AI 2.0 时代到来，大模型在不同行业都有大规模的应用。在工业领域，如何在原有的基础上做好 AI 2.0的转型呢？或者 SLM 是我们的解药。本次课程会讲述如何通过 SLM 结合边缘设备，构建属于 AIoT 的 智能体。通过本次分享你会了解到 SLM 的相关知识、如何利用 Microsoft Phi2 和 Microsoft Ocra 2 结合工业数据和流程做微调的技巧、以及在工业领域，构建 AIoT 智能体的方法。

大模型为人工智能的发展带来颠覆式创新，如何利用好大模型以解决开放域问题成为大模型发展下一阶段的关键议题。近期的学术研究和工业实践表明，以大模型为基础的智能体（简称大模型智能体）是将大模型推向开放域的重要技术路径，具有重大研究和应用前景。

本次演讲将总结大模型智能体走向开放域所面临的主要挑战，讨论智能体-环境-用户统一对齐原则，简介大模型智能体与开放域问题相结合的若干前沿探索，并展望未来发展方向。

演讲提纲：

1. 开放域环境下的大模型智能体
2. 智能体-环境-用户统一对齐原则
3. 代价敏感的大模型智能体
4. 领域增强的大模型智能体
5. 环境感知的大模型智能体
6. 总结与展望

听众收益：

• 了解大模型智能体与开放域结合的主要挑战
• 了解利用大模型智能体解决开放域问题的新思路
• 大模型智能体与开放域相结合的未来发展方向

大模型技术发展浪潮下，AI Agent 成为新一代 AI 原生应用范式。当前，在问答、交互类应用中，大模型 +AI Agent 已经给用户带来新一代体验。 但当 AI Agent 进入企业生产场景时，会面临新的挑战，如：企业生产场景面临专业复杂问题，AI 生成结果需具备严肃性，进行知识共享的同时又要保障知识安全。 针对这些问题，华为云通过实际场景的实践，采取多方面技术，形成组合方案，解决企业引入 AI 生成技术的瓶颈，使得 AI Agent 在企业生产场景得以成功运用。

演讲提纲：

1. AI Agent 进入企业生产场景时的挑战
   • 面临生产场景的专业复杂问题
   • AI生成结果难以达到生产场景的可用标准
   • 面临主题偏离、恶意诱导等安全防护问题
2. 华为云在 AI Agent 的探索与实践
   • 大小模型编排、企业词表、AI Agent 混合编排解决专业复杂问题
   • 外挂知识库、数据飞轮防退化提升 AI 生成效果
   • 数据脱敏、安全隔离带帮助 AI Agent 具备强安全性
3. 在虚拟客服、会议摘要、员工助手等场景的运用效果
4. 未来展望：企业生产场景丰富多样，AI Agent 在云边端的多形态部署和交互

听众收益：

• 了解到 AI Agent 进入企业时，需要注意和现有技术的关联使用
• 通过组合技术方案，使得 AI Agent 进入企业生产场景发挥技术价值

发展具身智能的历史可以追溯到人工智能领域的早期阶段，随着技术的不断进步和发展，具身智能引起了越来越多的关注和研究。研究者们在感知、决策和行动的具身基础框架与端到端框架中，探索如何使机器能够像人一样感知周围环境、做出决策和执行行动。在开放世界中，以视觉语言模型为基础的具身感知成为研究的热点，通过这种模型，机器能够更好地理解和处理复杂的视觉信息。

与此同时，具身 Agent 与模糊需求下的机器人的任务规划也成为了研究的重点之一。在具身控制中，模仿学习、深度强化学习等算法被广泛应用，以实现机器人的智能控制和决策。生成式训练 Agent 与具身控制中泛化能力提升也是当前研究的热点之一，通过生成无限的数据和不断优化训练模型，提高机器人在不同环境下的适应能力。

演讲提纲：

1. 从符号主义的角度看具身智能的发展历史
2. 感知、决策和行动的具身基础框架与端到端框架
3. 开放世界中以视觉语言模型为基础的具身感知和感知记忆
4. 多模态具身智能体与模糊需求下的长周期机器人任务规划
5. 具身控制中模仿学习、深度强化学习的技术路线选择
6. 生成式训练智能体与具身控制中泛化能力提升
7. 仿真环境 Isaac Gym, BEHAVIOR, Robosuite 介绍
8. PALM-E、RT1、RT2、ALOHA、AutoGen、CAPEAM、Octopus、Embodied GPT, RL-Vigen, UniDexGrasp++ 等框架解读
9. 基础模型持续推动机器人在开放世界的泛化

听众收益：

• 了解开放世界中以视觉语言模型为基础的具身感知和感知记忆
• 了解多模态具身智能体与模糊需求下的长周期机器人任务规划
• 了解具身控制中模仿学习、深度强化学习的技术路线选择
• 了解生成式训练智能体与具身控制中如何提升泛化能力

