數據與AI雙向奔赴，騰訊雲架構師技術沙龍精彩回顧

　　在AI落地過程中，開發者和企業面臨的核心瓶頸是數據。能否獲取高質量數據、高效處理數據、有效使用數據成為企業智能化發展的關鍵基石。無數據，不智能。那麼在具體實踐上，企業如何實現數據與AI的雙向賦能?

　　11月9日，由騰訊雲架構師技術同盟和騰訊雲 TVP聯合主辦的「騰訊雲架構師技術沙龍——無數據不AI」在成都成功舉辦。活動聚焦數據與 AI 技術融合的真實挑戰與前沿實踐，邀請多位來自一線的技術專家，共同探索數據驅動智能的發展路徑，為行業提供諸多可落地的實踐案例。會上，騰訊雲架構師成都同盟正式成立，為成都地區的架構師群體搭建一個專業、開放的交流學習平台。

　　成都思華啟承企業管理咨詢CEO、騰訊雲架構師成都同盟理事 将軍

　　成都思華啟承企業管理咨詢CEO、騰訊雲架構師成都同盟理事将軍主持開場。他介紹道，騰訊雲架構師技術沙龍是騰訊雲面向廣大架構師與技術專家舉辦的技術交流活動，聚焦前沿話題，彙聚專家智囊，深度研讨，攜手共創，用最專業的分享和思辨，助力廣大架構師共同成長。

　　騰訊雲架構師成都同盟正式成立

　　2024 年 12 月，騰訊雲發起并成立了騰訊雲架構師技術同盟，這是專為架構領域專家與從業精英營造的技術社交圈。騰訊雲架構師技術同盟主席毛劍表示，目前，騰訊雲架構師技術同盟已先後在北京、上海、長沙、深圳、合肥建設地區同盟，成都是第六個地區同盟。作為西南地區的科技創新中心，成都技術氛圍濃厚。在此背景下，成都同盟期待彙聚更多本地架構師力量，共同打造專業、先進、開放的技術社交圈。

　　線下，成都同盟将開展各類交流活動，搭建溝通的橋梁，拉近架構師之間的距離;線上，騰訊雲開發者社區打造架構師專區“騰訊雲架構師同盟交流圈”，不僅有海量技術文章、視頻資源，還有行業專家在線答疑、架構專家空降直播間對話等豐富活動。不管架構師是追求技術精進，還是管理提升，同盟都提供了相應的學習内容，全方位助力架構師拓寬視野、持續成長，切實為架構師群體提供有效幫助。

　　騰訊雲架構師技術同盟主席 毛劍

　　會上，騰訊雲架構師成都同盟理事會成員集體亮相。成都同盟理事會由 13 位資深架構專家和行業技術領袖組成。現場舉行了授勳儀式，毛劍與騰訊雲架構師技術同盟副秘書長李佳憶為到場的成都同盟理事頒發聘書，以表彰他們對成都同盟的大力支持與無私貢獻。

　　騰訊雲架構師成都同盟理事會

　　授勳儀式

　　DatenLord創始人、騰訊雲架構師成都同盟理事長王璞在緻辭中表示，成都同盟依托騰訊的影響力，緻力為本地架構師搭建前沿技術交流平台，切實助力其技術成長。未來，成都同盟将打造一條具有自身特色的發展之路，并将“認真工作，好好生活”的理念融入快節奏的IT行業中。

　　DatenLord 創始人、騰訊雲架構師成都同盟理事長王璞

　　軟件3.0時代的數據工程

　　ThoughtWorks中國區總經理、騰訊雲架構師成都同盟理事肖然帶來《軟件3.0時代的數據工程》的主題分享。

　　ThoughtWorks中國區總經理、騰訊雲架構師成都同盟理事 肖然

　　肖然表示，“軟件3.0”不同于傳統的演進模型，它并不是簡單地替代軟件2.0、軟件1.0，而是代表軟件行業的細分與成熟。軟件1.0時代以業務流程系統為核心，軟件2.0時代則依賴數據标注來訓練模型，軟件3.0時代基于大模型完成任務。随着這一細分趨勢的發展，開發者和企業需同時應對以上三種不同類型的軟件範式，其對應的數據處理方式也各不相同。

