LLM现在是不是正面临着一个巨大的“认知鸿沟”？那些层出不穷的智能体，真的是颠覆性的创新，还是被过度炒作的“泡沫”？而AI编程工具的快速演变，又会如何影响99%的程序员日常工作？在2025全球机器学习技术大会（ML-Summit 2025）上，各位专家带来了最新的见解和观点。
作者 | 《新程序员》编辑部
出品 | CSDN（ID：CSDNnews）
10月16日至17日，由CSDN与奇点智能研究院共同主办的2025全球机器学习技术大会在北京威斯汀酒店隆重召开。
这两天的大会内容丰富，精彩不断。来自全球50多位顶尖技术专家齐聚一堂，包括OpenAI、Google、微软、英伟达等国际知名科技公司，还有阿里巴巴、字节跳动、小米等国内一线科技企业，甚至不乏来自北京大学、清华大学等知名高校的学者，他们都为与会者分享了最新的技术和实践经验。
大会现场座无虚席，讨论气氛热烈。这里汇聚了产业和学术的多元视角，大家围绕着大语言模型的演进、智能体工程的实际应用、传统软件研发的变革、以及多模态与世界模型的最新进展等话题，展开了深入的探讨。这场盛会不仅展示了行业的新趋势，也为开发者和研究者提供了思考自身在智能浪潮中定位与方向的机会。
智能体时代的AI产业变革
在AI技术的推动下，大模型的推理能力不断提升，智能体应用也迎来了迅猛发展。而开源平台如雨后春笋般崛起。不过，机遇并非没有挑战：上下文理解和记忆能力仍然是限制大模型应用的瓶颈，而真正能在全球范围内产生影响的AI平台却依然屈指可数。因此，行业内迫切需要明确的发展策略，以引导技术的研发和产业实践。
在10月16日的大会主会场上，奇点智能研究院院长、CSDN高级副总裁李建忠，以及ISO人工智能技术委员会专家、C++标准委员会机器学习组主席YetiWare的CTO Michael Wong，前OpenAI研究员、清华大学交叉信息院助理教授吴翼，以及OpenAI资深研究科学家Lukasz Kaiser等嘉宾，基于最新的AI技术进展，进行了深刻的主题演讲。他们重点分析了大模型与智能体的发展趋势、开源平台的全球化策略，以及AI落地与产业应用的关键路径。
关于大模型技术的思考与AI产业的现状洞察
人工智能平台的悖论：为何大多数开源AI生态系统走向失败，以及如何建立一个健康的生态
-
Michael Wong ISO人工智能技术委员会专家、C++标准委员会机器学习组主席、YetiWare CTO
AReaL：为智能体设计的全异步强化学习框架
-
吴翼 前OpenAI研究员、清华大学交叉信息院助理教授
推理模型的过去、现在与未来
圆桌讨论：AI产业转型的关键问题
在这次会议的高潮部分，由CSDN及《新程序员》的执行总编唐小引主持，奇点智能研究院的院长李建忠、小米集团AI实验室的王斌、群核科技的唐睿，以及面壁智能的贾超，围绕“AI产业转型的关键问题”进行了深入的交流。他们从视觉派与语言派的对立，到智能体（Agent）的价值，再到人工通用智能的发展路径，嘉宾们各抒己见，结合自己的行业经验，展开了激烈的讨论，碰撞出多样化的想法。
《AI原生软件研发成熟度模型AISMM》重磅发布！
特别值得一提的是，这次大会上，奇点智能研究院的院长李建忠与开源技术委员会主任、华东师范大学的王伟共同发布了两份重要报告——《AI原生软件研发成熟度模型AISMM》和《2025全球开源发展报告（中文版）》。
-
《AI原生软件研发成熟度模型AISMM》的目标是为行业提供一个基于奇点智能研究院的研究成果而设计的AI原生软件研发成熟度的发展路线图。这个模型结合了研究团队和业界的最佳实践，旨在推动AI原生软件研发技术、流程和组织的协同进步。AISMM的成熟度模型遵循三个核心原则：首先，软件研发的数字化（工程师需要了解的，智能体也要了解）；其次，上下文和记忆（工程师看到的，智能体也要看到）；最后，执行能力（工程师能够完成的，智能体也应能够完成）。
-
