整理 | 梦依丹
出品 | CSDN（ID：CSDNnews）
4.4% → 71.7% → 76.8%。
从 2023 年底到 2026 年初，AI 在 SWE-bench / SWE-bench Verified 这类真实软件工程 Benchmark 上的最佳成绩，从个位数一路冲到 70% 以上。
与此同时，一批曾被认为足够困难的 Benchmark，也正在被越来越快地逼近甚至刷穿。Stanford 2026 AI Index 甚至直接指出：AI 能力的进步速度，正在超过 Benchmark 被设计出来和保持有效的速度。
过去几年，我们习惯用参数、榜单和分数判断 AI 进步了多少。但到了 2026 年，问题正在发生变化：模型变强之后，这些能力能否持续进化、进入真实世界，并最终跑进企业生产系统？
带着这些问题，由奇点智能研究院与 CSDN 举办的 2026 奇点智能技术大会将于 11 月 20—21 日在北京万达文华酒店举行。
官网： https://ml-summit.org/
2026 奇点智能技术大会设置九大前沿技术专题，邀请来自 OpenAI、腾讯、阿里、百度、昆仑万维、网易、小米、上海人工智能实验室、中国人民大学、南京大学、北京航空航天大学等产业和科研一线的研究者与工程实践者，集中讨论 AI 从模型走向系统……。
大模型技术：从 Agentic Scaling 到自进化
RSI 从一个偏前沿的概念变成今年 AI 圈最热的话题之一。
最近的研究也越来越明确地区分了两件事：一类是已经在真实系统里发生的、受评测器和任务边界约束的“有限自我改进”；另一类则是真正意义上的递归式自我改进——系统不仅能把任务做得更好，还能持续改进“让自己变得更好”的方法本身。
今年大模型开始进入另一种 Scaling：让 Agent 参与模型研发，让模型从反馈和环境中持续学习，甚至让 AI 开始参与下一代 AI 的构建。
这也正是 2026 奇点智能技术大会「大模型技术：从 Agentic Scaling 到自进 化」专题希望讨论的核心问题。该专题围绕 Agentic Scaling、强化学习、自我迭代、持续学习和 AI 制造 AI 展开。
OpenAI 资深研究科学家、Transformer 联合发明人 Łukasz Kaiser将领衔开场。作为 Transformer 八子之一、GPT-4/5 与 o1/o3 的核心共同发明人，他的每一次公开分享都会成为行业判断下一步的参照；
奇点智能研究院院长、CSDN 高级副总裁李建忠将分享他对 AI 原生软件研发成熟度与演进路径的系统思考；
新浪微博首席科学家及 AI 研发部负责人张俊林带来《AI 自我迭代改进（RSI）：方法、实践及其局限》。三年前他在同一舞台讲过《AI for AI：如何让大模型来制作大模型》，如今这个问题已经从设想变成工程问题，他将讲清楚方法怎么走、实践做到哪一步，以及它改不动的地方在哪；
面壁智能技术合伙人、智能进化首席科学家李宇轩的演讲主题是《AI 制造 AI：从五级演进框架到 AI Infra 的自主生成》。他提出「 锻造工程 」：当写代码的成本趋近于零，不再追求通用复用，而是为每个具体需求定制专用实现。基于这套方法论，团队完成了三项实证——AI 锻造的训练框架性能超过 Megatron-LM 并承担生产级预训练、AI 锻造的算子库超越逐例公开最优、AI 锻造的推理内核速度超过 SGLang；
PenguinHarness、LlamaFactory 作者郑耀威将分享《低成本、高收益的自进化 Agent 闭环构建实践》，带来平均准确率提升 18.8%、Token 成本下降 7.5%、落地成本仅为传统方案 1/70 的真实数据，并介绍用于度量 Agent 进化能力的 GDPevo 基准；
