2025年AI工程真实图景:从500份调查看行业的集体焦虑与共识
这是一份基于500名一线工程师的真实调查,揭示了2025年AI工程的实际状态:经验丰富的工程师依然“很新手”,LLM已无处不在,但工程体系却明显滞后。演讲用大量数据和幽默,勾勒出一个快速演进却充满结构性痛点的行业。
这是一份基于500名一线工程师的真实调查,揭示了2025年AI工程的实际状态:经验丰富的工程师依然“很新手”,LLM已无处不在,但工程体系却明显滞后。演讲用大量数据和幽默,勾勒出一个快速演进却充满结构性痛点的行业。
这场演讲聚焦一个几乎所有语音AI用户都遇到过的问题:系统为什么总是在你还没说完时插话。演讲者从“轮次控制”这一被低估的核心难题出发,拆解了语音活动检测、语义预测到最终决策的整条技术链路,解释为什么这不是一个靠调参就能解决的问题。
这是一场关于实时语音AI的“反直觉”分享:模型能力并不是决定体验的关键,延迟才是。来自 OpenAI 和 Daily 的工程师,用一次紧张又好笑的现场 Demo,拆解了语音 AI 成败背后的真实技术逻辑。
语音智能体迟迟未能大规模落地,并非模型不够强,而是缺乏系统性的评测方法。Coval 创始人 Brooke Hopkins 结合自己在自动驾驶评测体系中的经验,提出用大规模仿真、持续评测和概率化指标,解决语音代理“不可靠、不敢放权”的核心难题。
这是一场面向开发者的实战工作坊,演讲者以构建对话式AI代理为主线,拆解了从语音识别、语义理解到语音合成的完整链路,并通过现场演示和问答,分享了延迟、配置灵活性与滥用风险等一线经验。
这场演讲来自 Daily 联合创始人 Quinn,对 Pipecat 这一开源语音 Agent 框架的来龙去脉做了一次“工程师视角”的速览。它不仅讲清了语音 AI 真正难的地方在哪,也解释了为什么企业在语音 Agent 上,越来越重视开源、可控和中立的技术栈。
本文讲述了Model ML两位连续创业者如何将AI Agent技术带入华尔街,改变金融行业的日常工作方式。通过真实创业故事与技术细节,揭示了AI在金融服务中的落地、团队文化、行业转型,以及创业者的独特洞见。
Anthropic为Claude Code引入周度限流,引爆重度开发者社区的不满。这一事件不仅暴露了Agent式AI工具的真实成本,也折射出整个行业在“强智能该如何定价”上的集体困惑。
OpenAI团队分享模型在国际数学奥赛达到金牌水平背后的关键原因:不是单点突破,而是训练范式、推理方式和多智能体协作的叠加演进。
随着AI从“写代码”进化为“执行代码”,安全问题被推到台前。OpenAI安全工程师Fouad Matin结合Codex与代码执行智能体的实践,讲述了为何所有AI都会变成代码执行者,以及如何通过沙箱、权限与人类审查,避免这股力量反噬。