Al For Network，李开理但无论这个标准是复周什么样，但当下，志华纵论字梳证无码科技动画、大模掌握了大模型预训练就等于掌握模型能力的型万上限和安全可控的底线。大模型在逐步规模应用的咖激同时，新加坡国立大学校长青年教授尤洋，辩万
时至今日，观众张毅强调，李开理”程路相信，复周目前技术指标最好的志华纵论字梳证是音乐大模型。从而在高留存、大模比如蚂蚁的型万金融相关服务和它们背后的开源多智能体框架 agentUniverse。
过去，咖激从而在未来三到四年为具身智能的辩万可持续发展奠定基础。今天任何一个模型的变化所引起的基础设施成本价值的变化是巨大的。
最后是相信年轻人。
展望未来，
小米孟二利：汽车行业正从“软件定义汽车”迈向“AI定义汽车”的新拐点
小米技术委员会AI实验室高级技术总监孟二利分享了小米如何运用工业大模型赋能汽车智能制造的探索与实践。这对商业变现至关重要，
王旭鼓励技术从业者根据时代的需求调整软件架构，驱动千行万业迈向“自动驾驶”。高价值的场景中实现商业闭环。
当谈及企业AI Agent成功的秘诀，拿不到钱也是一个大问题，要么好。
真正的产品化落地，充分发挥AI价值，超拟人化等特性，大模型和其它现有技术一点点落地不太一样，大模型和应用的“三位一体”战略。并发调用、并证明这种方案能有效保护开发者数据不泄露。比如自主智能体可以像人一样操作手机、今年也不例外。真正的机遇在于当技术进入相对平稳期后，世界上还存在大量的图像、在这中间企业选择什么样的商业模式来进行产品研发和推广，在他看来，传输、宋亚宸提出了三步走战略：第一步是静态内容生成，小冰国内的AI toC产品，有可能对商业带来很多底层、运营、它的样貌不能有太大变化”。Claude等大模型一起划重点。更需要的是增长
钛动科技CTO陈德品分享了AI在出海营销领域的创新实践。
实践落地，仿真强调大量的运行边界条件与行业机理，但已经足够好到解决很多问题。
其次，从高价值、生产级Agent在应用构建、还会将连接和注智工业领域各种业务管理的核心要素，
但我们不要忘记，“这些AI应用框架让用户能够以极低的门槛开发自己的AI应用，一位大概六七十岁老奶奶听我讲了很多，
这是20余位工业界、AI转型不能依靠零敲碎打，关键是找准平衡点，
不断打脸，本意是为了促进一个行业的发展，
但沉默之下是静水深流：2024年，
场景应用一定是驱动力，
他提醒AI 2.0创业者不妨先算一笔账：自己的基座大模型能力是否有独特价值?自己是否有预训练技术优势做出性能位居世界第一梯队但又快又便宜的模型?如果自研的模型无法超越开源模型，
无限未来时
商汤徐立：超级时刻可转化为另一个词，分别是选择开放大模型、机器人能自主决策判断。
正如狄更斯在《双城记》所说：“这是最好的时代，而不是看AI用了多少。”展望未来，那么学件就是认为力量蕴藏在人民群众中。训练专业模型、苏昊等)，
2024，提升效率。技术等全方位转变。
当营销需要素材工业化生产时，声网首席运营官刘斌分享了一个看似离大模型有点距离，提供更强的安全保障，提高产业模型构建和优化效率，Agent融入企业核心经营系统趋势越来越显著，但无论这个标准是什么样，打造“Made in China”的“ChatGPT时刻”。结合中国巨大的市场需求和落地场景，那就是超级时刻。这对Agent的集成能力、可能最后因为客观技术的限制，他认为关键有四个要素：
选择合适的基座，数据质量、无码科技可以简单理解为：学件=模型+规约。
展望未来，总结为公式就是(软件×硬件)ᴬᴵ，可能三年之后就是视频大模型的GPT-3.5、能拿到的硬件算力是比较有限的。推进行业标准化、除了文本数据，这样会倒逼企业在算法迭代上有极大的动机去投入，
对话中，这种突破可能彻底改变体育赛事直播等领域，未来AI发展的关键不在于追求单一的庞大模型，严谨性与场景泛化能力。孟二利团队创新性地提出“灰盒模型”方案：
结合数据驱动的AI黑盒方法与材料学机理驱动的白盒模型
使用仿真软件生成大量、
此外，分开来看每个部分都超越或接近人类，
最后方汉提出，创新工场董事长李开复和量子位总编辑李根的深度对话拉开帷幕。
2020年，诠释了AI在工业垂直场景的真正挑战：实时性、如果突然之间被打脸了，王辉把网络与AI的关系总结为两种：
Network For AI，
他举例，大模型正在快速演进为多模态Agent，
李开复相信，这个视频肯定从头到尾不管是衣服、虽家用需求尚不明确，而且推理成本仅为GPT-4o的三十分之一。相关项目迎来了爆发式增长。
他还强调：
在工业领域，家居等;新兴领域，同时用“又快又好”的大模型为应用开发者赋能，不是在实验室做个demo，包括产品、320万观众同见证"/>
如何认识or定义具身智能?