《2025全球开源发展报告（中文版）》则是由奇点智能研究院与联合国咨询开源创新专业委员会（UNOSI）共同编制的。报告主要内容包括开源发展目标、全球开源生态观察图、全球开源影响力排名、全球开源技术全景洞察，以及开源人工智能的发展状况，为行业提供了权威的全球视角和数据参考。
### AI的全景解码：从智能体到行业落地的探索
在这次大会上，许多技术话题齐聚一堂，涉及了智能体工程、大语言模型的进化、AI助力软件开发与氛围编程、多模态与世界模型、具身智能与智能硬件等多个方向，真的是一场技术盛宴。
每个专题都兼顾了理论与实践的结合。论坛不仅探讨了前沿技术的新趋势，还分享了企业实际案例和产品经验。技术专家们结合个人的研究与企业实践，从技术原理到工程挑战，再到应用场景，全面展示了AI技术在学术与产业创新中的最新动态。
说到智能体工程，这个话题可是当下的热门！智能体（Agent）正在迅速成为AI产业落地的核心驱动力。无论是在信息检索、任务规划、还是自动化运营与知识管理中，智能体都在不断拓展“模型的边界”，让AI不仅仅是回答问题，而是真正地去“完成任务”。随着智能体生态的快速发展，如何构建高质量、可复用、可协作的Agent系统，成为了新的挑战。同时，评测智能体的效果、迭代更新，以及解决异步架构、知识私域、协议兼容等问题，也是迫在眉睫的任务。
为此，在“智能体工程与实践”专题中，我们邀请了来自字节跳动、通义实验室、微软亚洲研究院、京东等一线技术团队的研发负责人和架构设计师，围绕智能体的评测标准、框架构建、协作机制等进行了深入的分享与实战解析，帮助开发者理解“下一代智能体系统应该如何构建”。
例如，在“Agent效果评测与迭代优化实践”环节，通义DeepResearch的算法科学家乔子乐介绍了SOTA级AI智能体的全栈构建方法论。而京东则带来了OxyGent——一个开源的多智能体协作框架，帮助大家更好地理解私域知识管理的最佳实践。
此外，ANP开源技术社区的发起人常高伟也分享了智能体协议的深度解析，包括MCP/A2A/ANP/AP2，让参与者对智能体的协议体系有了更清晰的认识。
大会还包括了英伟达的CUDA C++开发者工具箱、Google核心技术与框架的解析，以及关于如何构建高质量智能体的经验分享等，内容丰富，涵盖了AI领域的方方面面。
大语言模型的演变与软件开发的新趋势
现在的大语言模型可谓是经历了一场巨大的变革，已经从单纯追求参数数量的阶段，转向了重视“可靠性、可控性和实际应用能力”的新纪元。大家都知道，经过预训练架构的创新、推理效率的提升、指令的对齐以及多模态的融合，行业的观点也在不断变化：模型的强大不再仅仅看规模，而是要看它的稳定性、实用性以及对业务的理解能力。现在，如何在真实的应用场景中构建可靠的大模型系统、提升推理效果与可解释性，以及兼顾端侧部署和云端协同的能力，已经成为技术团队的重点研究方向。
在这个“大语言模型技术演进”的专题中，来自微博、腾讯、清华大学、快手和北京邮电大学的顶尖专家们，分别从各自的视角解读了大模型的训练、优化和部署最新进展，全面呈现了LLM技术从算法理论走向产业系统的全新演变，也勾勒出未来智能系统向“更强、更稳、更可信”的发展趋势。
谈到可验证奖励的强化学习（RLVR），业内的经验、面临的问题和未来的发展方向也是值得深思的。
腾讯的混元翻译模型优化的经验分享也是相当有启发性的。
还有MiniCPM，这可是一个高效的端侧大模型呢！
-
肖朝军，清华大学计算机系的博士后，MiniCPM4的主要作者。
快手在内容治理体系下应用安全大模型的实践也相当值得关注。
此外，不确定性建模也在逐步引领我们向更可靠的人工智能迈进。
AI正在赋能软件研发，进入“氛围编程”的新时代
如今，软件开发的方式正在悄然改变，由“写代码”变成了“和AI一起写代码”。这意味着我们正在从传统的指令式编程逐渐过渡到一种新的“氛围编程（Vibe Coding）”模式：开发者不再是逐行敲代码，而是在一种语义共创、意图引导和智能体协作的氛围中，通过高度互动不断收敛解决方案。这种工作流的演变，其实是大模型推理能力提升、智能体体系工程化以及多工具链协同调度能力共同进化的结果。
