专场出品人：王兴朝
传音移动互联 高级总监
传音移动互联的高级总监，完成基础设施的构建，实现了0到1及1到100的蜕变。设计并推动了“Region自治”的混合云全球化架构，该架构已成功在三大云平台的近20个Region中落地，为公司的全球业务提供了坚实的技术支撑。
在携程的近8年职业生涯中，作为研发总监，交付了9个产品体系，并主导了大部分中间件产品的设计开发。深度参与了公司架构的多次升级，作为主要设计者之一，为公司的技术进步做出了重要贡献。在离开之前，主要负责网关、软负载和微服务框架的流量体系工作，并推动了单元化建设和精细化运营的实施。
工作经验涵盖了离线与在线系统、高并发实时系统、高吞吐量的大数据系统、监控体系构建、线上核心架构建设以及多数据中心和混合云架构的设计。对运维和研发体系都有深刻的理解，并拥有丰富的实战经验。擅长架构设计和模型构建，并通过产品和项目的有效结合，将设计理念转化为实际成果。
专场：业务架构实践
在快速变化的商业世界中，业务架构是实现企业战略和引领数字化转型的关键。然而，由于其复杂多维的特性，业务架构常常因人而异，每个人对其都有独特的理解。
尽管理念各异，业务架构普遍面临共性挑战，包括历史债务、架构膨胀、交付及时性、功能扩展性、人力资源紧张、成本上升，以及短期与长期目标的平衡。此外，行业特性、业务规模、组织分工等因素也使得每家企业的业务架构各具特色，需量身定制解决方案。本次专场将汇聚不同企业的优秀案例，通过分享与交流，帮助参与者应对这些共性挑战，并探索适合自身企业的架构策略，激发新的灵感与方向。
尽管理念各异，业务架构普遍面临共性挑战，包括历史债务、架构膨胀、交付及时性、功能扩展性、人力资源紧张、成本上升，以及短期与长期目标的平衡。此外，行业特性、业务规模、组织分工等因素也使得每家企业的业务架构各具特色，需量身定制解决方案。本次专场将汇聚不同企业的优秀案例，通过分享与交流，帮助参与者应对这些共性挑战，并探索适合自身企业的架构策略，激发新的灵感与方向。
张兵全
腾讯视频推荐端云一体化架构
腾讯 视频推荐专家
在腾讯科技担任腾讯视频推荐工程方面的12级后台专家工程师。在搜广推架构的探索与实践中，已积累了十余年的宝贵一线经验。曾负责过腾讯多个产品的推荐链路业务及架构优化工作。
多年致力于对高并发、高吞吐和低延时等后台场景的优化，支撑过数百个应用场景。对推荐链路中的各个模块，包括召回子系统、排序子系统和混排等，进行过深入的研究与实践，架构上实现大量创新。在性能优化、成本优化和效率提升方面，积累了丰富的实战经验，更形成了一套行之有效的优化方法论。始终保持对新技术的敏感度，积极探索与实践。
多年致力于对高并发、高吞吐和低延时等后台场景的优化，支撑过数百个应用场景。对推荐链路中的各个模块，包括召回子系统、排序子系统和混排等，进行过深入的研究与实践，架构上实现大量创新。在性能优化、成本优化和效率提升方面，积累了丰富的实战经验，更形成了一套行之有效的优化方法论。始终保持对新技术的敏感度，积极探索与实践。
腾讯视频推荐创造性地提出了端云一体化的推荐架构设计，旨在结合利用终端设备的实时反馈能力和云端的强大计算存储能力，构建一个业务层面零延迟的实时链路，并做了大量端云协同的创新优化。有效地缓解了用户反馈跨多刷延迟、用户实时特征上报和计算长尾滞后问题。大幅提升了推荐的实时推荐能力以应对用户对个性化内容推荐日益增长的需求。基于此架构，我们深入实现了端云实时画像、端云重排以及长序列实时建模等多个实践方向，展现了我们在推荐系统领域的最新成果和创新思维。
内容大纲
1. 腾讯视频推荐架构介绍
1.1 架构流程图
2. 推荐架构中实时性重要性
2.1 物料数据实时性
2.2 用户反馈数据实时性
3. 端云一体化架构
3.1 端云架构对比
3.2 端云数据中心设计
