大会概览

会议时间：2026年4月17-18日
会议地点：上海环球港凯悦酒店
主办方：CSDN与奇点智能研究院
大会主题：从「全球机器学习技术大会」升级为「奇点智能技术大会」
参会规模：60+技术专家、50+演讲、1000+听众
核心定位：围绕技术拐点与产业路径展开集中讨论，为行业从业者提供更深层次的理解与思考路径

---

一、《AI原生软件研发成熟度模型AISMM白皮书》

1.1 白皮书概述

发布者：奇点智能研究院院长、CSDN高级副总裁 李建忠

核心定位：AISMM（AI-Specific Maturity Model）不是对CMMI的修修补补，而是面向大模型时代研发范式跃迁的工程操作系统。它将数据飞轮、模型迭代闭环、MLOps就绪度、人类反馈对齐（HFA）等关键能力嵌入到可度量、可审计、可进化的成熟度阶梯中。

五大章节结构：

1. AI重塑软件全新范式的变局
2. AISMM全景解读
3. AI原生软件工程的核心变革剖析
4. 企业现状与行业格局评估
5. 技术趋势与价值主张的展望

1.2 AISMM vs CMMI 核心差异

能力维度	CMMI Level 3	AISMM Level 3
评估粒度	组织级流程域	场景级能力向量（如：retrieval_precision@k=5）
演进触发	年度审计	在线A/B测试胜出信号
变更控制	代码分支合并需双人审批	模型权重更新、提示词集变更、数据采样策略调整均需三方联合签名
过程测量	需求覆盖率、缺陷密度	推理延迟P99稳定性、对抗样本拒识率、人工反馈采纳率
核心目标	流程合规	意图达成

1.3 AISMM五大核心域（Core Domains）

核心域	学术溯源	代表企业	落地场景
DataOps	2012年Databricks数据流水线工程化思想	Netflix	实时特征同步延迟<50ms
ModelOps	2018年Gartner定义的模型生命周期管理框架	Capital One	日均模型部署200+
EvalOps	ACL 2021《Benchmarking Foundation Models》	-	可复现评估范式
GovOps	IEEE P7002数据治理标准	-	合规审计自动化
LearnOps	教育技术自适应学习理论+MLOps实时反馈	-	团队能力图谱演化

1.4 AISMM成熟度等级（L0-L5）

等级定义：L0–L5并非等距划分，而是依据127家金融机构AI系统运维审计数据识别出的6个关键拐点。

关键跃升阈值：

• L2→L3（自动化编排）跃迁成功率不足19%
• L4→L5（自主策略演化）跃迁成功率不足19%

各等级核心指标对比：

等级	MTTR分布	策略生成延迟	合规覆盖度
L2	12–47 min	N/A	≤63%
L4	8–22 s	3.2±0.7s	91–96%
L5	0.8–4.3 s	<1.1s（P95）	100%（动态映射）

1.5 AISMM三阶收敛机制

大模型研发中，需求发散、接口漂移、环境异构导致系统熵持续攀升。AISMM通过三阶收敛抑制熵增：

阶段	收敛目标	典型手段
一阶（语义）	接口意图一致性	OpenAPI v3 + 语义注解
二阶（状态）	跨环境执行确定性	容器镜像+权重快照绑定
三阶（演化）	长期维护可追溯性	模型血缘图+变更影响分析

1.6 AISMM真实落地效果

案例：某全球TOP3云厂商

• 采用AISMM v2.1后：
  • LLM服务交付周期压缩 47%
  • 模型上线前人工审核环节减少 62%
  • 关键缺陷逃逸率下降至 0.03%
• 核心动作：依据AISMM四级"自主调优"要求，重定义了SRE与ML工程师的协同契约

1.7 SITS2026七层能力模型（AI原生研发国家标准级评估体系）

层级	名称	核心功能
第1层	语义感知层	多模态意图解析，BERT变体槽位填充
第2层	推理编排层	动态工作流调度，时限约束拓扑排序
第3层	自治执行层	闭环反馈控制，自动扩缩容
第4层	可信演化层	版本化策略引擎，跨域签名验证
第5层	跨域协同层	联邦状态同步，策略对齐
第6层	价值对齐层	意图偏差率（IDR）监控
第7层	生态演进层	协变韧性指数（CRI）追踪