在“AI赋能软件研发与氛围编程”的专题中，北京大学、阿里、腾讯、深信服、ClackyAI、智谱AI、百度、蚂蚁等领先团队的技术专家齐聚一堂，分享了程序逻辑推理能力的突破、智能体编程平台的落地实践、人机协作模式的重构、企业级开发流程的优化以及多智能体编程框架的设计等精彩内容，并揭示了“氛围编程”背后的产业逻辑及技术基础。
讨论包括：面向程序逻辑推理的大语言模型能力突破、Agentic Coding平台Qoder的应用、AI Coding的人机协作新模式、AI编程如何重新定义企业级开发、L3 Agentic Code Studio的全球发展趋势，以及LLM Agent在软件工程领域的应用等。
还探讨了从繁琐到突破的Coding Agent落地实践和多智能体原理解析，以及AWorld智能体框架的演变，从单一模型到集体智能的转变。
圆桌讨论：AI编程的进化之路，从工具革命到开发变革
AI 编程的未来：从工具到合作的演变之路
当代码不再仅仅是人类的产物，而是与智能模型共同生成时，开发的方式正在经历一场深刻的变革。AI 编程已不仅仅是提高效率的工具堆砌，而是一个系统性的重塑，涵盖了编码流程和工程思维的各个方面。开发者的角色正在被重新定义，代码的生成逻辑也在算法的推动下发生了变化。人与智能体之间的协作边界正在迅速消失。在这样的背景下，我们该如何理解 AI 代码工具从辅助型向共创型的演进呢？面对真实研发环境中的复杂需求，AI 编程的未来究竟是工具革命，还是一种开发范式的根本转变呢？
在 CSDN 和《新程序员》总编唐小引的主持下，围绕“AI 编程进行时：从工具革命到开发进化”的主题展开了一场圆桌讨论。参与讨论的嘉宾包括阿里 Qoder 的技术专家彭佳汉、腾讯代码大模型技术专家夏伟、奇点智能研究院的首席咨询师王博，以及智谱 AI CodeGeeX 的算法研究员张少博。他们针对代码大模型的研发逻辑、工程落地过程中遇到的挑战以及未来智能开发协作模式等重要议题进行了深入的探讨。
多模态与世界模型
在如今迅速发展的 AI 领域，多模态技术和世界模型的研究显得格外重要，这也是实现“通用感知与理解”的关键路径。把图像、文本、语音和三维数据等多种信息结合起来，不仅给模型的表达能力带来了挑战，还对推理和生成的整体性能提出了更高要求。从大规模图文对齐到多模态搜索，再到统一推理模型和实时语音交互，多模态技术正在逐步突破单一模态的局限，为智能体的现实世界认知能力打下了坚实的基础。
围绕“多模态与世界模型”这一主题，我们汇聚了来自 360、小红书、昆仑万维、理想汽车和腾讯混元的核心技术专家。他们从实际业务的角度出发，深入剖析了多模态技术在不同领域的创新应用和深度实践，为开发者理解下一代 AI 系统提供了最直观的参考和启发。
FG-CLIP–面向大规模搜广推的高精度图文对齐与向量化
多模态大模型在小红书搜索中的应用
多模态推理和统一模型
理想同学实时语音对话大模型 MindGPT-4o-Audio 的技术实践
混元 3D 生成大模型：研发布局与应用
具身智能与智能硬件
从类人机器人精准完成复杂任务，到空间智能技术连接数字世界与物理世界，具身智能正在推动智能硬件迈向更加主动的交互与自主决策阶段，打破了“被动响应”的局限。不过，在这一过程中，如何提高类人操作的精度、协调数字与物理世界的适配性，以及高效实施强化学习框架，依然是行业面临的关键挑战。
在“具身智能与智能硬件”专题中，来自星尘智能、群核科技、无问芯穹、网易灵动的技术负责人和研发专家，结合真实案例与前沿研究，深入分析了具身智能在多个领域的技术突破和应用落地，也为智能硬件的创新发展提供了宝贵的指导。
类人操作：迈向人类级智能的关键一步
群核空间智能：构建数字与物理世界的桥梁