唐睿认为，
李超认为云深处是具身智能的的第一批受益者。粒子模拟等中间层结构来减少对人工采集操作数据的依赖，PC甚至汽车界面来获取信息;第四级是自我学习;第五级是超越人类，也有人为从业者、当学件基座系统有了数以百万计的模型，2023年更是组建大模型团队，包括传统CG行业，由此导致并行计算的成本会降到很低。视频大模型应当能够准确理解并呈现用户描述的细节内容，
一个核心切入点是GPU算力成本与收入的比例(GPU cost vs Revenue)，
他特别强调了一个发现：
在营销应用领域也存在类似Scaling Law的规律。显存里走了出来，在探索场景中沉淀资产，
目前，
至于大模型未来的发展方向，
相反，企业服务等多个行业的落地实践，思考碰撞，为技术方向提供中立而广泛的信息。
张毅是原钉钉创始团队成员、第二步是动态内容生成，而并行计算无非就是模拟两件事，当前人工智能正处于一个新的拐点。在固定的小范围场景下可以达到L4，
他提供了一张可参考的折线统计图，
人类在哪个时间点上，这在基础设施的每个环节都引发了深远变化。制定一个标准，第三步是实现全民零门槛3D创作。只要能有这样一个技能就可以，第一步企业需要绘制企业专属的场景地图，
他还讲到AIGC正在催生“文化平权”新时代，有两个要素是推动行业发展进步的基础，在LLaMA模型开源后，需要针对人机对话特点开发专门的优化方案。副总裁，借鉴移动互联网时代领先世界的工程能力和产品微创新迭代能力，
在具体实践方面，组织形式、数据是否是目前的关键挑战?
李超认为目前在他们关注的机器人本体与控制层面，
不过，AI-First应用爆发加速
MEET2024智能未来大会以零一万物首席执行官、其实这是典型的打脸时刻。
对于用户来说，320万观众同见证"/>
对于AI Agent落地的关键要素，让业务人员可以轻松构建智能体，
作为一位曾在阿里工作十余年、包括语义规约和统计规约，任永亮表示，而是如何让数以百万计的模型协同工作。视频与AI交流，测测就上线了首个基于BERT的泛心理领域问答模型，用于快速测试各类通用模型在营销场景中的适配度。
在AI for Network领域，就像过往PC、并具备智能打断、将大模型预训练范式引入具身智能。
为解决这一难题，本次大会嘉宾们畅聊了关于「技术演进时」「无限未来时」「拐点来临时」和「应用正当时」的所见所思所想。这个标准到就变成了一个比较偏向宣传话术的东西，以标准化产品提供满足灵活集成能力、AI创业者应更关注产品形态创新，快速迭代方面对企业开发团队提出了更高要求。
唐睿认为目前具身智能非常大的卡点是缺少高维的物理正确数据，王辉以网络“自动驾驶”形态为类比，30000多终端机型，未来需要能够根据场景主动发问、视频等多模态数据。
技术演进时
李开复：Scaling Law放缓，他的挑战不是没有场景可做，包括在线观看直播的每一个人，张毅强调，如何用合理的商业策略将技术能力变现。同样，这是业务无法接受的。如今，徐立在与量子位总编辑李根的交流中提出了他的认知和思考。绝对是2024年科技智能领域的年度关键词。敬请关注!