---

二、李建忠：AI产业十二大趋势

2.1 计算范式趋势（趋势1-4）

趋势	核心内容	研发落地关联
趋势1	推理算力的池化、异构与弹性调度	影响AI推理基础设施架构设计
趋势2	云计算服务模式深度重构：从IaaS/PaaS/SaaS到Token Factory/MaaS/AaaS	开发模式从资源订阅转向能力订阅
趋势3	端云协同的AI计算架构走向成熟	影响模型部署策略与性能优化
趋势4	Token经济学从应用技巧升维为基础设施工学	成本控制与效率优化成为核心工程能力

2.2 开发范式趋势（趋势5-8）

趋势	核心内容	研发落地关联
趋势5	自主软件工程的边界持续拓展	Code Agent接管更多开发环节
趋势6	Harness的成熟进化：手工配置→AI辅助→自动优化	从提示工程→上下文工程→驾驭工程
趋势7	开发工具和基础设施从人类中心走向Agent原生	IDE、CI/CD、监控全面Agent化
趋势8	即时软件快速增长，柔性软件走向工程化成熟	软件形态从传统软件→柔性软件→即时软件

2.3 应用范式趋势（趋势9-12）

趋势	核心内容	研发落地关联
趋势9	Agent成为用户交互第一入口，传统软件下游化	软件从"为人类设计"转向"为Agent设计"
趋势10	生成式用户界面(GenUI)提供更个性化体验	UI开发范式根本性变革
趋势11	Agent将互联网从信息网络重构为行动网络	从信息检索到任务执行
趋势12	自然语言交互+Agent网络为多元设备提供人机界面	交互方式的范式转移

2.4 Agent对软件产业的双轮颠覆效应

李建忠指出，Agent正通过**“双轮颠覆效应”**重塑软件产业：

1. 改变软件应用形态（Do What）：

   • Agent成为用户第一交互界面
   • 传统软件被进一步"下游化"，演变为可调用的工具
   • 行业开始"为Agent去设计软件，而不是为人类设计软件"

2. 颠覆软件开发方式（How Do）：

   • CLI比GUI对Agent更友好
   • 需要构建面向Agent的能力体系：可调用工具/API、Skills、运行云端环境（沙箱）

---

三、王伟：AI大模型开源影响力榜单

3.1 评测体系概述

发布者：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 王伟

评测框架：突破单一性能维度局限，从数据、模型、测评与系统四个维度构建综合评价标准

评测规模：

• 53个核心指标
• 覆盖17个主流技术平台
• 采集13,541条有效链接
• 数据统计截止：2026年4月9日

开源地址：

• GitHub: https://github.com/brucecui0120/OSIR-LMTS
• GitCode: https://gitcode.com/brucec/OSIR-LMTS

3.2 四大维度评测详解

模型分榜：中国开源模型实力超越美国

模型类型	3月下载量占比	榜首模型
向量模型	38.4%	UKP Lab all-MiniLM-L6-v2（月下载2.02亿次）
语言模型	31.0%	阿里巴巴Qwen2.5-7B-Instruct（2338万次）
多模态模型	17.1%	OpenAI clip-vit-base-patch32（1914万次）

关键发现：

• 阿里巴巴以46个模型、覆盖5种模态的成绩占据绝对领先地位
• 中国在多模态模型领域的下载量已全面超越美国
• 得益于Qwen系列的持续迭代创新

数据分榜：中立机构领跑

机构	数据集数量	特色
北京智源人工智能研究院(BAAI)	518个	多模态数据集195个、具身数据集199个
上海人工智能实验室	-	排名第二
Google	-	排名第三

核心洞察：非营利、中立科研机构更愿意开放数据集，企业则更多将数据视为核心竞争力

系统分榜：工具链竞争成为关键战场

子指标	榜首机构	领先优势
算子库	北京智源人工智能研究院(BAAI)	500个高性能通用算子
通信库	智源研究院	FlagScale训练框架支撑
AI编译器	智源研究院	底层支撑优势显著
深度学习框架	华为、百度、阿里等	7家机构覆盖4项

评测分榜：标准化进程加速

• 上海AI实验室：开源评测数据集从19个增长至34个
• 智源研究院：实现13倍增速突破
• 头部机构纷纷开放自研评测工具，模型优化周期缩短60%以上

3.3 综合榜单结果

排名	机构	核心优势
🥇	阿里巴巴	全链条能力领先，Qwen系列持续迭代
🥈	北京智源人工智能研究院	数据集数量第一，系统工具链完善
🥉	上海人工智能实验室	开源评测数据集快速增长
4	Meta	Llama系列国际影响力
5	-	-

3.4 三大核心趋势

1. 中国力量全面领跑：阿里巴巴、智源研究院、上海AI实验室 3家进入TOP5
2. 全栈开源成为标配：单一模型开放已不够，数据、系统、评测协同开放才是生态核心
3. 社区共建成为主流：评估方法开源、标准共建，全球AI正走向开放协同新阶段

