架构师峰会的学习笔记：AI 大模型落地、AIGC 技术探索、数智化工程、数据体系等...

大家好，我是煎鱼。

最近 ArchSummit 全球架构师峰会在深圳也开展了，刚好煎鱼本鱼也在深圳。那必须前来学习一下大佬们的经验。

想起以前参加过几次别的大会，满场子都是 Mesh。想着隔了一段时间了，行业也有新的技术增长点了，值得一去看看。

以下是我简单记录的一些笔记，有兴趣的同学可以一起看看学习进步。明天再发剩余的另外一半的笔记。欢迎大家关注！

AI 大模型落地的前景和痛点

演进主题：《AI大模型落地的前景和痛点，兼谈工程师、架构师所面临的机会和挑战》，讲师：李维博士，出门问问

作为务实打工人。我是按上班时间 9 点过去的。会议 8 点多就开始（熬夜大户困难）；因此李维博士的内容听了一半左右。

我一进去，座位还没坐暖。就听到来自讲师的灵魂拷问：关于大模型会不会替代人类的问题？

讲师表示做 NLP 的也很焦虑，大家都焦虑。但目前还不会发生，期望 5 年内能看到。

针对大家比较关注的几个 LLM 的 “问题”，做了正式的介绍和回复。例如最被大家嫌弃的幻觉，说胡话。

认为 ”幻觉“ 是 LLM feature，不是 Bug；是想象力的同义词。

认为 “不稳定” 也是 feature，有他的特定适应场景和原因。

“幻觉” 没有办法根治，只是应用的场景不一样，所谓的幻觉，如果你根治了，那在创作类等都会有问题。

如果是要精准的场景，应该去做垂直领域的精准匹配。也就是对于特定领域的问题，人应该去做主驾驶，大模型是副驾驶。

通用大模型只是辅助。提高生产效率。

末尾人均宣传了大模型，出门问是：奇妙文/序列猴子。主要是演示省市区的人口多轮问答的视频。

粗略总结：大家不用焦虑，一些 “幻觉” 问题其实是大模型正常表现；要精准，请右拐做垂直领域的大/小模型或匹配。

AIGC 技术探索与应用创新

演进主题：《AIGC 技术探索与应用创新》，讲师：李鑫博士，科大讯飞

主要是基于讯飞家本来的几个场景进行进一步的介绍和展望分享。因为公司有用到相关的业务，还特意事前关注了。

第一个是语音合成，目前已经超越普通人发音水平，可以模拟任何人。

2019 年时，MOS 4.9 分，已经很接近原声。

目前最新的是：虚拟声音。绘声绘色，把声音和文字结合起来。文本和音频的预训练和映射。

第二个是音频创作。音频的大模型，在 ChatGPT 出现前。已经存在和研究了一段时间了，不是一个特别新鲜的东西。

目前音频创作的下一步方向：

目前来看，主要还是持续优化，让听起来更加的悦耳自然，类似色香味俱全升级。

第三个是虚拟人，是最近在 AIGC 后又重新再火了一把的话题。会场上前几位博士基本人均演示了虚拟人。

虚拟人，根据文本识别虚拟人的动作，也可以进行调参：

确保有模有样，言行一致。（图里的评分是 3.75，颇有一番神韵）

从现场听的来看，其实虚拟人的核心已经基本完善，似乎已经到了一定的瓶颈期。

未来虚拟人的虚拟化，发展方向是全流程：

让整体更智能化，自动化一些。（展望）

末尾人均宣传了下大模型，讯飞星火。在演示中，与其他家比较不一样的一点，做视频中是让做诗，直接输出了虚拟人的视频。

同时讲师认为 Prompt 很重要，GPT 无法抛弃自然语言：

最后讲师很接地气的讲了 AIGC 的商业化的理解。建议应当在原有的产品上升级，要明确让自己和客户知道，技术是有边界的。

要关注投入产出比，让研究院和落地业务结合。建议步骤: 从 0 到 1，开源，工具化。

粗略总结：

