大模型爆发时代，通用模型尽管具有强大的泛化能力，但面向特定行业和场景的适配性较差，难以有效满足行业与用户需求。垂类模型作为面向细分需求场景的解决方案，凭借针对性强、效果显著的优势，能够更好地满足行业精细化和个性化的趋势，而在实际应用落地上，垂类模型需要达到高效、高性能、高精度的平衡，本次分享将从生活场景与生产力场景出发，并结合真实的业务应用（如人像美化、智能设计、特效玩法、图像处理、视频编辑等），分享垂类模型在落地AI产品应用上的技术方案以及经验。

演讲提纲

1. 垂类模型产品化的背景
   • 通用基础模型「懂得多」，但「聚焦少」
   • 通用基础模型面临商业化挑战
   • 垂类模型适配细分用户场景需求
2. 垂类模型产品化的落地应用
   • 垂类模型在生活场景的落地应用
     • 从风格化模型StyO到美图秀秀AI创意玩法
     • 从服装模型MTTryon到美颜相机AI换装
     • 从奇想大模型到Wink·AI特效
   • ​垂类模型在生产力场景的落地应用
     • 从字形编码器GlyphMastero到美图秀秀AI无痕改字
     • 从Inpainting训练框架MTADiffusion 到WHEE·AI改图
     • 从交互式分割NTClick到美图设计室智能抠图
3. 垂类模型产品化的优化与迭代方向
   • 专注应用，而非模型：从模型层到应用层的核心能力
   • 从“单点功能” → “业务闭环”：AI工作流助力生产效率成倍提升
     • 美图设计室·电商设计AI工作流
     • 开拍·AI口播工作流
     • MOKI·AI短片工作流

您认为，这样的技术在实践过程中有哪些痛点？
数据获取难、场景碎片化。

演讲前沿亮点
前沿技术结合实际业务场景，分享在多个领域的AI产品化经验，提供有深度的技术洞察，同时具备较高的实践价值。

听众收益

1. 了解美图前沿的技术成果。
2. 了解垂类模型面向细分场景的产品化经验。
3. 了解从用户需求到研发再到落地应用的链路。

在企业探索大模型应用的过程中，“智能体”被寄予厚望，但真正落地时却常常遭遇价值难衡量、开发周期过长、效果难验证等问题。本次演讲将结合安克创新在企业级智能体建设中的一线实践，深入剖析这些问题背后的根因与应对策略。​

1. 企业级智能体落地常见的问题是什么？
   • 价值难量化
   • 开发周期长
   • 效果被挑战
2. 根因问题是什么？
   • 缺少价值衡量的方法和指标，企业内部搭建的智能体一般是由个人搭建的活动智能体，而不是能替代企业流程的流程智能体，价值有限。
   • 智能体依赖数据和工具，企业数据源和业务系统多样异构，缺乏面向LLM的统一数据/服务抽象层。
   • 开发智能体的人，是否掌握业务的核心know how，谁是智能体的owner
3. 企业LLM应用落地范式思考（如何解决？）
   • 传统IT软件工程交付工具--> 从业务流程到智能体的新方法
   • 回归MVC基础原理，提供Model+Control基础设施
   • 从岗位出发，抓住关键场景know how，业务专家开发业务智能体
4. 实践案例
   • 从过去多人协作需要数天才能完成的亚马逊listing，到几分钟1个人就可以自动生成，效率提升上百倍。
   • 高效智能体与熟练使用它们的人类专家协同工作。

演讲前沿亮点

• 大规模建设企业级业务流程智能体的方法和实践经验。

听众收益

1. 智能体在企业中的定位和价值
2. 识别适合智能体业务场景的方法
3. 项目周期长、效果不佳、不贴近业务不落地、对人才要求高等等问题，如何解决

随着大语言模型（LLM）与多模态大语言模型（MLLM）的兴起,，掀起了一轮新的 AI 浪潮。LLM 为我们带来了无数的畅想，ChatGPT、DeepSeek、Qianwen、Claude、Gemini等模型也以各种产品形态开始进入我们的工作与生活。然而技术能力不等同于实际生产力，AI 究竟可以为企业带来什么， 将模型能力转化为企业有效生产力的过程中有多少问题要解决? 

