专题：Keynote 主题演讲

随着大模型技术的全面收敛，2026年的AI竞争已从“模型层”下沉至“应用层”。然而，大部分企业的工程组织仍停留在“AI赋能”的辅助阶段，受困于传统的人力协作模式。数据显示，顶尖的AI原生团队已实现2-3人的微型编制配合智能体平台，在1个月内甚至1周内完成项目上线，人效提升数倍。

在组织重构过程中，我们经历了从“AI辅助编码”到“AI原生（AI-Native）”的认知跃迁，通过“拆墙、减层”打造了“原子化超级个体 + 液态团队”的新型作战模式，并将核心资产从代码转向了“工作流（Workflow）”。本次分享将完整呈现这条从单点工具提效到组织基因重塑的实践路径，以及工程师在转型期的能力重构指南。

演讲提纲：

1. 组织阵痛与认知升级：从“人力密集”到“智力密集”的必然转型
2. 人才画像剧变：为什么“审美”与“架构”取代了“执行”成为核心能力
3. 组织架构重构：打造“原子化超级个体”与动态聚散的“液态团队”
4. 核心资产沉淀：工作流即资产（WaaA），破解“人走资产空”的困局

听众收益：

• 了解AI 对当前工程化人才造成的冲击 
• 了解工程人才培养与组织变革
• 了解未来企业的核心资产-工作流资产化（WaaA）的定义

本报告围绕 MOSS 多模态模型及其推理优化展开，系统介绍 OpenMOSS 团队在视觉、音频与语音生成三个方向上的最新进展。

报告首先回顾多模态大模型的发展背景与核心挑战，随后分别介绍 MOSS-VL、MOSS-Audio 和 MOSS-TTS 的模型架构、关键技术与能力表现，包括视频理解、通用音频理解、语音合成等内容。

在此基础上，报告进一步讨论多模态模型在实际部署中的推理效率问题，重点分析长视频、长音频和实时语音场景下的显存占用、首包延迟、流式输出和本地推理加速等优化方法。

通过模型设计与推理系统协同优化，MOSS 多模态系列模型将呈现迈向泛情境智能的技术路径，为多模态交互新范式的落地提供实践参考。

今天的大模型开发者正面对一个“不可能三角”：推理要快、能力要强、智能体要可靠。但这三件事并不是三个独立问题，而是同一个根源的不同表现：架构、训练与智能体能力被割裂设计。
Ling & Ring 2.6 的实践表明，万亿参数规模下的能力释放，不能只靠堆算力或扩参数。通过 7:1 混合线性注意力、MoE 稳定训练、真实工具执行数据、KPop 强化学习与 Token 效率优化，模型可以在 256K 长上下文、真实智能体任务和商业服务效率之间同时取得突破。

智能体时代，效率不是优化指标，而是能力本身；开源不是发布方式，而是推动新范式迭代的方法论。

演讲提纲：

1. 架构设计
2. 预训练&智能体数据
3. 评测结果——能力释放·效率突破·现有差距
4. 定位与展望

过去两年，AI 创业经历了从基础模型竞赛到应用爆发的快速演进。26年以来，市场关注点早已明显转变：资本不再为技术想象力买单，而开始将商业化能力、用户留存和收入长期稳定增长作为核心衡量标准。

本次分享将从一级市场投资人的视角出发，系统梳理中美 AI 创业生态的最新变化，分析 Agent、AI Native 应用、企业服务、AI 硬件等重点方向的发展趋势与投资逻辑。同时结合一线项目观察，探讨估值体系重构、创业团队能力模型变化以及未来 12个月最值得关注的新机会窗口。

听众将获得对 AI 创业下一阶段竞争格局的整体认知，以及面向未来的商业机会的判断。

本演讲围绕Token服务体系及其全链路优化展开，系统介绍Token经济爆发背景下，行业在性能评测、智能调度、推理协同三大方向的产业级实践与关键突破。

演讲首先剖析Token服务市场的发展背景与核心挑战，随后分别阐述Token服务质量评测体系、多服务商智能调度、底层推理引擎协同优化的技术架构、关键路径与落地表现，覆盖首Token延迟、吞吐量、缓存命中率、服务稳定性等核心指标。

在此基础上，演讲进一步聚焦Token服务规模化落地中的效率瓶颈，重点分析长上下文、高并发、多节点场景下的成本控制、延迟优化、吞吐提升及高可用保障方案，探讨通过动态观测、智能路由与软硬协同实现Token资源高效利用的实践方法。

通过评测体系与调度系统、推理引擎的协同优化，Token服务体系将呈现迈向高效、稳定、低成本的泛场景智能服务路径，为Token经济时代的规模化应用落地提供产业级实践参考。