腾讯 WorkBuddy 模型研发负责人董汉德将带来《LLM Agent 的模型数据飞轮——WorkBuddy 持续学习经验分享》，讨论用户的真实任务如何转化为训练信号，让 Agent 不再依赖一次次人工调 Prompt。
南京大学人工智能学院副院长、教授俞扬主要围绕大模型强化学习展开前沿分享；
小米 AI 平台部语言模型推理负责人张晨将分享大模型推理在工程落地中的真实挑战；
从"人训练模型"到"系统自己转起来"，这八场分享拼出的正是这条路径当前最真实的进度。
从具身智能到物理 AI
机器人产业不缺令人惊艳的视频，缺的是回答一个问题：为什么仿真里能做到 89.4%，到真实家庭就只剩 12%？
本专题把这个问题拆成五块——本体、数据、世界模型、因果理解，以及主动式 智能。
京东集团副总裁、京东探索研究院副院长段楠将带来《从数字 AI 到物理 AI》，讨论 AI 能力边界正在发生的变化；
北京邮电大学"拔尖人才"教授方斌聚焦具身智能最大的割裂：硬件、数据与模型长期各自发展。他将分享如何通过视触觉灵巧手在真实场景持续产生数据，再由数据反哺模型，形成「 本体—数据—模型 」的自增强飞轮；
诺亦腾机器人创始人、CEO 戴若犁将带来《从数据工厂到世界编译器》。如果 LLM 的训练数据来自互联网，那么机器人需要的是一套把真实世界——人的动作、物体接触、姿态、力、环境反馈——翻译成机器可学习数据的基础设施；
视启未来联合创始人、世界模型与具身智能负责人刘昊将带来《世界模型需要理解物体与动作：统一架构与具身落地实战》。他的核心判断很直接：物理规律作用于物体，因果交互来自动作，所以世界模型必须先理解物体和动作，否则画面再逼真也可能只是"物理幻觉"；
昆仑行机器人具身算法负责人、前理想汽车资深算法专家郎玉川将带来《当 AI 走进物理世界：具身物理因果模型和机器人 Agent》，讨论 Agent 拥有物理因果理解之后，机器人能力会发生什么变化；
观行数智创始人 & CEO、全球前 2% 顶尖科学家唐都钰将分享《主动式物理 AI：从数字世界到物理世界的智能范式迁移》，讨论 AI 从被动理解信息走向主动感知、决策并改变现实世界之后，智能范式将如何变化；
AIRS 具身智能中心研究工程师邵鹏韬长期关注上下文在线学习，以及世界模型、 长时记忆和多智能体在线协同。
从灵巧操作到世界编译器，这七场分享共同回答的是：机器人跨过 Reality Gap，到底还缺哪几块拼图。
AI 原生软件研发：从 Harness 到 Loop
AI Coding 的分水岭，不是"AI 会不会写代码"，而是"研发体系能不能接住 AI 的产能"。
当代码生成越来越快，瓶颈开始转移到上下文、评测、Review、测试、反馈与组织协作。「 AI 原生软件研发：从 Harness 到 Loop 专题 」汇聚了从代码大模型到组织级工程实践的完整链条。
腾讯 CodeBuddy & WorkBuddy 模型研发高级研究员陈秋远将从模型与产品协同的角度带来分享；
北京航空航天大学计算机学院副教授杨健将带来《从代码大模型到仓库级智能体：核心技术演进与工业级落地》，梳理从预训练 Scaling Law、多语言协同训练、可验证强化学习，到仓库级软件工程智能体、代码执行反射的完整路径；
Qoder 技术专家李唯聪（逸铮）长期参与 Agent 系统架构与工程化落地，他关注的是 Agent 真正进入生产后，如何通过 Harness 建立清晰的执行边界、权限控制、上下文管理与长程任务编排；
百度 Comate 研发经理牛万鹏将带来《构建 Coding Agent 的飞轮：Feedback Loop、Benchmark、Agent Engineers》，回答三个关键问题：Agent 做得好不好怎么测、线上失败怎么回流、Benchmark 怎么贴近真实生产；
