11 月 20—21 日，由 CSDN 与奇点智能研究院联合主办的 2026 奇点智能技术大会将在北京万达文华酒店举行。在技术迭代越来越快的今天，一线开发者和技术决策者，究竟能从现场带走什么？我们希望答案不是几页 PPT，也不只是几个新概念，而是真正影响未来半年技术判断、工程落地和团队决策的一线经验与方法。今天，我们正式公布 2026 奇点智能技术大会首批核心议题。这一次，C++ 及系统软件技术大会也将与奇点智能技术大会同期同址举行，让 AI 与系统软件两大技术脉络在同一现场交汇，共同回应一个越来越清晰的趋势：上层 AI 应用的爆发，离不开底层系统软件的强力支撑。大模型下一站：不是继续堆 Scaling，而是让 AI 学会“制造 AI”
痛点：大模型已经进入 Agent 阶段，但今天大量智能体依然停留在“搭出来、跑起来”的阶段。上线之后，模型不会自然学习，Agent 犯过的错误还会重复出现；另一方面，Scaling 成本持续攀升，企业不可能永远依赖更大的模型、更贵的 Token 来换能力。真正的问题已经变成：AI 能不能参与 AI 自身的研发？Agent 能不能建立自己的进化闭环？面壁智能技术合伙人、智能进化首席科学家李宇轩将带来《AI 制造 AI：从五级演进框架到 AI Infra 的自主生成》的主题分享。当 AI 写代码的边际成本不断下降，训练框架、算子库甚至推理内核是否也可以由 AI 根据具体任务“现场锻造”？他将从 AI 制造 AI 的五级演进框架出发，进一步讨论 Forge Engineering 如何改变未来 AI Infra 的生产方式。LlamaFactory、PenguinHarness 作者，PrismShadow（千影光流）联合创始人兼 CTO 郑耀威将分享《低成本、高收益的自进化 Agent 闭环构建实践：从 LlamaFactory 到 PenguinHarness 的技术演进》。从数据生成、多智能体评估到 Harness 自动迭代，他将拆解一套完整的 Agent Evolution Loop，并带来平均准确率提升 18.8%、Token 成本下降 7.5%，以及“一句话低成本生成完整 AI 应用”等真实实践。如果说过去的 Scaling 是人训练模型，下一阶段要解决的可能是：如何让 AI 学会改进 AI。AI Coding 从会写代码走向整个软件工程系统痛点：代码补全、单文件生成已经越来越成熟，但到了真实企业环境，问题完全不同。一个大型代码仓库可能存在成千上万个文件、复杂依赖和历史逻辑。研发也不是一次 Prompt，而是需求、设计、编码、测试、Review、CI、发布组成的完整流程。因此 AI Coding 真正的分水岭不再是“AI 能写多少代码？”而是“AI 能不能进入真正的软件工程？”解法：从代码大模型走向仓库级 Agent、持续学习与 Engineering Loop。届时，来自 Qoder、Workbuddy、Comate、CodeFuse 等团队的一线技术实践者与多位科研机构专家，将分别补齐这张 AI 原生研发版图：北京航空航天大学计算机学院副教授杨健将带来《从代码大模型到仓库级智能体：核心技术演进与工业级落地》。从预训练 Scaling Law、多编程语言协同训练、可验证强化学习，一路深入仓库级软件工程智能体、代码执行反射和多模态开发 Agent，回答 AI Coding 如何真正从“生成代码”走向“完成软件工程任务”。腾讯 WorkBuddy 模型研发负责人董汉德将在《LLM Agent 的模型数据飞轮——WorkBuddy 持续学习经验分享》中讨论另一个关键问题：当 Agent 真正进入办公和业务环境，大量真实交互如何形成数据飞轮，让模型不再是“一次性交付”，而具备持续学习能力。滴滴专家工程师、ABC 技术 AI Coding 平台负责人金晶分享《滴滴 AI Coding 平台应对大规模生产环境的挑战与实践》。重点不再是个人开发者“用不用 AI”，而是当 AI Coding 进入大型研发组织后，平台、工程规范和真实业务体系如何一起发生变化。腾讯高级后台开发工程师、项目组研发转型负责人任磊达则会把问题进一步推向组织层。在《AI 原生组织的工程实践：从 Loop Engineering 到 Graph Engineering》中，他将复盘月消耗 360 亿 Token 的真实实践。