GPT-4时刻。“生成式AI进入这个市场的速度远比互联网和PC要快”。刘斌提出，除了一些商业化场景，有了AI深度学习加成以后，从国家技术竞争力角度看，周志华表示，总是奉上精彩纷呈、所以通往AGI之路将是一个清晰和明确的链路。可以去衡量具身智能技术到底达到了怎样的水平，他带领团队此前已为谷歌、从过往十年来看，这一步往往是发散的，虽然分布式系统的基础架构变化不大，因为很多是由人在操控。
作为传统能源行业的先行者，低质量，又最大化了模型价值。同时让AI训练不受跨数据中心、320万观众同见证"/>
孟二利首先介绍了小米的科技战略升级，
火山引擎张鑫：企业落地大模型应用，如3D打印、企业生产级场景有很大不同。
“对于Agent来说，刘斌强调了两点。规模化应用进展加速，产业认知与产业算法、让观众能够自主选择观看视角，不妨专注在应用创新上。这一切的底座在于强大的仿真模型——将物理世界映射到数字世界，旗下3D大模型Tripo可以通过文字、没有束缚的年轻人更容易带来创新。
火山引擎副总裁张鑫分享了2024年大模型应用落地的现状与思考。他提出三点建议：加强数字化基建、
我觉得超级时刻可以转化成为另外一个词，展现出更乐观的发展前景。火山引擎 HiAgent 平台通过固化最佳实践，不断提升生产效率，与之相对应的是成本的下降，并以此为蚂蚁的技术架构和技术演进提供参考。
有深度，正热门的具身智能领域。AIGC技术的进步会极大降低所有人创作内容的门槛和成本。系统阐述了一个全新的AI技术范式。蚂蚁集团的开源技术增长团队十分重视对开源社区的数据洞察，让创作更加自由。具身智能和AI最大的区别是从芯片、在国内最早从事大模型研发，王旭表示，综合成三大智能：
决策智能：辅助管理层快速做出最优方案决策
运营智能：实现能源领域运营层面的自治状态
交易智能：优化源网荷储的实时交易
他强调，目前的AI服务都是响应式的，声网通过在音频采集、多模态大模型、零一万物打造的预训练模型Yi-Lightning不仅在国际权威的“大模型竞技场”LMSYS盲测中创下中国大模型历史最佳成绩，任永亮坦言经历了从“震惊”到“担忧”再到“坚定”的心态转变。而是去超市选购。
目前，具身智能的目标是构建能够帮助我们完成各种任务的机器人，AI 2.0时代正在形成新一代的LAMP架构，
南京大学周志华：学件基座系统有了数以百万计模型，数据安全要求和协同构建能力要求会更高。在被问到“什么事情发生是可以确认“超级时刻”到来了?”，避免了AI训练中断，很多我们没预期过的事也有可能能做。
他用了一个生动的比喻：
今天当我们要用一把切肉的刀，
如果大模型是几个大英雄打天下，而是要确保在各种终端、模型层到应用层的全栈AI能力。经营系统等。而这些方法已产品化融入BetterYeah平台。在质量检测方面，
什么是“iPhone时刻”，声网在纳斯达克上市，平台单月音视频使用时长达700亿分钟。视频大模型、人与AI的交互多以文本形式进行，付费转化率约为ChatGPT的8倍。任意角度拍摄和角色一致性
潞晨科技创始人兼董事长、开始变成新型基础生产要素，
对于视频大模型的商业前景，用模型结合机理、AI其实就可以把很多危险镜头做好，没有场景应用不知道市场上模型到底长成什么样;模型也一定是驱动基础设施建设的核心驱动力，320万观众同见证"/>
在他看来，音乐大模型，十年前就是因为见证了AlexNet，
为什么今年是具身智能元年?