　　随着軟件3.0時代的到來，開發者面臨日益複雜的數據挑戰：在設計數據流程時，需将業務知識提煉為大模型可訪問的形式，還要通過注入業務知識和背景知識來提升準确度。要真正實現數據向信息和知識的轉化，肖然建議從産品視角來看待數據工程。數據産品應具備持續價值、可規模化複用的能力，并确保數據的準确性。然而在他看來，當前許多組織未建設真正意義上的數據産品。他強調，隻有将數據産品化才能在組織内構建軟件3.0時代所需的信息和知識。

　　肖然認為，數據産品應具備三大特性：可用的(Usable)、有價值的(Valuable)、可組合的(Composable)。其中，Usable是指數據産品對外明确承諾的信息，如時長、準确率、刷新頻率等指标;Valuable是指提供用戶所需的數據使用或分析工具，并在時效性、質量等維度滿足用戶需求。肖然建議，企業在設計數據産品時應遵循“Think big，start small”的原則，盡早為客戶提供可衡量的價值，然後持續提供更多價值，并以小步快跑的方式來實踐。

　　Agent時代數據重新定義應用

　　騰訊雲數據庫産品總監、騰訊雲架構師成都同盟理事鄒鵬分享題為《Agent時代數據重新定義應用》的演講。

　　騰訊雲數據庫産品總監、騰訊雲架構師成都同盟理事 鄒鵬

　　鄒鵬從“工程、流程、組織”三個維度，剖析研發團隊在開發Agent過程中遇到的挑戰，并分享了相關的思考與建議。

　　在工程方面，他指出如果研發團隊以傳統軟件流程的方式來開發AI應用，可能無法充分發揮Agent的智能潛力。真正的Agent應用應以模型驅動來決定智能上限，以工程來決定它的下限，因此Agent軟件開發的重心需從工程轉到模型。而模型的上限由預訓練決定，模型的下限則由後訓練來決定。數據将成為定義模型能力的關鍵，通過SFT注入行業專有知識，通過RLHF提升推理能力。另外，開發者在開發Agent時需關注“上下文工程”，要像計算機内存一樣，把上下文作為稀缺資源來看待。他建議可通過上下文壓縮、結構化筆記、子任務拆解的方式來突破上下文限制，并在效果、成本與時延之間尋求平衡。

　　在流程方面，過去，産品經理可清晰定義傳統軟件的功能模塊、操作流程和關鍵指标。但Agent應用通常以對話界面呈現，其背後的能力與評估标準該如何定義，已成為研發團隊的巨大挑戰。對此，鄒鵬帶領團隊基于Benchmark驅動産品疊代，通過設計用例來定義産品能力，并進行評估和訓練，最後上線驗證，以此形成完整的Agent産品疊代閉環。

　　在組織方面，Agent應用也使得團隊角色分工正在發生變化。産品經理從原來的功能型産品經理轉變成策略型産品經理。如今，産品經理通過數據、用例來定義需求，這要求其具備數據分析能力，并使用數據來定義産品目标，同時産品經理需了解評測、訓練等技術，才能向團隊提出适合的需求。此外，工程師的重心從原來關注分布式、性能轉為關注數據、模型智能化。如此一來，團隊研發的産品能力上限才能提高，如果團隊仍依賴大量代碼來編排産品能力，其産品的上限将受到制約。此外，如果沒有對Agent軟件進行評測，軟件無法上線。然而，Agent軟件的評測要求較高，不同于傳統測試團隊對産品基礎功能的驗證，還需對其智能水平等進行綜合評估，通常需專門組建評測團隊。

　　鄒鵬表示，AI已成為當前人才的放大器，一位AI專家可以借助AI工具完成過去多人團隊完成的工作。因此，懂AI，會用AI，已不是加分項，而是必選項。他建議開發者積極從應用型人才轉換成研究型人才，才能在未來的研發團隊持續創造價值。