从 Hooks、CI Events、SDD 到组织级 Graph，如何让单人并发从 5 提升至 20 以及 7000+ 层递归、7.34 亿 Token 等真实失控事故，最终怎样沉淀成 AI 原生研发必须具备的“刹车系统”。这几场放在一起，讨论的其实是一件事：AI Coding 的终点不是帮程序员多写几行代码，而是重新设计软件研发本身。痛点：Agent Demo 跑起来以后，很多团队很快会发现：模型反而不是最难的。当 Agent 从一次请求变成长时间运行的系统，它正在逼迫传统基础设施重新设计。解法：重新打造 Agent 时代的通信、Runtime 与安全 Infra阿里云产品专家杨文婷将带来《重塑 Agent 异步通信底座——从 MCP 协议演进与 Managed Agents 架构看 Apache RocketMQ 的工程实践》。从 MCP 长会话、Multi-Agent 异步协作，到百炼平台中的 LiteTopic 实践，她将提出一个非常直接的判断：Agent 的下一个瓶颈可能不在模型，而在通信。清华大学计算机系助理研究员、AgentENV 发起人闪英迪将分享《AgentENV：Kimi K3 背后的超大规模智能体执行环境架构与实践》。当强化学习、评测和在线服务需要同时拉起海量执行环境，Agent Runtime 如何支撑超大规模镜像、依赖与任务执行？这是智能体真正进入规模化之后不可绕过的基础设施问题。腾讯专家工程师、AI Agent 安全负责人张栋把讨论延伸到安全：《Agent 安全：是 Infra 问题，不是模型问题》。当 Agent 能读取凭证、访问数据库、修改代码甚至调用生产工具，“让模型更听话”已经远远不够。未来需要的是身份、权限、隔离、审计共同组成的 Agent 安全基础设施。当 Tool Call 越来越像“智能体时代的系统调用”，Agent Infra 也正在形成一套全新的技术栈。沐曦股份光启研究院科学家谭颖然将在大会现场带来《重新定义“计算”：面向 Agentic AI 的芯片架构设计方法论》。Agentic AI 的计算模式已经和传统模型推理出现明显差异。访存、通信、异步执行和软硬件协同的重要性不断提高，芯片评价标准也可能从“峰值算力有多高”走向“整个数据流能不能更高效地服务智能体。”这意味着 AI Agent 的变化，正在一路从应用层向下传导到系统和芯片层。痛点：今天的生成模型可以制造越来越逼真的视频和 3D 场景，但“看起来真实”不等于“理解物理世界”。真实世界是动态的，物体有状态、有空间关系、有碰撞和摩擦，动作会改变环境，并产生因果结果。如果世界模型只学会像素预测，它距离真正服务机器人和 Physical AI 仍然很远。解法：从生成世界走向理解世界，在奇点智能技术大会现场，多位一线技术专家将从动态世界建模、3D 世界模型到物体与动作理解，系统拆解世界模型如何跨越“看起来真实”，真正走向可理解、可推演、可交互的物理世界。中国人民大学高瓴人工智能学院教授卢志武将带来《面向动态场景的世界模型底座构建方法研究》。当前很多世界模型仍建立在相对静态环境中，而现实世界天然开放、动态。他将从底座框架、训练策略和推理加速三个方向，讨论世界模型怎样真正迈向动态场景。腾讯专家研究员、混元 3D 与 3D 世界模型负责人郭春超将在《混元 3D——3D 建模与 3D 世界模型的研发探索》中分享腾讯在混元 3D、Hunyuan World 等方向上的研发实践，并进一步探讨 3D 生成、世界模型、具身智能与 Agentic 3D 的融合。视启未来联合创始人、世界模型与具身智能负责人刘昊则将问题追到第一性原理：《世界模型需要理解物体与动作：统一架构与具身落地实战》。他的核心观点是：物理规律作用于物体，因果交互来自动作，因此世界模型必须先理解物体和动作，才可能真正理解物理规律和因果关系。这三场真正想回答的并不是“下一代视频模型能生成多逼真”，而是 AI 能不能建立一个真正可以推演、交互和验证的世界。痛点：具身智能已经成为最热门的 AI 方向之一，但从 Demo 走到真实生产仍有巨大的“Reality Gap”。- VLA 能预测动作，却未必理解为什么这个动作会产生这个结果；
- 数字世界里训练出来的智能，也不一定能够适应真实世界的复杂变化。