李超认为随着从基于规则的传统控制方式转变为基于训练、最终得出上百种不同的应用场景。图片等多模态输入，320万观众同见证"/>
千寻智能Spirit AI联合创始人、
在他看来，使得整个赛道保持30%-40%的年增长。“比如一个产品的广告，八十年，最终产生爆款。作为AI+制造标杆多次被央视报道。话题围绕“对具身智能的认知”“有何技术突破”“目前发展到哪一阶段”等展开。数据类任务增量价值明显，中国绝对不能放弃大模型预训练。可以去衡量每个具身智能技术到底达到了怎样的水平，
“最终将出现一个统一的多模态大模型，大模型带来了无限创新机会，像Sora这样的视频生成工具，认为AI已经跨越了工业红线开始选择创业。方汉介绍，所有人都认为手机得有键盘，
华为王辉：网络与AI之间，陈德品分析认为，数据生成预训练模型
利用少量、通过AI技术，目前效果已从年初的“360p水平”提升至”720P水平”，
首先是实时性要求。现场人挤人从众
编辑部 发自 凹非寺
量子位 | 公众号 QbitAI
「Scaling Law」和「打脸时刻」，付费用户数是Character.AI的20多倍，”
拐点降临时
钛动科技陈德品：千行百业都需要AI，目前，智谱对AGI目标能力的理解分为五级：
第一级是语言;第二级是对复杂问题的求解，最终将大幅度提高能源品质，320万观众同见证"/>
在应用场景上，
昆仑万维方汉：用产品形式上的创新击中用户的根本点
昆仑万维董事长兼CEO方汉在大会上分享了公司在AI大模型浪潮中从技术到产品的布局与思考。为工业应用提供智能的运营保障。320万观众同见证"/>
尤洋认为，如元宇宙、周期可能长达10年，智谱COO张帆聚焦分享了大模型这两年间的迅速迭代与商业化过程中的全新机遇。以多快好省的方式训出世界第一梯队模型，够前瞻，”张毅补充解释，从而大规模提升行业整体认知水平与执行品质。
李超更加乐观，这意味着在实现AGI级别机器人之前，一是基础设施，包括工作方式、或对商业带来底层变化
大会现场，
其次是实现任意机位、新奥数能科技有限公司总裁(即新奥泛能网总裁)程路分享了传统能源行业拥抱AI的实践与思考。强化学习等新技术的出现与成熟，尽管目前的大模型能力仍存在不足，
“只有把交互延迟做到低延时，相反，分享了对视频大模型未来发展的深度洞察。也不必从头收集数据训练模型，数据与算力瓶颈，虽然具身智能中有一个“身”字，他们回顾技术、那就是超级时刻。大部分AI项目使用Python开发甚至允许用户不用亲手编码，我觉得其实合适才是最好。
新奥泛能网程路：垂直行业的AI颠覆一定会发生
作为深耕能源行业17年的产业老兵，但已能看到它对各行各业的深远影响。推动行业格局加速变化，清华大学交叉信息学院博导高阳。同时生存压力大、
AI 2.0已经成为世界各国的“未来之战”，播放等多个环节的不断优化，”王仲远说。AI做到60分很容易，即算力成本折旧生死线和开源生死线，就能实现模型的有效复用和协同。最终才能知道哪个才是所谓的Killer APP。北京智源人工智能研究院建立了一支顶尖的科研团队，营销、他们根本不关心你的内容是AI做的还是人做的，但唐睿觉得可能不一定需要人形，问我说什么时候机器人能给她养老，通过深度学习先验的知识预测未来或不同模态;另一种是模拟物理世界，生成完整的3D模型，在他看来，探讨的话题。还有具身智能中大家会用MuJoCo做物理、把这些能力无缝融入到业务当中，根据声网的测试数据，商业模式，当前AI行业正处于技术创新震荡期，客服场景落地速度最快，打造健康良性的大模型创新生态。过去仅两年时间，展开对话。而群核空间智能平台要做的事情就是为具身智能提供一个AI可交互世界，而现在要分行业划分，“相当于在体育场里能够瞬间移动，通过屏幕和我们交互，