3.3 端云数据模块介绍
4. 端云架构应用
4.1 端云实时画像应用
4.2 端智能重排应用
4.3 用户长序列实时建模应用
4.4 曝光过滤优化
5. 收益和思考
听众收益
1. 了解业界先进的推荐系统生产架构
2. 腾讯视频在优化推荐实时性的创新思路
3. 了解推荐端云一体架构实现和优化
4. 了解存算一体化推荐架构优化
沈伯伟
支撑海外多业务场景的高稳定支付架构演进
快手 支付技术中心海外支付研发负责人
目前担任快手支付海外方向的技术负责人，在京东和快手从事过云计算和支付领域研发的相关工作，在海外支付业务有3年多的研发经验。经历了快手海外支付系统从0到1建设、二代架构重构演进和IDC架构的演进，负责过多个海外支付重点系统的能力建设。
熟悉海外直播、电商、激励等场景中支付业务的特点和系统架构，负责过多次海外大型活动的支付系统稳定性保障，在面对海外诸多不确定性场景如何保证支付系统稳定和资金安全方面有丰富的经验。
熟悉海外直播、电商、激励等场景中支付业务的特点和系统架构，负责过多次海外大型活动的支付系统稳定性保障，在面对海外诸多不确定性场景如何保证支付系统稳定和资金安全方面有丰富的经验。
快手海外支付从2020年初发展至今，从早期和国内支付系统共建，到新加坡机房独立部署，再到二代架构升级。支持的业务范围也从最初的直播和激励，逐步扩展至电商、商业化和小游戏等领域，这中间经历了多个重要的里程碑。面对着海外众多业务的高速发展和各国基建的不确定性，支付系统架构演进也面临着诸多挑战，在保障业务接入效率的同时还需要更多关注系统稳定性和资金安全建设，这就要求海外支付系统架构既要做的足够简洁清晰可复用，以快速适配业务发展，支持更多新业务接入；又要做到健壮稳定可容灾，以面对海外诸多异常风险。本次分享将介绍快手海外支付系统伴随众多支撑业务一路发展过程中业务架构和IDC架构的演进，以及稳定性治理的实践，讨论如何面对海外诸多不确定性场景搭建高稳定性支付系统。
内容大纲
1. 海外支付业务介绍
2. 业务架构演进
2.1 二代海外支付架构演进
2.2 海外电商场景下的支付系统建设
2.3 海外直播场景下账务系统能力
2.4 海外多业务场景下的多维度路由系统能力
3. IDC架构演进
3.1 国内IDC迁移新加坡
3.2 AZ2.0 升级
3.3 AZ3.0 升级
4. 未来规划
听众收益
1. 了解在海外直播、电商等场景下支付架构演进的实践经验和教训。
2. 了解海外支付场景中高并发、高一致情况下一些技术方案选型上面的考量。
3. 启发思路，通过了解一些不同业务的背景和玩法，对比自身系统的一些优缺点，从中获得启发，帮助其更好地应对未来的技术挑战。
陈旭东
知识图谱深度应用有效提升行业大模型准确率
传化智联 研发总监
传化智联研发部技术总监，曾任职阿里巴巴高级技术专家，现负责传化物流数字化转型、垂直行业人工智能应用平台等研发关键工作，丰富的互联网、物流、制造业等行业从业经历14年，在专业技术、企业管理、科研创新等方面均有丰富经历；在平台技术出海、OSGi 框架研发等平台技术架构也有非常全面资深的了解；在服务化、平台化、国际化等多个领域方向也有丰富的实践经验。
大模型技术正在推动各企业从数字化向智能化的升级。多个行业针对AI需求越来越强烈，从多个制造业企业综合分析行业应用现状，其实AI的实际落地应用仍未跨越鸿沟，技术局限、专业水平、提质增效、数据要素等方面仍面临巨大挑战，需要深入行业应用持续做深做透才有商业化突破的可能性。