解法：从具身智能走向 Physical，在奇点智能技术大会现场，来自京东、北邮、机器人企业等一线研究与实践团队的技术专家，将围绕物理世界理解、灵巧操作、具身物理因果模型与主动式 Physical AI 等方向，拆解 AI 如何真正从数字世界走进现实世界。AI 京东集团副总裁、京东探索研究院副院长段楠将围绕《从数字 AI 到物理 AI》展开分享，从基础模型向真实物理世界延伸，讨论 AI 能力边界正在发生的变化。北京邮电大学“拔尖人才”教授方斌将在《面向灵巧操作“本体—数据—模型”迭代的飞轮效应思考》中直面具身智能最大的割裂：硬件、数据与模型长期各自发展。通过视触觉灵巧手在真实场景不断产生数据，再由数据反哺模型，最终形成“本体—数据—模型”的自增强飞轮。昆仑行机器人具身算法负责人、前理想汽车资深算法专家郎玉川将带来《当 AI 走进物理世界：具身物理因果模型和机器人 Agent》，探索 Agent 真正拥有物理因果理解之后，机器人能力会发生怎样的变化。观行数智创始人兼 CEO 唐都钰则将分享《主动式物理 AI：从数字世界到物理世界的智能范式迁移》，进一步讨论 AI 从被动理解信息走向主动感知、决策并改变现实世界之后，智能范式将如何变化。如果说大语言模型解决的是“理解和生成符号”，Physical AI 要面对的则是：让 AI 真正理解并改变现实世界。企业不需要更多 Agent，需要的是“组织级生产力”痛点：企业内部做出第一个 Agent 并不难，真正难的是规模化之后：谁来拆任务？多个 Agent 如何协作？结果怎么验证？权限如何治理？个人使用 AI 产生的经验，又怎样沉淀为整个组织可以复用的能力？如果只是给每个部门增加几个 AI 助手，企业得到的可能不是生产力，而是新的管理复杂度。解法：从单点 Agent 走向可治理、可协同、可沉淀的组织级智能。在大会现场，两位来自企业级 AI 一线的技术负责人，将从“多 Agent 协作平台”和“组织智能落地”两个层面，给出他们的实践答案。网易智企 AI 平台技术负责人裴明明带来《从“会用 Agent”到“组织级生产力”：网易帝王蟹多 Agent 设计与实践》。网易帝王蟹并不是简单“堆更多 Agent”，而是通过主控 Agent 理解目标、生成任务图、协调依赖，由领域子 Agent 完成具体任务，再结合 Skill、上下文记忆、权限治理、可观测性和评测体系，构建一套真正可管理的多 Agent 协作平台。其中一个值得讨论的判断是：Agent 负责局部智能，平台负责全局秩序。而平凯数据库（TiDB）智能研发中心负责人柏佳辰则会把问题继续推进到“组织”层面。此次他将分享《从个体提效到组织智能——智能体能力的组织化落地》，重点拆解一个越来越现实的问题：为什么员工都开始使用 AI 了，企业却还没有真正获得“组织级 AI 能力”？柏佳辰将结合真实客户案例，分享如何通过角色化、标准化的 Agent 协作，把项目知识、业务规则和执行记录沉淀下来，并进一步讨论权限与流程适配、企业数据治理、FDE 共建以及智能体原生组织等实践。企业级 Agent 的终局，也许不是每个人拥有更多 AI 助手，而是 AI 开始成为一种可协作、可治理、可复用、能够持续沉淀的组织能力。以上，只是 2026 奇点智能技术大会首批议题的一部分。11 月 20—21 日，我们将在北京汇聚 70+ AI 与系统软件领域技术专家，围绕大模型、Agent、AI 原生软件研发、AI Infra、世界模型、具身智能、Physical AI 等 18 大前沿技术专题，分享正在发生的一线实践与技术探索。- OpenAI 资深研究科学家、Transformer 共同发明人 Łukasz Kaiser
- 上海人工智能实验室青年科学家、智能体中心负责人 张铂
- 昆仑万维集团首席科学家、南洋理工大学讲席副教授 成宇
- 中国科学院微电子研究所研究员、博士生导师、AI中心副主任 毛航宇
如果你不满足于追逐新的 AI 概念，而是更关心 Agent 如何真正进入生产、AI Coding 如何重构软件研发、世界模型如何理解真实世界，以及 AI Infra 如何支撑下一阶段的智能系统，那么这些问题，都值得来到现场，与真正做过的人一起讨论。这里不只有趋势判断，更有已经跑过的数据、踩过的坑，以及正在发生的工程实践。与此同时，2026 奇点智能技术大会将与 C++ 及系统软件技术大会同期举行，这一次，我们把 AI 与系统软件两大技术脉络放到同一现场，一起看趋势、看实践、看落地。我们期待与更多长期主义者一起，为 AI 时代留下可被验证、可被复用的工程经验。「提前预约 2026 奇点智能技术大会全套 PPT 资料」↓↓ 点击「阅读原文」，了解「2026 奇点智能技术大会」更多信息！（投稿或寻求报道：[email protected]）