本次分享将基于零售连锁行业的数字化发展现状，探讨大模型增强的智能分析 AI Agent 在上述行业中的具体应用场景、技术实现和实用性挑战解决方法。我们将从集中式分析和民主化数据分析的异同角度切入，展示大模型 AI Agent 的技术优势，以及我们 Agent 产品最新发布亮点在企业真实数据分析场景下的业务价值，如支持多模态和多源异构数据链接、跨实体洞察分析和诊断归因、以及帮助企业完成数据查询 - 分析倒洞察的完整闭环等。最后，我们还将提供对于未来智能分析在零售连锁行业的发展趋势的深度洞见，以期为智能分析领域创新建设提供启发与思考。

演讲提纲：

1. 零售连锁行业经营分析领域的现状和痛点
2. 集中式数据分析 VS 民主化数据分析
3. 大模型增强的智能分析 AI Agent 创新点：实现 NL to Metrics+Label to SQL
4. 数势智能分析AI Agent的应用场景与创新价值
5. 总结与未来展望

听众收益：

• 了解零售行业在经营分析领域的现状与痛点；
• 了解集中式数据分析与民主化数据分析的区别
• 了解大模型增强的智能分析 AI Agent 构建方法
• 零售连锁 + 大模型 + AI Agent 的落地应用经验和效果

随着基础大模型的成功和迅猛发展，以基础大模型为中枢的智能体技术逐渐成为了关注焦点，它能够极大地释放大模型的潜力，成为将大模型与应用广泛衔接的一个桥梁。相比于传统的聊天机器人只能被动回复用户需求，智能体拥有一定自主性，能够感知、规划、决策并执行相关任务，具有广泛的研究和应用前景。

本次演讲将介绍在智能体技术上针对真实应用场景上的实践与技术演进，探讨魔搭模型社区下的大模型任务规划、工具使用、记忆机制、决策的多模型协同框架魔搭 Agent，以及通义星尘个性化智能体技术与应用。

介绍音视频创作的现状，包括创作者面临的挑战，如时间消耗、资源限制和创意瓶颈。我们构建基于音视频大模型为基础的面向业务场景的 AI agent，探讨 AI Agent 如何实现自动化、智能化，解决这些问题，提高创作效率和内容质量。重点介绍以下几个方面的应用实践：内容生成：AI 如何协助创作者快速生成剧本、音乐和视频素材，以及如何通过深度学习模型理解和模仿不同的艺术风格。编辑与后期制作：AI Agent 在视频剪辑、音频混音和视觉效果增强中的应用，以及如何通过智能算法优化后期流程。个性化推荐：AI 如何分析观众数据，为创作者提供个性化的内容建议，以及如何通过观众反馈迭代优化内容。互动体验：AI 在增强观众参与度方面的应用，包括通过自然语言处理实现的互动式叙事和实时反馈。版权与合规：AI 在内容版权管理和合规性审核中的作用，确保创作内容的合法性和道德标准。

演讲提纲：

1. 简述音视频创作当前行业现状，引入 AI Agent 在音视频创作中的应用主题
2. 音视频创作的挑战
   • 分析传统音视频创作流程中的痛点
   • 强调 AI 技术在解决这些挑战中的能力和潜力
3. AI Agent 在内容生成中的应用
   • 介绍 AI Agent 如何辅助剧本创作和故事构思
   • 展示 AI 在音频创作和人物声音设计中的应用案例
4. 编辑与后期制作的智能化
   • 讲解AI在视频剪辑自动化中的实际应用
   • 分析 AI 如何提升音频混音和声音设计的效率
5. 版权管理与合规性审核
   • 讨论 AI 如何帮助创作者遵守法律法规和道德标准
6. 未来展望与行业趋势
   • 预测 AI Agent 在音视频创作中的未来发展
   • 讨论创作者如何适应AI技术带来的变革
   • 强调持续学习和技术创新在行业发展中的重要性

听众收益：

• 了解到 LLM 底层思考
• AI agent 的构建和实践

随着 AI Agent 范式的确立，将原本只能由人类完全主导的内容生产工作，逐渐迁移为有 AI 辅助驱动的生产过程。虽然当前在生产过程中，AI 能力尚未能够完全取代人，但 Sora、Suno 等多模态创作能力的持续突破、大模型基座能力的不断提升，基于 Agent 的内容生产辅助已有明确的落地收益。本次将会介绍如何以内容理解、剧本分镜、视觉化等流程构建为核心，驱动内容辅助生成，帮助创作者提升内容生产效率。

演讲提纲：

1. 内容赛道现状概览
2. 生成任务工作流与挑战
3. 内容赛道 Agent 能力拆解
   • 感知认识-Knowledge
   • 规划拆解-Planing
   • 工具调用-Skills
4. 内容赛道Agent能力落地
   • 内容理解
   • 文案强化
   • 垂类生图
   • 动态视频
   • 评估校正
5. 内容赛道 Agent 落地效果
   • 营销类素材生产
   • 垂类自动化翻译
   • 衍生改编探索
6. 未来展望
   • 内容风控与算法备案
   • AIGC 典型场景前瞻

听众收益：

• 内容行业的 AI 生产过程辅助
• 当前 Agent 技术对内容生产的最佳实践
• 当前大模型能力在内容生产方向的实际局限