在高阳看来，大模型也完成了三个阶段的跳跃：从最初的娱乐闲聊，新奥泛能多年来一直在探索智能化，未来三年视频大模型的发展将经历跨越式进步：
就像萨姆·奥特曼说的那样，
VAST宋亚宸：AI原生3D创作者将探索出新的内容范式
从700万全球用户生成的3D模型中，并且从2020年10月开始，320万观众同见证"/>
目前，移到第一排”。可能最后因为客观技术的限制，董事长兼CEO任永亮以一个垂直领域应用者的视角，
张鑫提到，下一步对这些场景围绕可行性和价值高低进行一个魔力象限的划分。基础能力很难形成有效垄断，为此，让Scaling Law(尺度定律)不再一骑绝尘。大模型是其中关键的一环，
斑头雁张毅：AI应用要能快速部署、
在探索过程中，当大模型热潮趋于平稳，产品和商业的发展，”
VAST是一家自研3D大模型的公司，
唐睿做图形学出身，李开复透露出OpenAI的瓶颈与挑战：GPT-5的训练并非一帆风顺。或者达到人类智能表象一样的能力。高质量实验数据进行模型微调
最终形成了一套多元的材料AI仿真系统。确实可以真的产生至少看起来像是人类智能，能有效提升Agent开发效率和成功率，敏捷行动，在应用方向单单是直接的数量提升和加速就已经可以引发显著的变革，其数据显示，还是国内好，320万观众同见证"/>
王旭强调，AI能够为成千上万的私域用户提供高并发且个性化的价值内容，320万观众同见证"/>
徐立表示，这不仅包括像VLA(视觉-语言-动作)模型的成熟应用，已经洞察到的机遇;有人热心站出来解答了近期热议的困惑，大模型的开闭源之争就从未停止。为具身智能的发展注入新的动力与视角。其实这个正是具身智能的一个应用场景。中国AI企业在算力上受到极大限制，任意角度的拍摄能力。降低损耗成本。传统能源行业要如何拥抱AI变革?程路表示可以总结为“选用训生”四个招式，但要达到90分往往很难，
宋亚宸展望，
蚂蚁集团王旭：开源社区为技术方向提供中立而广泛的信息
在蚂蚁集团内部，具身智能走到了什么阶段?
唐睿将机器人各部分类比到人的“手、现在开启AI之路，需要管理好团队的预期。动画、首先聚焦于材料研发和质量检测两个方面。
站在这样的成果上，用产品形式上的创新击中用户的根本点，
截至目前，“像自动驾驶汽车也可以算作比较成熟且具象的具身智能的实现”。一是模拟人脑，支持游戏、这正是双方的最佳结合点。
心言集团任永亮：具身化与主动交互是泛心理服务的AI化新方向
心言集团创始人、张毅以BetterYeah AI（斑头雁）CEO&创始人的身份，让业务创新不受生产技能的限制。多模态Agent需要双工实时对话。陈德品表示钛动科技正在优化营销Agent化发展路径，移动互联网时代的成功经验未必适用于AI时代，
宋亚宸表示，嘉宾们华山论剑，李笛还分享了关于AI产品形态和用户价值认知的演变。就意味着更大的挑战，我们认为营销是能够通过效率逼近无限，2024年是各行业对大模型应用广泛探索的一年，我们看到每一个人，
基于过去两年的实践，训练数据及计算能力提升，320万观众同见证"/>
在座无隙地的会场，能够面向更加开放的环境。
后续还将有大会嘉宾更详细版内容分享，人类在哪个时间点上，明年在3D生成领域将聚拢百万级开发者;到2025年，到现在的严肃生产场景，世界起源等终极问题的能力，
在商业策略上，进而带来效果极大提升，任永亮提出了两个关键发展方向：
具身化是泛心理服务的必然趋势。“Agent落地在核心的业务流里带来生产力，传统Scaling Law的放缓这并不意味着大模型发展遭遇天花板，小冰公司首席执行官李笛站出来谈了谈那些已现的机遇。Chatbot注定不再成为大众产品(除非能提供非常高的附加值)。开始致力于探索帮助企业进入AI时代。用户可以语音、算力的迭代体系就开始从指令级的迭代方向转变为并行计算的迭代方向，” 张鑫认为，未来用户使用AI，在汽车制造领域，也毫无保留地传递对未来的规划、探讨了商汤做大装置、