---

四、「AI DSpace」AI开发者空间站

4.1 社区概述

定位：面向海内外技术专家的高密度AI开发者社区
发起方式：由多位技术专家以个人名义联合发起
核心目标：连接产业与学术、专家与初学者，推动更高密度的技术交流与实践协作

4.2 三大建设方向

方向一：社区驱动，开放参与

• 汇聚行业顶级技术专家
• 广泛吸纳在校生、初入职场者等新生力量
• 发挥连接器作用：搭建技术专家与入门从业者之间的沟通桥梁
• 采用"专家领衔、志愿者驱动"的参与机制
• 打造人人可贡献的开放生态

方向二：一站式内容与资源平台

• 硬核干货精选
• 线上线下立体化活动
• 本次大会发布的白皮书等独家资源
• 全方位支撑开发者学习与实践

方向三：全栈技术与产业版图覆盖

涵盖AI全链路多个领域：

领域	说明
AI全链路	基础设施→模型工程→核心应用场景→运维体系→行业洞察
基础设施	底层技术支撑
模型工程	模型训练、优化、部署
重点场景	行业应用场景解析
前沿应用	最新技术应用实践
运维落地	MLOps、AIOps实践
行业洞察	产业发展分析

---

五、AI工程落地：研发场景核心洞察

5.1 从AI-augmented到AI-native的范式跃迁

维度	AI-augmented	AI-native
控制流	静态分支	概率化路径选择
错误恢复	预设fallback	生成式自修复
状态管理	应用层显式维护	Agent内部持久化记忆（RAG+向量时序缓存）
任务调度	中心化工作流引擎	自主目标分解与工具反射循环
核心特征	人类工程师为决策中心	模型嵌入系统骨架，驱动设计/验证/迭代闭环

5.2 AI原生研发的核心工程实践

需求工程阶段

• 自然语言需求→结构化契约：多智能体协同引擎自动生成数据契约与SLA声明
• 意图图谱构建：IntentNode→RequirementNode→TestScenario的完整链路
• 验证规则自动生成：基于LLM的意图-约束映射器

构建与部署阶段

• MCP编译器：模型权重与源码AST联合编译，输出统一IR包
• 零信任签名验证：模型哈希+编译器身份证书双因子签名
• 硬件TPM密钥背书：部署前CA链验证

运行时治理阶段

• 延迟感知在线策略决策：P99延迟预测+SLA余量动态加权
• 多目标优化：延迟、成本、SLA达标率综合权衡
• 实时反馈闭环：Prometheus指标+AI异常检测

5.3 六维成熟度评估框架（32项量化指标）

维度	指标数	核心指标示例
战略	6项	AI战略对齐度、技术路线图清晰度
组织	5项	AI团队规模、跨部门协同机制
流程	6项	变更审批自动化率、模型部署频率
技术	5项	跨云API一致性、LLM-Ops成熟度
数据	5项	元数据血缘覆盖率、数据新鲜度
安全	5项	对抗样本拒识率、合规覆盖度

5.4 AI驱动的测试工程

零样本测试生成

• 解析ONNX模型计算图，识别敏感张量节点
• 结合领域知识库生成语义等价对抗样本
• 输出Go语言测试桩，含覆盖率断言与可观测性埋点

TaaC（Test as a Code）效果对比

方法	漏洞检出率	误报率	平均响应延迟
传统规则匹配	41%	29%	120ms
TaaC语义模糊	78%	8%	310ms

5.5 驾驭工程（Harness Engineering）的演进

AI领域概念迭代极快，从提示工程(Prompt Engineering)到上下文工程(Context Engineering)，再到如今的驾驭工程(Harness Engineering)——即对AI智能体的协同与管理。

核心演进：

提示工程 → 上下文工程 → 驾驭工程
  (Prompt)    (Context)    (Harness)

驾驭工程的关键能力：

• Agent能力编排与调度
• 多Agent协同治理
• 策略动态生成与执行
• 反馈闭环自动优化

---

六、大会嘉宾核心观点汇总

6.1 李建忠（奇点智能研究院院长）

核心观点：AI的Scaling Law正在经历持续进化——从Pre-training Scaling，到Post-training Scaling，再到Test-time Scaling，行业重心已明显转移。Agent Scaling的核心是在构建一个多步骤、自主运行的跨系统闭环，其最终衡量标准是任务完成度。