本次演讲我将分享如何基于LLM&MLLM的能力构建起一个可以代替人工、 实现广告物料的自动审核与投放上线、以加速广告投放效率并带来切实收益的产品落地实践。

• 业务背景与痛点：不论是广告投放，还是用户及平台生产的UGC/PGC内容，包括视频、图片、文字、微动效，都会面临是否可以投放的合规性要求，需要符合各项法律法规的标准。

此类审核工作存在以下特点：

1. 专业度很高，需要结合各类法律法规及公序良俗，非专业培训的人员无法胜任。
2. 人力存在临界成本，非简单扩充人力就可以解决，审核人员达到一定规模后，再增加就会面临整体审核质量降低、控制成本升高的问题。
3. 体量特别大，比如仅优酷就日均百万级待审，人难以承受连续性高强度的审查工作。

导致行业普遍存在如下问题：

1. 大量待审件积压，导致广告等上架过程效率极低，严重影响到广告投放与播放收入。
2. 人工质量难以保障及审核遗漏，导致风险失控，甚至风险溢出造成社会影响后才后知后觉。

产品目前产生的实际价值与效果：2024年双11外投广告机审16万件，节约人力242人天；支持优酷日均千万级广告物料自动审核，加速广告投放效率。

演讲提纲

1. 为什么选广告审核场景：
   • 场景选择背后的逻辑分享
   • 业务背景与行业特性介绍
2. PoC碰到的问题、想法与实际效果的差距
   • 审核标准与面料的技术难点问题介绍
   • LLM端到端方案的尝试及效果不理想的原因分析
3. 产品解决方案分享
   • 核心技术思想及具体技术难点的解法分享
   • 工程方案的整体架构设计介绍
   • 产品反馈与持续优化链路设计介绍
4. 产品价值衡量与未来发展方向
   • 目前的使用情况与业务效果
   • 后续优化与演进方向
5. 总结与思考
   • 识别与选择 AI 场景的逻辑分享
   • 模型能力、PoC、工程化到产品可用性的经验分享

您认为，这样的技术在实践过程中有哪些痛点？

• 山寨类商品图标的识别，由于与正品差别极小，导致精度会不高。

您的演讲有哪些前沿亮点？

• LLM产品投产落地的典型场景，涉及到场景选择、模型能力到产品可用性的转化、工程鸿沟的解决办法、业务价值衡量全链路。
• 一系列具体的技术难点解法分享,如图形、文字、音频、视频处理、实体识别（人物、图标、IP形象、商品、音乐、商标、版权…）、计算机视觉、实体动作连续性跟踪、复杂规则RAG召回与推理判定等等。

听众收益

1. 用实例来分享AI 场景选择与商业价值判断->模型能力到实际生产力转化的探索全过程；
2. AI 应用时的整体技术思维方式、AI 应用过程中的相关的具体技术设计思路与细节；
3. 抄作业：提供给广告/UGC/PGC行业直接的AI提效思路。

在创作者侧，传统音频内容生产高度依赖人工录制，成本高、产能有限，难以实现面向消费者的个性化内容生产，更无法实现创作的 Scaling Law。

在消费者侧，个性化内容的诉求依赖传统推荐算法难以满足。人是个体，不是群像，传统推荐很难捕捉每个人独特的兴趣与语境。

为了解决上述问题，我们选择构建从数据采集到内容生成的 AI 采编 Agent，支撑音频节目的可批量生产。同时，构建基于大语言模型（LLM）的用户偏好、行为、记忆的个性化分发链路，实现真正“千人千面”的内容匹配。

相关技术细节包括：

• 信息采集 Agent：支持热点追踪、用户故事的 LLM 排序筛选、互联网内容的爬取与清洗、用户意图分析以及 DeepSearch；
• 内容生成 Agent：基于场景、人设、情绪，生成风格化故事内容；
• 内容评估 Agent：通过多维度标准对故事进行评估，保障输出为高质量的消费内容；
• 多模态生成模型：支持输出“有人味儿”的音频，提升听觉体验。

在实际应用中，我们实现了内容生产的数量级跃升：单日音频产能相比人工提升约 400 倍（从 8 个人 8 小时到 1 个人 10 分钟）。在首批 100 个内测用户中，普遍反馈内容效果良好。

演讲提纲

01-Agent 是什么

• MultiAgent vs Context?

02-音频 Agent 做什么

• 现有音视频业务的问题
• 音频 Agent 解决的问题
• 创作者创作难、无法 scaling up
• 真正为消费者生成千人千面内容

03-我们的音频 Agent 之路

• 输入侧：核心信息的载体质量决定生成内容的上限。怎么做？
• 处理侧：技术是工具，而音频内容的本质是与人沟通。怎么做？
• 输出侧：跟随最先进的音视频模型，永远站在巨人的肩膀上。怎么做？
• 工程化的挑战
  • 输出不可靠的问题
  • 响应速度的问题
  • Agent/模型迭代带来的不稳定问题

04-对音频 Agent 未来的展望

您认为，这样的技术在实践过程中有哪些痛点？

1. 复杂链路下的内容评估模型很难建设，局部最优不代表全局的最优。需要哪些维度哪些指标，好内容究竟是什么？
2. 每次模型更新后整个 Agent 链路都会受到影响，如何建立可控链路？
3. 初创团队如何积累技术壁垒？

您的演讲有哪些前沿亮点？

1. AI 时代下音频内容的新思考
2. AI Agent 应用的新趋势

听众收益

1. AI Agent 框架在生产中的落地实践
2. 获得音频内容的自动化生产链路构建经验
3. 了解创业者在资源有限的情况下如何做 AI