• 讲师透露出来的感觉是，核心技术侧基本已经都完善了，在 ChatGPT 前已经达到了相当的水平了。

• AIGC 主要是把整个链条全自动化，提高生产效率和自动化。

• 对于 AIGC，大家要考虑 ROI，要知道技术边界，抢做时代的前锋和守门员。

大型企业数智化工程体系建设实践

演进主题：《大型企业数智化工程体系建设实践》，讲师：罗小江，用友

做的 2B 业务，讲数字化转型。客户群体房地产低迷，和很多客户交流，他们希望把软件做的更好。

整体同行和客户的趋势：

• 都希望东西做的更好。

• 都在做产业互联。

• 都在往 PaaS 转。

• 都在把流程-数据-服务打通。

后续讲了一些数字化的问题，介绍了一些比较大的解决思路和方向。例如，表示用户现在服务化拆得很细。

有 1w6+ 个服务（服务数真多）：

做了很多基础组件，中间件的改造，确保云上云下保持一致。

做了许多质量门禁相关，达到一定的质量比例才允许上线。

做了大量自动化测试用例，由 RD 去执行。不会每次都全部进行人工验证。

做了运维和根因定位的关联和链路排查，加速了排查和定位问题的效率。

做了低代码平台，把所有开发者需要解决的问题都融入平台的范围内，一键生成解决方案。不需要研发过多的介入。

随后分享了某汽车企业的实践案例：

最有意思的一点，根据敏捷流程，重塑了对方的组织架构和体系。感觉给的权限非常大。

主要是常规的 Devops 系统，比较完善。有兴趣的也可以在网上找到各类公司的相关技术资料和 PR。

最大的一点感触，用友可以和用户贴近一线，改变了对方的运营、产研的组织和人员体系。像个咨询服务落地的公司业务了。权力非常大的感觉。

总体来讲了比较多的问题大方向和解决思路，且听且自己回去思考。没有具体深入太多的内容物。

特别的一点用词，对于许多同学很痛苦的信创，演讲时用词很有意思，是 "利用" 信创。

粗略总结：

• 用友做了比较完善的 Devops 和交付体系的建立，投入了不少人力物力。值得一看。

• 可以深入用户和运营，改变对方的组织架构和体系，感觉这个最牛逼。没有相当的授权做不到。很好奇怎么做到的。

• 根据举例的多个实际例子来看，企业 2B 经营和人脉经营的看起来不错。因为有 XX 企业的单。

大模型下的企业数据体系思考

演进主题：《大模型趋势下的企业数据体系思考》，讲师：何昌华博士，数巅科技

正常介绍了大模型历程，和行业内相关内容不会太大差别。核心分享了数据主题，类似 ChatBI 场景。

对于常规的聊天，让输出图表、数据等，直接接入大模型，也是有一定的问题。因为这不是大模型最擅长的领域。

解决方案分享的是软件行业的金手指，加一层，不够再加一层的业内的虚拟表的方式（图下面的文字对应图上的各层描述）：

各层分别是：业务逻辑模型、虚拟表、物化视图、数据连接层、全量数据。细分可以有五层；

大的类别可以分为：业务数据资产、数据虚拟化引擎、物理引擎三类。

总体来讲，即使加了两三层。但由于大数据的特性，数据量非常大。例如在性能，映射各方面都是需要再投入资源研发和解决的。一些大致的思路如上图。

粗略总结：讲了很多，但没有太具体讲深太多。总之多加几层后自己按技术难点突破即可。主要是参照思路，学习为主。

关注和加煎鱼微信，

一手消息和知识，拉你进技术交流群👇

你好，我是煎鱼，出版过 Go 畅销书《Go 语言编程之旅》，再到获得 GOP（Go 领域最有观点专家）荣誉，点击蓝字查看我的出书之路。

日常分享高质量文章，输出 Go 面试、工作经验、架构设计，加微信拉读者交流群，和大家交流！