预测：传统软件乃至整个SaaS领域的市值确实都在下滑，这是软件行业的根本性变革。传统软件会被即时软件、个性化智能体等新型形态大量替代与蚕食。

6.2 黄非（荣耀终端AI首席科学家）

核心观点：单靠模型无法创造稳定的商业化闭环，真正的跨越在于从"模型决定一切"走向"模型与系统协同"，并最终迈向以人为中心的增强人类智能(AHI)。

代码是大模型最早也是最适合落地的应用场景：第一，代码运行具备低成本的模拟与验证环境；第二，GitHub等平台提供了大量高质量开源代码作为学习素材；第三，编译报错或运行结果反馈能提供丰富的信号用于模型优化。

6.3 周俊（蚂蚁集团副总裁）

核心观点：无论是国外顶尖大模型公司，还是国内厂商，在很多关键问题上并没有形成一致判断，大量"非共识"并存，这恰恰构成了AGI时代比较有趣的地方，把很多非共识慢慢做成了共识。

6.4 陈恺（上海人工智能实验室青年领军科学家）

核心观点：目前AI领域的核心发展方向已逐渐转向智能体和长程推理能力的提升。

6.5 王伟（华东师范大学教授）

核心观点：人们往往聚焦于模型本身的能力。然而，一个开源大模型的真正影响力，是由其背后的数据、模型、系统、评测四大方面共同决定的。这即是本次榜单评估的核心理念——将一个模型的技术体系作为整体进行评价。

---

七、大会分论坛主题一览

分论坛	核心议题
大语言模型技术演进	LLM最新技术进展、推理能力提升
多模态与世界模型	视觉-语言-音频多模态融合
AI计算平台与性能优化	GPU/NPU优化、推理加速
AI原生软件研发与氛围编程	AI辅助编码最佳实践
智能体系统与工程	Agent架构、编排、协作
AI原生应用创新与开发实践	落地案例分享
智能体使能的DevOps	AIOps、自动化运维
大模型系统架构	分布式训练、推理架构
AI Infra基础设施与运维	MLOps平台建设
具身智能与智能硬件	机器人、自动驾驶
开源模型与框架	开源生态建设
AI+行业落地实践	金融、医疗、制造应用

---

八、大会核心演讲嘉宾（部分）

嘉宾	机构	演讲主题
李建忠	奇点智能研究院/CSDN	Agent重塑软件与互联网产业新范式
黄非	荣耀终端	跨越周期：人工智能的演进和未来
周俊	蚂蚁集团	从语言到推理：百灵大模型的AGI探索
陈恺	上海人工智能实验室	万亿参数科学多模态大模型: Intern-S1-Pro技术解析
李永彬	阿里/通义灵码	从辅助编程到自主智能：Qoder在复杂软件工程中的Agentic演进与实践
张俊林	新浪微博	大模型在线策略蒸馏
王伟	华东师范大学/奇点研究院	AI大模型技术体系综合开源影响力榜单发布

---

九、关键结论与建议

9.1 对AI工程落地的关键启示

1. 范式转变已发生：从"能不能做"的能力验证，走向"如何规模化落地"的系统工程
2. Agent成为新入口：从单点模型能力比拼，转向以Agent为核心的系统性重构
3. 研发流程需重构：企业需重构研发流程以适应新的工作方式和提升组织效率
4. 全栈能力成竞争核心：单一模型开放已不够，数据、系统、评测协同开放才是生态核心

9.2 对开发者的建议

1. 拥抱AI原生思维：从"为人类设计软件"转向"为Agent设计软件"
2. 掌握驾驭工程：从提示工程→上下文工程→驾驭工程的能力升级
3. 关注即时软件：即时生成、即用即抛的低成本个性化软件是新方向
4. 强化系统能力：更强调问题定义、系统理解以及与AI协同的能力

9.3 对企业的建议

1. 引入AISMM评估框架：系统评估自身AI研发成熟度，制定跃迁路径
2. 关注六大关键维度：战略、组织、流程、技术、数据、安全
3. 重视数据飞轮：构建高质量数据管道，实现模型迭代闭环
4. 拥抱社区共建：参与开源评测体系，借助行业共识推动标准发展

---

附录：相关资源链接

• 大会官网：https://ml-summit.org/
• AISMM评测数据集GitHub：https://github.com/brucecui0120/OSIR-LMTS
• AISMM评测数据集GitCode：https://gitcode.com/brucec/OSIR-LMTS
• 白皮书获取：关注CSDN公众号或官网获取完整白皮书

---

报告整理时间：2026年4月
信息来源：2026奇点智能技术大会官方发布及CSDN报道