滴滴专家工程师、ABC 技术 AI Coding 平台负责人金晶将分享《滴滴 AI Coding 平台应对大规模生产环境的挑战与实践》。几个人用 AI Coding 很容易，几千人一起用，平台如何保持稳定？这是他要分享的内容；
腾讯高级后台开发工程师、项目组研发转型负责人任磊达将带来《AI 原生组织的工程实践：从 Loop Engineering 到 Graph Engineering》。他个人月耗 360 亿 Token、单人并发从 5 提到 20，也经历过 7000 多层递归烧掉 7.34 亿 Token、一天 4.4 万行代码最终一行未合并的失控，这场分享会完整复盘三次事故与最后固化的六条"刹车规则"；
奇点智能研究院首席技术咨询师张汉东是国内知名 Rust 技术专家、Rust 中文社区核心布道者、《Rust 编程之道》作者，他将结合系统软件与智能体软件工厂的视角带来《R ust 与黑灯软件工厂 》主题分享。
从代码大模型到仓库级 Agent，从 Harness 到组织级 Graph——这八场串起来 的，是 AI Coding 从"个人提效"走向"研发体系"的完整路径。
多模态与世界模型演进
世界模型会生成视频，但它真的理解世界吗？
"看起来真实"不等于"理解物理规律"。本专题从生成与理解两条线推进，讨论模型如何从像素预测走向对动态环境、3D 空间的真正理解。
昆仑万维集团首席科学家、南洋理工大学讲席副教授成宇将带来昆仑万维在生成式 AI 方向的最新进展，涵盖 Mureka v10 音乐模型、Matrix-Game 3.5 世界模型等；
中国人民大学高瓴人工智能学院教授卢志武带来《面向动态场景的世界模型底座构建方法研究》。当前多数世界模型建立在相对静态的环境中，而现实世界天然开放、动态，他将讨论世界模型怎样真正迈向动态场景；
蚂蚁集团基础智能部技术总监、资深算法专家陈景东围绕多模态方向的研究与实践进行主题分享；
腾讯专家研究员、混元 3D 与 3D 世界模型负责人郭春超的分享主题是《混元 3D：3D 建模与 3D 世界模型的研发探索》，并进一步探讨 3D 生成、世界模型、具身智 能与 Agentic 3D 的融合。
AI Infra 基础设施与 AgenticOps
当 Agent 从一次请求变成长时间运行的系统，它正在逼迫传统基础设施重新设计。本专题覆盖从芯片到执行环境的完整底座。
沐曦股份光启研究院科学家谭颖然将带来《重新定义"计算"：面向 Agentic AI 的芯片架构设计方法论》。她认为，芯片评价标准正从「 峰值算力有多高 」转向「 整个数据流能不能更高效地服务智能体 」；
KTransformers 核心开发者李沛霖将分享《KTransformers：支撑超大模型算法—系统协同的低成本训推平台》，展示如何用 CPU/GPU 异构架构让高校实验室和中小团队也跑得起超大模型研究；
清华大学计算机系助理研究员、开源项目 AgentENV 发起人闪英迪会带来《AgentENV：Kimi K3 背后的超大规模智能体执行环境架构与实践》主题分享。这套由清华 KVCache.AI 团队与月之暗面联合研发的执行环境，已在生产环境支撑超 150 万镜像与 5000 万个执行环境的并发调用；
SGLang 核心贡献者、RadixArk 研发工程师王书文将围绕推理引擎方向的工程实践展开分享。
Agent 进入生产：从开发实践到行业落地与组织智能
AI 真正进入业务后，问题会迅速从“模型效果”变成安全、权限、流程和责任。
从个人使用走向企业规模化，怎样把“一个人的效率”变成“整个组织的能力”？
