2025全球机器学习技术大会：大模型驱动AI生态与产业变革

为什么需要关注大模型技术？ ,,#机器学习

生成式AI正在加速重构技术版图，而以大语言模型为核心的新一轮 AI 革命，正在驱动从软件开发到产业落地的全方位变革。为了进一步推动技术交流与产业融合，2025全球机器学习技术大会（ML-Summit 2025）在上海盛大开幕。本次大会汇聚了院士、学术领军者、IEEE Fellow、顶会论文作者、一线科技产品技术实战派、开源先锋等超过50位重磅嘉宾，共同探讨大模型时代下的技术突破与落地实践。

大会有哪些亮点？ ,,#产业变革

本次大会聚焦12大专题，涵盖：

• 大语言模型技术演进
• GenAI 产品创新与探索
• AI 智能体
• DeepSeek 技术解析与行业实践

来自微软、百度、阿里巴巴、腾讯、字节跳动、蚂蚁集团、智源研究院、小红书、网易、商汤科技、小米、360、AMD、数势科技、Neuriva 纽睿华、极狐、飞瓴德移民、声网、人民邮电出版社异步社区、电子工业出版社博文视点、清华大学出版社等数十家领军企业和组织的技术专家齐聚现场，分享了他们从模型训练到产品化落地的全链路实践。

各位专家有哪些精彩分享？ ,,#落地实践

李建忠：大模型技术创新如何驱动AI生态和应用演进？

CSDN 高级副总裁、Boolan 首席技术专家李建忠分享了 AI 发展的几个阶段：感知 AI、生成式 AI、智能体、物理 AI。他指出语言在人类智能发展过程中起着关键作用。大语言模型不是简单概率，而是通过复杂的抽象与逻辑推理进行“理解”与“生成”，内部已形成跨语言的概念映射区域，显示出其拥有更深层次的概念抽象能力。

• 技术演进： 强化学习显著推动了模型从“训练范式”（预训练 + 后训练）向“推理范式”转变。
  • 预训练讲知识
  • 后训练讲文明
  • 推理讲道理
• 应用层面： 大模型正沿着两个主要方向发展：生成式 AI（AIGC）与智能体（Agent）。
  • AIGC 正从单一文本向图像、音频、视频等多模态扩展，通过降低创作门槛重塑内容产业生态。
  • 智能体 则更偏向“执行任务”，通过规划、调用工具、协作、记忆与行动完成复杂任务。

MCP 协议和 Agent2Agent 分别对应“大模型调用工具” 和 “智能体之间交互”。李建忠认为，未来人类会很少直接使用传统软件，传统软件要么成为可被智能体调用的 Tools， 要么面临消亡。

杨强：联邦学习如何助力大小模型协作学习？

加拿大工程院及加拿大皇家学院院士、香港理工大学AI高等研究院院长杨强指出，目前数据分散化与隐私保护需求正对传统中心化 AI 架构提出挑战。他认为必须从学术与理论层面重新思考一个问题：大模型到底还能走多远？

• 联邦学习： 一种结合隐私保护的分布式 AI 方法，在数据不出域的前提下，通过模型之间的参数交换来实现知识共享。
  • 横向联邦学习（增加样本数量）
  • 纵向联邦学习（扩展特征空间）
• 迁移学习： 将已有模型在成熟领域中的能力迁移到新任务或新数据上。
  • 大模型“教授”小模型： 利用知识蒸馏（Knowledge Distillation）将大模型的通用能力蒸馏至本地小模型，解决算力受限问题。
  • 小模型“反馈”大模型： 小模型可为大模型带来领域专业知识，并生成脱敏“人造数据”向大模型查询，从而在保护隐私的前提下，实现高质量的知识迁移。

杨强总结道：AI 发展将是一场持久战，人类需要通过提示、反馈与调整，不断协助 AI 提升认知能力。

朱军：扩散策略学习有哪些进展？

IEEE Fellow、清华大学人工智能研究院副院长、生数科技创始人兼首席科学家朱军带来了《扩散策略学习的若干进展》主题演讲。

• 扩散策略： 将生成式模型，尤其是扩散模型，应用于强化学习，用于策略的建模与优化。
  • 优势： 强大的行为建模能力、生成多样解法、易于与多模态基础模型集成。
• 进展：
  • RDT-1B： 双臂操作的扩散基础模型，以扩散模型为基础，构建更具表达力的策略模型，特别适用于如双臂机器人等动作分布天然复杂的场景。
  • SRPO： 推理速度优化方法，能够将推理速度提升约 50 倍，大幅提高扩散策略在高频控制任务中的实用性。
  • EDA： 扩散行为模型的对齐方法，探索如何将大语言模型中的对齐技术迁移至扩散模型的策略微调中。

朱军指出，Diffusion Policy 作为一个新兴方向，正逐步展现出成为具身智能基础模型的潜力。

黎科峰：DeepSeek如何引领产业智能革命？

数势科技创始人兼CEO、原京东集团副总裁、原京东商城技术负责人黎科峰带来了《DeepSeek 引领产业智能革命：从大模型平权到 AI Agent 爆发》的主题演讲。

• AI 发展历程： 规则时代（AI 1.0）、数据时代（AI 2.0）、生成时代（AI 3.0）。
• AI Agent 的核心能力（五大魔法）： 多模态环境感知、动态复杂推理、面向目标的行动规划、智能工具调用执行和持续学习进化。
• 企业级 AI Agent 的部署要求： 效果稳定性、系统安全性、能力可扩展性。

黎科峰认为，更具价值潜力的，是围绕企业战略与经营的“智能决策 Agent”赛道。

圆桌对话：大模型技术趋势展望与产业落地 ,,,#数据

在圆桌对话环节，各位嘉宾围绕算法、算力、数据三大 AI 核心要素如何驱动大模型持续演进展开了深入探讨。

• 李建忠： 语言模型是通往 AGI 的最核心、最关键的道路。
• Ramine Roane： 摩尔定律放缓，刺激了计算架构和算法层面的创新。
• 柳钢： 大模型开源的影响力会迅速渗透到各行各业。
• 杨强： 强化学习是一种持续学习的架构，其真正潜力还远未被挖掘。

各位嘉宾对AI未来发展趋势的预测

• 李建忠： 下一代 AI Agent 的突破将更多来自强化学习。
• 杨强： AI 技术的下一站，是从中心化转向分布式，并从单一的预训练和推理阶段升级为混合的多模态模型。
• Ramine Roane： 未来很可能会见到符号主义的回归，也许它不会完全取代现有架构，但至少会与现有的架构协同工作，并以某种可扩展的方式相互补充。
• 柳钢： 未来 AI 的大事件应该是基于开源大模型、多模态大模型技术构建的 AI Agent 在企业应用的落地，其中最看好的一个领域是 AI 智能编程。

感悟

我认为：这ML-Summit 2025大会，与其说是技术交流，倒不如说是群英荟萃的“华山论剑”，高手过招，招招致命，句句珠玑。大模型这玩意，就像一个新生的婴儿，未来是龙是虫，谁也说不准。但可以肯定的是，它正在以一种前所未有的速度改变着世界，至于这改变是好是坏，恐怕只有时间能给出答案了。

,,

我的想法：

我认为：各位专家的分享既有理论高度，又有实践深度，为我们描绘了一个波澜壮阔的AI未来。这场大会不仅是一次技术盛宴，更是一次思想的碰撞，让我们对大模型技术的演进和产业落地充满了期待。

希望我的整理对您有所帮助!