3.1 如何利用模型理解优化提示词

3.2 提示词的实际应用案例

3.3 提示词编写的技巧与最佳实践