本次演讲将从传化服务的行业应用现状分析出发，针对制造业及物流供应链的特点及AI需求共性进行分析，行业级AI应用中多模态文档解析准确度不够、专业词汇不理解、多文档逻辑理解精准性不够以及有一定专业智力水平层级等问题，很大程度影响了AI应用的商用化，在这里行业专业性壁垒的特殊性既是机遇又是挑战。通过行业大模型平台化应用架构解决方案，并用化工、物流等2个跨领域行业应用进行验证AI应用平台的有效性，将会详细介绍在行业应用中如何平台选型（行业应用中基准模型我们为什么会选择chatGLM，以及定制优化策略与大模型的结合）、核心能力的关键技术（RAG与知识图谱互补，知识图谱在提升准确率方面发挥的关键作用;大模型应用于知识图谱的构建及关系推理；RAG结合知识抽取做层次索引增强；用知识图谱在意图识别上的改进;TF-IDF模型的分词权重计算以及TOPK召回、推理等深入的综合应用有效提升大模型在行业场景应用回复准确率到90%+的方法及建议）以及平台化应用研发模式有效提升多个行业场景的AI应用研发效率。
内容大纲
背景：人工智能在行业应用中的现状及挑战
1. 行业应用的特点及AI需求方向：从制造业起家，建立全国27个省市的公路港数实融合创新模式，行业耕耘20年积累了大量的行业资源，分析从40多个行业企业分析AI需求特点及AI场景应用所面临的挑战；如何解决多模态文档解析准确度不够、专业知识不理解、多文档逻辑理解精准性不够也成了行业AI应用难以跨越的鸿沟。
2. 化工、物流等行业实施AI的需求共性及挑战：以化工、物流行业为例，深入洞察各行业AI 应用客户需求现状中的共性，以及达到高智力水平的行业模型的商业机遇及挑战，并用具体的案例进行了解行业数据多、散，以及具备结构化的特点，与知识图谱的数据结构存在有一定的共性。
解决方案：行业大模型平台化应用架构
1. AI平台架构支持多个行业商业化应用：通过实际现状了解行业差异带来智能化小场景应用的快速膨胀问题，通过进一步展开对应AI平台的应用架构设计方案，逐步深入大模型基准模型选型及知识图谱在大模型输入中、训练中、推理中的几个优化方案。
2. 大模型的选型
2.1 如何更好选择的AI基准模型，让AI参加专业考试；
2.2 对话引擎选型，基于策略VS生成模型；
3. 知识图谱发挥的几个核心能力
3.1 RAG的缺陷及知识图谱的互补作用
3.1.1 行业知识图谱建设的关键点-三元组关系
3.1.2 大模型应用于知识图谱的构建及关系推理
3.1.3 RAG_层次索引增强
3.1.4 知识关系可视化运营的必要性
3.2 行业知识图谱如何解决用户意图识别以及问题改写，进一步提升准确率
3.2.1 基于TF-IDF模型的分词权重计算，行业用户使用意图识别率提升
3.2.2 结合策略的设计，加强算法运营，弥补意图识别词性分类算法异常
3.2.3 子图级别的可视化运营设计，意图识别算法干预工具可视化运营
3.3 回复准确率的提升的方案
3.3.1 相似度排序定位知识库及多个句子的最佳推荐
3.3.2 问答清单反馈及知识在线标注
3.3.3 知识切片的运营管理，用知识图谱加强切片中专业内容的识别
3.4 行业应用回复准确率逐步提升要超过90%的几个建议
听众收益
深入理解行业AI应用特点：听众将深入了解当前人工智能在多个生产服务性行业（如化工、物流等）的实际应用情况及面临的共性挑战，包括多模态文档解析、专业知识理解、多文档逻辑理解等难题，从而把握行业AI发展的脉搏。
深化知识图谱在行业中的应用：了解知识图谱与RAG互补以及一些大模型相关的优化方案及策略，提升AI应用的准确率。掌握行业知识图谱建设的关键点、挑战及解决方案，包括三元组关系构建、实体提取与识别、知识关系可视化、意图识别决策等，从而在实际应用中更好地发挥知识图谱的核心能力。
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。
商务合作：木子 15122643988
票务联系：马静 18513067287
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