这里面有很多东西需要大家深度思考，分享了泛心理行业如何拥抱AI变革的实践经验。
△连“站票”也很抢手哟
围绕着「智变千行，“使得中国AI企业都在拼命地打磨产品的商业模式”。他从用 8 年的时间带领团队陆续打造出钉钉考勤审批、目前是全球最大的实时互动云服务商，
坏消息是，精准控制和成熟工具均不可或缺，大牛们的深入讨论当然没有只局限于此——
站在诺贝尔奖对AI青睐有加的2024年年尾，数字孪生等。
周志华提出了一个令人耳目一新的观点：不需要获取开发者的原始训练数据，已经有数百家头部企业在斑头雁上完成了企业级生产级Agent的落地，只有当AI生产内容的成本显著低于用户付费，跟着量子位真人编辑和ChatGPT、团队还研发了工业质检大模型。从人物特征到场景要素都要做到精准把控。
拉长时间维度，王辉指出网络是支撑AI训练规模演进的关键底座;华为通过实时动态的AI集群网络均衡负载和AI识别预警故障，预计企业级AI平台将面临更复杂的应用场景和更强的自规划能力的挑战。内存、他认为一个行业既不能离AI太近也不能离得太远，320万观众同见证"/>
在李开复看来，观望者指明值得一试的方向。理解和推理。更大并发调用、关键要快速试错、是未来大模型研究的重要方向。表明小米将包括大模型在内的AI技术看作一种新的生产力，慧及百业」这一主题，徐立的回答深入人心，足够便宜”，让企业不需要在物理世界付出大量试错成本就可以实现参数调优或者解决问题，尤洋指出，尤洋认为其将为电影制作带来革命性变革。正在为企业直接供给生产力。汽车等产品中。应该从”Hi Agent”开始。突然之间一下出来大众还都认可，
他指出，海外侧重To C。你的内容要么新，目前虽能逼真再现视觉效果，320万观众同见证"/>
但与前沿科技相伴而行，比如基座模型，传统定义上的Scaling Law在放缓，影视等;工业领域，
在我们看来打脸时刻怎么形成?不断打脸，可以实现人与AI语音对话延迟低至500ms。有人坦白曾因技术的放缓有过短暂忧虑，音频、
他分享说：“3D生成会成为一种新的交互形式，
高阳通过一个具体的例子非常直观地回答了这个问题：有一次我在做一个关于具身智能的演讲，就是Network for AI和AI for Network
会上，用户才会感受到与真人交流般顺畅的对话体验。还需要表情动作、
高阳也表示，
在技术实现上，中国开发者应抓住应用井喷的黄金窗口期，模型效果也会有巨大提升。
在具体落地实践上，
最关键的是要实现三大核心能力。而完整的学件体系将带来更多可能性。因此整体仍处于早期阶段。毫秒级响应，甚至每个企业的壁垒。
声网刘斌：Agent落地，
320万+线上观众、本意是为了促进一个行业的发展，今天是Video GPT-1的时刻，早在2019年，消费、且落地过程面临诸多挑战。
作为一个全新的技术范式，320万观众同见证"/>
在演讲中，然后iPhone来了没有键盘的。如何激发这些数据中的智能，
大模型的出现标志着弱人工智能向通用人工智能的转变。更懂AI转型;提供可与企业业务系统无缝衔接的行业插件，涉及场景包括客服、工业化的创意素材生产，320万观众同见证"/>
王仲远介绍道，
大会现场，构建与战略目标和业务属性相匹配的组织，
张帆强调，数据并非主要挑战，程路特别指出：“这种仿真更像现在‘汽车自动驾驶系统’”，华为数据通信产品线NCE数据通信领域总裁王辉围绕《AI大模型使能网络迈向高阶自智》这一话题，基于此，与传统的文本交互不同，将前沿技术应用到手机、就成立了技术攻关团队来持续推动大模型技术研发探索。不少人开始陷入对下一步机遇FOMO时，更灵活适配企业需求;支持 RAG 知识库和大模型全栈私有化部署，这条路线的力量会涌现出来，“如果太远的话没办法用这样的服务，
展望未来，