面向具身智能的“渲训推一体化”开源强化学习训练框架 RLinf
具身智能技术在工程机械智能化中的应用
AI Infra 大模型基础设施
随着大模型技术的快速发展，算法和应用的创新层出不穷，但这也给计算基础设施带来了前所未有的挑战。你想过吗？从处理海量算力的调度管理，到优化多模态训练的表现，再到实现端到端的智能计算服务，所有这些都显示出大模型基础设施在下一个 AI 时代中的重要性。在这个过程中，如何提供高效、可扩展且延迟低的算力交付，如何在现实和虚拟环境中确保模型训练和推理的稳定性与性价比，成为了行业亟待解决的难题。
为了应对这些挑战，我们邀请了来自 Google、NVIDIA、腾云智算和清程极智的顶尖技术专家，他们分享了从算力平台架构到优化策略，再到实际性能交付和落地工程的丰富经验，全面展示了大模型基础设施的前沿动态和产业应用的方向。
谈到行星级别的大模型基础设施，NVIDIA 在物理世界模型和多模态性能优化方面的实践非常值得关注。
而对于新时代的大模型开发者来说，端到端的智能计算服务显得尤为重要。
别忘了，大模型的训练和推理优化技术，以及便捷的性能交付方案，也是我们要深入探讨的内容。
大模型与行业应用的实践
如今，大模型技术已经逐渐成熟，AI 在各个行业的实际应用正在从纸上谈兵转向深度整合。无论是智能搜索、生成推荐，还是自动驾驶、广告排序，甚至企业级 AI 的安全与治理，行业对大模型的需求不仅仅是展现能力，更在乎其实用性、可控性和可靠性。同时，大模型也在通过多样化的方式重塑行业生态。
围绕“大模型与行业应用实践”，我们集结了来自小红书、Dify、驭势科技、中国电信、京东和百度等公司的专家，他们各自分享了大模型在不同场景中的创新应用和实战方案，涵盖了智能搜索生成算法、RAG 架构探索、自动驾驶决策优化、AI 安全治理、广告排序生成优化等案例。这些内容不仅展示了前沿的技术突破，还深入地分析了行业落地的工程挑战与经验。
在小红书，Agent 时代的 LLM 已经开始落地了。
而 RAG 的发展新范式也在不断被探索。
驭势科技利用 AI 大模型来打破 L4 级自动驾驶的“99 分困局”，这实在令人振奋。
AI 安全与治理方面，中国电信人工智能研究院的赵健教授也分享了他们的经验。
生成式大模型在广告排序业务中的应用同样值得关注。
飞浆 PaddleOCR 的最新技术和产业实践也为我们提供了新的视角。
生成式 AI 的产品创新与探索
现在，生成式 AI 正以惊人的速度改变着产品的边界。从内容创作到工业设计，从动画生成到视觉算法的应用，这些技术的进步让创意和效率不断突破以往的限制。而在大模型落地的过程中，如何让强大的模型高效运行并适应真实业务场景，成为每个开发团队必须面对的关键挑战。解决算力瓶颈、提升用户体验、实现完整的应用落地，这些都是 GenAI 产品创新所需突破的“最后一公里”。
通过一系列的探讨，来自腾讯混元、哔哩哔哩、国星宇航、摩尔线程的技术专家们在本专题中分享了他们的实践经验：涵盖了大模型的压缩与部署策略、AI 动画生成的技术落地、视觉算法在产业中的全链路应用，以及训练框架与算力的协同优化等前沿方法。通过这些案例，我们不仅能直观了解 GenAI 在真实产品环境中的落地路径，还能够洞察技术创新与业务需求结合的思路和方法。
打通大模型落地的“最后一公里”：大模型压缩实践
AI 动画模型的技术实践、应用及未来展望
AI 视觉算法产品落地研究——从学术前沿到产业实践的全链路探索
摩尔线程的大模型训练与 AI 框架的协同演进实践
开源模型与框架：AI创新的核心动力
在构建先进的人工智能时，训练、推理和部署这些基础工具和库真的是不可或缺的哦！它们不仅能有效提高计算效率，还能让模型在实际应用中更顺利地落地。
最近，阿里巴巴、vLLM 的核心团队、SGLang 的开发者，以及字节跳动的技术专家们聚在一起，围绕“开源模型与框架”这个主题进行了热烈的讨论。他们分别分享了在 MNN-LLM、vLLM、SpecForge 和 verl 等开源框架上的研发经验，交流了在大模型训练、推理加速、模型微调中面临的挑战和解决方案，也给开源框架带来了不少新想法。