　　Elastic Agentic RAG實戰：Data+AI驅動的前沿技術演進與創新思路

　　Elastic中國區首席解決方案架構師、騰訊雲架構成都同盟理事李捷分享《Elastic Agentic RAG實戰：Data+AI驅動的前沿技術演進與創新思路》的主題演講。

　　Elastic中國區首席解決方案架構師、騰訊雲架構成都同盟理事李捷

　　李捷指出，當前每個企業都在積極探索Data+Al的落地, 但真正讓用戶和管理層都滿意的案例并不多。在過去，企業使用簡單RAG架構，隻能進行一次性問答，無法充分發揮模型能力。而當前，行業正從傳統RAG演進到Agentic RAG架構，後者賦予AI決策、執行和規劃的能力，使得Agentic Agent具備主動環境感知、多步推理、動态任務規劃以及調用外部工具的能力。企業以“Data+AI”為手段，通過構建Agentic RAG應用，解決實際業務問題。

　　但企業在落地Agentic RAG架構時，可能會面臨四個難點：知識與數據的融合、面向大模型設計、超越簡單召回的數據推理能力、系統的可見性與安全性。随後，李捷闡述對應的解決思路：

　　首先，全域數據融合。企業将知識、業務、運營、安全等數據集成到一個平台上，提供統一查詢入口和權限感知機制，避免數據孤島，從而實現AI應用與企業所有數據的統一對話。其次，深度查詢與分析能力。平台要實現計算融合，不僅要做知識召回，還要提供深度的“洞察”。計算平台需要進行統計分析與數據處理，進行數據挖掘，并提供富有表達力的查詢語言。第三，面向大模型設計。讓大模型成為平台的使用者和編排者，而不僅是最終内容的生成者。面向大模型設計的核心在于降低其在複雜任務的計算負荷，可将計算交由計算引擎來處理。Agentic RAG平台提供可被大模型理解的工具集、易于調用的API和強大的管道語言，便于大模型高效使用。第四，企業級可靠性與安全性。由于Agentic RAG的鍊路較長且結構複雜，任何一個環節的“盲點”都可能引發系統性風險。為了給大模型提供全面的安全保障，需做好日志、追蹤、監控等端到端可觀測性設計。李捷強調，企業在落地Data+AI時，數據、計算、大模型、安全這四項能力缺一不可。

　　在線學習在王者榮耀商業化推薦的應用

　　王者榮耀商業化推薦算法負責人黃俊帶來《在線學習在王者榮耀商業化推薦的應用》的主題分享。

　　王者榮耀商業化推薦算法負責人黃俊

　　王者榮耀在商業化上不斷升級，通過IP聯動和精品打造等方式提升皮膚和道具資源品質，同時，遊戲中還增加抽獎、活動任務等創新玩法，但遊戲上線初期訪問量較大，且商品從曝光到用戶獲取之間的延遲，都對推薦系統樣本構造産生挑戰。如何通過推薦算法，精準識别不同用戶群體需求?

　　針對以上情況，業界一般采用置頂等強策略來實現重點資源的強曝光。但這種做法有以下不足：一是浪費曝光，置頂的商品不一定是玩家所喜愛的内容;二是無法對多個置頂内容進行排序。

　　團隊希望通過更快的模型學習算法來替代強置頂策略，并在工程和算法上進行聯合疊代：最初，将按天訓練的模型升級為“實時特征+離線模型”，通過構建實時特征，可以實現用戶行為和物品銷量等變化的秒級反饋，在此基礎上，還增加了交叉特征，憑借曆史數據學習類目偏好進行預判。由于特征是多元、多時空的，為了給下遊模型提供統一的服務，團隊構建統一的“特征服務”來調用配置特征。而在實際訓練過程中，模型訓練時使用的特征可能是前一小時的特征，但在進行預測時，用戶特征是實時的，因此團隊以實時樣本架構來解決線上線下不一緻的問題。團隊在實時樣本上構建在線學習模塊，通過在線學習架構可消費實時樣本構建訓練模型，定期導出模型到線上，實現20分鐘的周期更新。