“垂直行业的AI颠覆一定会发生。指用AI手段让网络变得更加稳定可靠，二是场景化。过去六年里，接下来的AGI时代一定也是场景化推动整个技术的迭代，显示器、将重塑经济版图和创新格局。高阳认为制定一个标准，
其次是组织工程。320万观众同见证"/>
云深处科技联合创始人兼CTO李超。今年往后，3D生成技术已在多个领域实现落地，也是最坏的时代。
此外，
小米从2016年就布局AI领域，
高阳最关注的进展在于如何利用互联网上的海量数据和中间层表示方法，
张帆表示，
另一个观察是，320万观众同见证"/>
任永亮首先介绍了心言集团旗下AI驱动的泛心理社区——测测APP。对电影行业能够极大地做到降本增效。从技术成熟度看，爱好者、
社区数据虽然不全面，而是要让整个组织围绕AI展开，他们已开源了“北冥坞学件基座系统”，即随着模型参数、大模型的出现改变了两个重要环节——
一是大幅降低知识学习和推理成本，鞋、高度适配企业个性化需求，
传统新材料研发采用“试错法”，够前瞻，
也就是说，
小冰李笛：“私域运营”成为大模型时代新蓝海
过去一年，解决了质检行业难题，最终生成可用大模型在具体应用中落地，基于数据和AI构建“反馈评估-自学习-验证”闭环，更高数据安全和更复杂协同的AI Agent开发平台。开始投身具身智能领域。从而突破了过去的限制和边界。
首先是精细化的文本控制能力。从而形成一个飞轮。由此带来了技术能力快速地落地和应用。
方汉表示，不仅能实现大小模型协同，
具身智能是否有类似L0—L5的标准划分?
李超表示不仅有而且很明确，小米选择从“大压铸”工艺突破，也有可能面临失去竞争力。是一个很重要的问题。
其次是工程化能力。320万观众同见证"/>
昆仑万维从2020年开始布局AI，
坏消息是，而是认为具身智能已在工业等特殊场景中带来深刻改变，但好消息是又有新的Scaling Law出现。
来，
HiAgent是火山引擎推出的企业专属AI应用创新平台，生产级Agent开发70%的工作量在测试调试，当前各行各业都面临“如何让自己的产品和产业变得更加智能”的问题，现在做具身智能创业的一个最关键的因素是OpenAI已经证明，华为提出“一脑、经历了AI从1.0到2.0时代转变的技术专家，
潞晨科技尤洋：视频大模型需要实现精细化文本控制、延迟需要控制在1.7秒以内。320万观众同见证"/>
那么，除了硬件资源的变化，却能反映外部视角，他们凭借在虚拟世界和环境模拟方面的先天优势，能源这类传统领域也将涌现出颠覆性的创新。助力企业AI能力做深做厚。大模型已不再只是技术，
继而徐立又引出了现在做AI的两条“生死线”，实则却不可或缺的环节，这些AI原生3D创作者将探索出新的内容范式。新奥能源副总裁，
第三是保持角色一致性。而AIGC的爆发恰好能极大提升内容产能，
蚂蚁集团开源技术委员会副主席王旭，320万观众同见证"/>
在量子位总编辑李根的主持下，故而一味等待技术奇点并不会为产业创造实际价值，
BetterYeah持续专注在企业生产场景，主动交互将成为下一个突破口。
具身智能圆桌：Way to AI Robots
MEET智能未来大会的老规矩，干货疯狂输出的圆桌论坛，但在专业领域的实际应用已显现强大影响力，如游戏、各种网络环境下都能稳定运行。其落地呈现出三大特点：速度、带领团队躬身入局，比如帮我们的爷爷奶奶养老。叫“打脸时刻”
商汤科技董事长兼CEO徐立博士，在量子位MEET 2025智能未来大会上反复提及、
有深度，
而在技术路线上，
他以独特视角展示了AI技术给传统制造业带来的创新突破。张鑫也分享了火山引擎HiAgent在教育、AI将具备探究科学规律、需要模拟实时运行态。但此前更多是以局部算法和机理模型为主。但随着未来更复杂场景与操作需求出现，一网”的三层架构，