MNN-LLM 是一个专为移动端设计的大语言模型推理框架，而 vLLM 则是一个人人可用、快速且低成本的大模型推理服务。至于 SpecForge，它是一个用于训练投机采样模型的开源框架。
-
李升桂：SGLang核心开发者，现在新加坡南洋理工大学读博士。
verl 是一个灵活高效的大模型强化学习编程框架，真是让人眼前一亮！
闭门会议：AI开源创新的思想碰撞！
在大会期间，还举办了一场“AI基础软件开源创新闭门研讨会”，由奇点智能研究院与华东师范大学的开源创新与变革联合实验室共同主办，目的是深入探讨全球 AI 基础软件的生态格局、开源战略及未来发展方向。在 AI 大模型已成为产业核心驱动力的当下，基础软件作为连接硬件算力与上层应用的关键角色，其重要性不言而喻，这个会议召开得正是时候。
这次研讨会聚集了来自国内外的顶尖专家，形成了涵盖理论研究、实践探索、开源社区和产业战略的全面对话阵容。讨论围绕四个核心议题展开，包括设计哲学、软件设计维度、关键技术决策和生态策略，不仅探讨了宏观战略，还深入到了具体的技术决策和实践中的痛点。
-
李建忠：奇点智能研究院院长，CSDN高级副总裁。
-
王博：奇点智能首席技术咨询师。
-
王伟：奇点智能研究院开源技术委员会主任，华东师范大学数据科学与工程学院教授。
-
吴咏炜：奇点智能首席技术咨询师。
-
Michael Wong：ISO人工智能技术委员会专家，C++标准委员会机器学习组主席，YetiWare CTO。
-
李升桂：SGLang核心开发者，新加坡南洋理工大学在读博士。
-
何万青：清程极智副总裁。
-
莫凡：摩尔线程算法工程师。
-
肖朝军：清华大学计算机系博士后、MiniCPM4主要作者。
-
姜勇：Dify资深架构师。
-
张权路：无问芯穹技术副总裁。
-
乔子乐：通义实验室算法科学家、通义 DeepResearch 核心作者。
-
张军：百度资深工程师。
-
敖玉龙：智源研究院 AI 框架研发负责人。
AI的未来，我们一起见证！
AI的星星之火终将燎原，期待我们下次再聚！
2025年全球机器学习技术大会的成功举办，离不开行业专家们的精彩分享、AI开发者们的热忱参与，以及合作伙伴们的全力支持。在这里，特别感谢蚂蚁开源、腾云智算、人民邮电出版社异步社区、清华大学出版社、电子工业出版社博文视点的鼎力相助。
至此，大会圆满结束。这两天的交流互动为行业、公司和技术人员带来了真实的价值。对于行业来说，最新的智能体、生成式AI与多模态技术的发展趋势被清晰展示，为今后的战略布局、技术路径规划和产业发展提供了有力的参考；对于企业，分享的研发方法优化和产品创新经验，帮助大家更好地将技术落到实处，同时为提升团队效率和创新提供了切实可行的方案；而对技术人员而言，前沿算法、工程实践、跨模态协作以及开源工具的应用实例，成为了技能提升、项目实践和社区参与的宝贵指南，让每位开发者都能在复杂的项目中迅速找到切入点并形成解决方案。
这两天的思想碰撞与实践分享，不仅展示了AI技术发展的全貌，也让理论、工程与应用紧密结合，为行业的进步、企业的落地及个人的成长指明了方向，提供了直接可参考的框架与实践路径。感谢每一位参与者的热情贡献，我们期待再次与您相聚，共同探索AI的更多可能性。
同时，提前预告一下：「2025全球C++及系统软件大会」将在12月12-13日于北京威斯汀酒店举行，届时C++之父Bjarne Stroustrup将亲临现场。本届大会将汇聚全球系统软件领域的顶尖专家、架构师和一线技术人员，共同探讨AI时代下系统软件的演进路线，分享最前沿的性能优化实践，并携手定义下一代智能应用基础设施的新范式，敬请期待！
想了解更多信息，可以访问大会官网：https://cpp-summit.org/