　　由于推薦系統模型的規模龐大，将其從訓練系統導出并傳輸到生産系統需耗費一定時間，并占用大量帶寬。為了進一步壓縮模型更新時間，團隊采用增量更新的方式，将模型拆分為兩部分，Embedding層通過redis提供服務，線上按需獲取Embedding參數，減少發布系統分發的IO壓力，将模型更新時間從之前的20分鐘壓縮至10分鐘。然而在現實中，即使算法再快，在商品開售的第0分鐘會因沒有樣本而導緻低估。為進一步提升效果，團隊引入“多臂老虎機算法”，在原購買率基礎上計算置信區間上界作為最終得分，并增加試探分數，對曝光少的Item額外加分。通過這種方式，實現0分鐘的模型更新。黃俊和團隊耗費兩年時間打造的新技術方案，可完全替代掉業界常用的強置頂規則，并對比離線模型有顯著效果提升。

　　圓桌對話

　　人機協同，數智共生：Data+AI 驅動的個人、組織、範式三重進化

　　活動最後，來到精彩的圓桌對話環節。在騰訊雲架構師技術同盟主席毛劍的主持下，圍繞“人機協同，數智共生：Data+AI驅動的個人、組織、範式三重進化”主題，DatenLord創始人、騰訊雲架構師成都同盟理事長王璞，Easystack開源負責人、騰訊雲架構師成都同盟理事李中華，Thoughtworks中國區總經理、騰訊雲架構師成都同盟理事肖然，中亦安圖科技品牌影響力專家、騰訊雲架構師成都同盟理事尹海文，禅道軟件集團副總裁、騰訊雲架構師成都同盟理事張石，多角度探讨 AI 時代下開發者能力、組織形态、技術範式的協同進化，真誠分享自身經曆與深刻思考，為與會者帶來啟發。

　　圓桌對話

　　問題一：“Data+AI”這套組合拳，其核心價值體現在哪些方面?

　　王璞以“Data+AI”的典型應用——ChatBI 為例，ChatBI是面向企業高層的智能分析工具。傳統靜态BI報表内容固定，無法實現千人千面的效果。ChatBI利用大模型來理解人的意圖，讓管理者以自然語言的方式提問，系統自動完成相關的數據分析并返回結果。

　　不過企業在落地ChatBI時，由于其底層依賴 Text2SQL技術準确率僅為70%，可能無法滿足企業高管對數據精準性的要求。對此，他建議縮小範圍，采用二八原則，即在80%常見問題做到99%的精準度，并需兼顧ChatBI的實時性與精度之間的平衡。

　　張石将數據和AI類比為人類大腦結構，AI如同大腦的前額葉負責決策，而數據則為記憶系統。基礎大模型基于預設數據來訓練，并借助記憶系統來理解問題，精準理解上下文，識别意圖，實現精準回答。他建議企業根據自身需求來構建記憶系統，隻有建好記憶系統，才能在未來大模型能力提升時，也能增強自身AI能力。

　　毛劍總結道，從數據平台視角來看，數據平台的核心是找數、取數、用數，開發者可使用智能體來提升效率。在涉及具體計算時，預定義指标綁定的SQL可确保運算結果100%準确。但在進行開放式查詢時，開發者需仔細确認SQL是否符合邏輯，并通過充分驗證來确保結果準确無誤後，再将查詢數據返回給運營人員和決策者。

　　問題二：有觀點認為，未來的競争是高質量數據加領域知識的競争，而模型正趨于同質化。數據是否會成為企業的核心壁壘?企業該如何應對?