智能体应用创新与开发实践、AI+ 行业应用实践、企业级 AI 原生应用与落地——关注的正是 Agent 从“能做出来”到“真正跑进生产”的完整链路。从“做 Agent”到“运行 Agent”。
中国科学院微电子研究所研究员、博士生导师、AI 中心副主任毛航宇将从产业与研究视角梳理大模型智能体的技术演进与应用趋势。
上海人工智能实验室青年科学家张铂带来《Agents-A1：小参数撬动强长程智能体能力》，讨论一个越来越重要的问题：Agent 的能力提升，是否一定依赖更大的模型？如何以更小参数获得更强的长程任务执行能力？
阿里云产品专家杨文婷则将问题推进到基础设施层面。在《重塑 Agent 异步通信底座——从 MCP 协议演进与 Managed Agents 架构看 Apache RocketMQ 的工程实践》中，她将讨论当 Agent 从一次性调用变成长时间运行、相互协作的服务之后，传统通信架构为什么需要重新设计；
360 算法总监王耀宣将带来 AI 在安全与业务场景中的落地实践；
腾讯专家工程师、AI Agent 安全负责人张栋的演讲主题是《Agent 安全：是 Infra 问题，不是模型问题》。他的判断很锋利：工具调用就是 Agent 的系统调用，今天的 Agent 正处在"DOS 时刻"，答案不是让程序更自觉，而是造一个操作系统。
网易智企 AI 平台技术负责人裴明明带来《从"会用 Agent"到"组织级生产力"：网易帝王蟹多 Agent 设计与实践》。他的核心观点是 Agent 负责局部智能，平台负责全局秩序；
TiDB 智能研发中心负责人柏佳辰分享《从个体提效到组织智能——智能体能力的组织化落地》，回答一个越来越现实的问题：为什么员工都开始用 AI 了，企业却还没有真正获得组织级 AI 能力。
2026 奇点智能技术大会更多技术嘉宾正在陆续确认中，第一时间锁定最新议题与嘉宾阵容，可访问大会官网：https://ml-summit.org/。
不只讨论趋势，更想让你带走可落地的实践
2026 奇点智能技术大会讨论的不是"AI 还能做什么"，而是：
谁能让模型持续进化；
谁能让 AI 真正走进物理世界；
谁能把 Agent 送进生产；
谁能构建支撑 Agent 的基础设施；
谁又能把个人效率最终转化成组织级生产力。
如果你正在一线做 AI、带研发团队，或者正在判断下一阶段该把资源投向哪里，我们更希望你两天之后带走的，不只是几页 PPT，而是哪些方向真的在落地，哪些问题仍然没有答案，哪些坑别人已经踩过，以及自己的团队下一步应该先补模型、数据、Infra，还是工程体系。
与此同时，2026 C++ 及系统软件技术大会也将与奇点智能技术大会同期同址举行。从上层 AI 应用，到 C++、编译器、算力、高性能系统这些底层基础设施，两场大会放在同一个现场，一起看技术如何真正走向生产。
11 月 20-21 日，北京万达文华酒店。我们诚挚邀请各领域技术专家、企业代 表、开发者与开源贡献者加入大会，一起把问题聊透。
现在注册报名参会，还可现场领取《AI 原生软件研发成熟度模型 AISMM 2026》白皮书。AISMM 不是一份“AI 工具清单”，而是一套面向企业 AI 原生研发转型的系统坐标系：从基础设施、知识工程、流程工具、组织人才、安全治理五个维度，划分从 L1 辅助提效、L2 领域集成、L3 Agent 协同、L4 自主代理，到 L5 自进化工厂五个阶段，帮助企业和技术 Leader 回答三个最关键的问题：我们现在在哪？下一步该往哪里走？应该优先补哪块能力？
白皮书还提供成熟度自评、行业对标与演进路线图，可用于识别 AI 转型中的短板，避免只买工具、不改体系，最终把个体提效真正转化为组织级生产力。
热门跟贴