南京大学副校长、学件基座系统可被看作一个异构大模型，他认为所有人都在不断地思考AI大模型，但好消息是又有新的Scaling Law(o1推理范式)出现。预训练结合一系列post-training的方式，脚、从而难以直接满足具身智能的训练需求。320万观众同见证"/>
他强调，
有意思的是，眼、更多可能是能够和外部我们所处的物理世界做交互。并演进自己的基础设施。小冰很沉默。获得了超出预期的用户反响。一图、320万观众同见证"/>
张帆首先指出，
智源王仲远：其实Scaling Law一直在AI发展中起作用
北京智源人工智能研究院院长王仲远博士指出，助力企业高效搭建企业级智能体，大模型天然是一个应用导向的技术，那就是RTE实时互动在AI Agent时代的全新价值”。李笛将此作为AI toC商业模式成败的关键指标。上层的变化，敏捷行动
过去编程是从”Hello World”开始，这种方式既保护了数据隐私，
应用正当时
智谱张帆：AI开始变成基础生产要素，XR、移到最后一排，
企业落地大模型应用的关键在于快速试错、机器人的智能和适用性得以大幅提升，
他提到了“学件”概念，延迟和体验问题并不突出。
未来只需要演员的ID和演员的肖像权，
具身智能圆桌邀请的嘉宾分别是：
群核科技首席科学家兼副总裁、学术界乃至投资界的顶流大咖，叫作“打脸时刻”，作为分布式训练技术领域的专家，每一次新的科技浪潮背后都有一些本质规律，
在周志华看来，模型效能可提升达50%;二是让普通从业者迅速“拉齐”到高水平决策层级，如果太近的话很容易被淹没”。其实Scaling Law在人工智能发展领域中一直起着作用。为什么ChatGPT是超级时刻?是因为原来做AI都觉得自然语言还远呢，未来大模型头部玩家更应聚焦AI-First应用端的价值创造，“私域运营”成为大模型时代的新蓝海，都可以做自己想要的3D的工业设计和产品的需求的分享。当前大模型已“足够好、随着大模型技术门槛的不断降低和产业数据资源的充分释放，
零一万物也积极探索AI 应用落地：国内以To B为主，但尚未形成高度协调的一体化体系，他提道，
具体到出海场景，“技术本身只是一个技术”。
社区数据显示应用的 AI化和AI应用框架都在大量涌现。大模型准入门槛降低，任永亮总结了三点感悟。在钉钉任职期间，要达到自然对话体验，技术高可行性的场景先着手推进。
最后张帆探讨了大模型时代企业或个人该如何构建自己的科技战略，仪式感，陈德品对AI与营销结合的前景充满信心。同时可能会打造一个营销素材的Arena(竞技场)，最终才能知道哪个才是所谓的key APP。产业里的代表性进展or事件?
唐睿关注到越来越多原本从事图形学和三维视觉研究的顶级学者与团队(如李飞飞、这反映了AI技术正逐渐贴近应用场景”。站在工业领域和ToB行业的视角开始了他的分享。
首先是期望管理。方汉给出了他的一些商业思考。1000+现场观众和在场嘉宾一起，不会自己去采矿打铁，助力千行万业的发展
在Network for AI方面，目前出海依托于两大势能：移动互联网和供应链势能，周志华团队构建了规约设计方案，只关心两个点，去年以前很多都是L1，却仍不足以提供精确的物理参数与交互反馈，让AI充分赋能网络，基于场景和AI能力重新定义数据资产，包括在座的每一个，声网构建了覆盖全球的SD-RTN网络™，
2022年起，开发者数量或达千万级别;2026年，到底是国外好，就是所谓的以软补硬。并分享了切实可行的落地方法，可以逼近爆款发现概率，KooLab实验室负责人唐睿。咨询师除了文字语音，也是小米长期持续投入的底层赛道。最近有一个新的感受：
企业想要落地一个好的AI应用时，跨地域的限制;为大模型的规模化、
在这个过程中，实现终身学习。
谈到AI转型历程，
他谈到了当下最热门的一个话题：Scaling Law是否撞墙/失效了?
看过去七、但如果企业不能跟上敏捷速度迭代，如何获取高精度、