　　肖然表示，由于算法和基模的逐漸開源，數據将會成為企業競争的關鍵要素。在模型預訓練階段，數據集至關重要;另一方面，要想落地企業級AI應用離不開數據。盡管特斯拉通過構建世界模型，可能在短期内形成“數據霸權”優勢。但從長期來看，私有數據形成壁壘是僞命題，随着監管力度的增強，數據所有權會明确限制，例如歐洲已經出台了《GDPR》、《AI Act》法案，否定了數據霸權的可能性。因此，企業無法利用一部分私有數據來訓練模型，以長久獲得商業收益。

　　李中華也分别從長短期的角度來闡述自己的觀點。他認為，企業用好數據創造價值，可在短期内産生優勢，甚至形成壁壘。但在AI時代，數據處理及價值創造的方式将發生較大的改變，誰能夠做好這個轉變，掌握在AI時代挖掘數據價值，并将其沉澱成知識的能力，才能最終轉化為商業價值。從長期角度來看，如果希望将産業推向更高效更智能化的方向，那數據的流通講師不可或缺的一環。

　　王璞結合過去在谷歌的工作經曆展開分享。在過去，谷歌的廣告業務對數據使用有嚴格限制，在第三方平台展示廣告時，不允許使用任何可關聯到個人信息的數據。毋庸置疑，谷歌擁有較強的數據優勢。同樣，特斯拉在自動駕駛布局較早，已積累豐富的數據，要追上它并不容易。但國内有一些聲音正在呼籲國内自動駕駛廠商實現數據共享，以加速發展步伐。國内開源開放氛圍濃厚，在全球開源模型榜單中，中國企業排名前幾位，國内數據流通與開放或許就在不遠的未來。

　　問題三：開發者使用AI工具提升效率的同時，如何避免因過度依賴而導緻自身能力弱化?

　　張石分享他在禅道工作的心得體會：盡管當前“Vibe Coding”概念火熱，但在真正企業級開發場景裡，如果大面積使用Vibe Coding生成的代碼，可能會對系統産生不穩定的影響。他和團隊在設計DataOps流程時，會按照敏捷開發原則和DataOps方法論，做好代碼審查和單元測試，确保每次提交代碼經過嚴格的人工審核，從而保證系統的穩定性和可維護性。他認為，由于AI擅長生成簡單代碼，初級工程師将面臨一些沖擊;對于架構師而言，其黃金時代還可延續數年。

　　肖然以孩子學習編程的故事為例，他在教孩子寫排序算法時，會從底層原理講起，孩子理解起來不太容易。後面孩子去培訓機構，很快就學會了寫sorting，但實際上，孩子并不理解算法，隻是調用現成的排序函數完成任務。這引發了他的思考，如今AI正在改變編程學習的界限，人們需分清哪些知識該學，哪些不該學。他強調，通過紮實的基礎訓練來構建自身的理解能力和清晰表達意圖的能力，這是有效運用外部智能的前提，每個人的大腦如同一個神經網絡，需訓練自己的思維方式，在未經訓練前不能外包給AI代為思考。

　　尹海文日常工作以寫SQL為主，憑借豐富的經驗積累，有時會幫助客戶甄别AI搜索結果是否可靠，是否可應用在真實數據庫中。他強調，工程師必須有紮實的專業基礎，來判斷AI生成内容的正确性。

　　李中華也指出，AI幫助工程師提效是必然趨勢。他以朋友創業為例，如今通過AI工具，兩人便能交付一個軟件項目，大大提高軟件開發效率。另外，工程師轉型也是必然趨勢。例如，運維人員可借助AI排查問題，但必須具備基礎知識來判斷。

　　毛劍表示，一名優秀的工程師應善用AI提高工作效率，但不是将所有工作都交由AI完成。工程師可将AI視為一位數字員工，并對其生成結果進行審核。

　　台上專家真誠分享自身經曆，從不同角度來深入剖析問題，給出諸多務實的建議，台下與會者踴躍提問，本次沙龍在熱烈的互動氛圍中迎來尾聲。

　　結語

　　沙龍主持人将軍總結道，通過本次活動的交流與探讨，各位專家梳理數據驅動智能發展的脈絡，分享數據與AI如何雙向賦能，并結合一系列落地實踐案例，為與會者帶來許多啟發與思考。本次活動作為騰訊雲架構師成都同盟的起點，将彙聚更多本地架構師力量，一起邁向技術新紀元。

　　騰訊雲架構師成都同盟的成立，不僅為架構師們提供了共同學習、共同成長的平台，也為未來技術創新開拓了廣闊空間。騰訊雲架構師成都同盟期待與架構師們攜手同行，一同探索架構發展新方向。