AICon北京2026议题征集：12大专题找AI生产落地一线专家
Agent 会不会写代码，已经不是 2026 年开发者最关心的问题。更难的问题是：它能不能在真实系统中持续工作？出了错能不能定位？权限能不能收住？成本能不能算清？生成的代码能不能维护？一个能在演示中完成任务的 Agent，距离真正进入生产环境，还有多少工程问题要解决？过去一年，大模型的能力继续向推理、工具调用、多模态.
到了 2026 年，开发者最操心的已经不是 Agent 能不能写代码。
真正难的是另一类问题：它能不能在真实系统里一直跑下去？出错之后找不找得到原因？权限管不管得住？成本算不算得清？生成的代码后续还能不能维护？一个在演示里能跑通任务的 Agent，想真正进生产环境，中间还卡着多少工程上的坎？
这一年里，大模型的本事继续往推理、工具调用、多模态和长任务上走，开发的重心也跟着挪了位置。团队不再只盯着单次调用模型，而是开始琢磨 Agent 的上下文、工具、执行环境和反馈回路怎么设计；不再只看一次回答对不对，而是看整条任务轨迹、异常恢复和长期稳定性；不再一味追求单个更强的模型，而是按质量、延迟和成本来调度多个模型。
软件开发这边同样在变。Coding Agent 从代码补全工具，慢慢变成能读懂代码库、会调工具、能跑测试、可以搞定复杂任务的工程协作者。工程师要想的事，不只是怎么写更多代码，还包括怎么描述目标、怎么设约束、怎么定验收标准，以及怎么让人看得懂、查得了、接得住 Agent 干的活。
这些变化把 AI 开发推向了更深的工程地带。OpenAI、Google Cloud 和 Anthropic 最近公开的工程做法里，上下文管理、Agent 评测、安全边界、成本控制和人机协作，都被列为生产落地绕不开的问题。
2026 年 12 月 18 日至 19 日，AICon 全球人工智能开发与应用大会将在北京新云南皇冠假日酒店举行。我们想请正在啃这些问题的一线专家、技术负责人和产品实践者到现场，聊聊真实业务里已经发生过的经验。
这次 AICon 北京站一共设了 12 个专题，涵盖模型能力、推理基础设施、Agent 工程、软件研发、产品设计和商业化实践。
Post-Training Engineering｜数据、奖励与模型能力塑造 盯的是任务轨迹与合成数据、SFT、偏好优化、RFT、RLVR、Reward Model、模型蒸馏以及领域小模型，聊的是怎么把数据、训练、评测、灰度和回滚串成一套工程闭环。
多模型推理与算力调度实践 关注模型路由、KV Cache、批处理、并发调度、GPU 利用率、弹性伸缩与故障切换，讨论的是在质量、延迟、成本和安全之间怎么选。
Knowledge Engineering｜让 Agent 理解企业 围绕企业语义、知识图谱、多模态知识解析、RAG、GraphRAG、Context Engineering、长期记忆与知识治理展开，目标是让 Agent 读懂业务概念、约束条件和行动边界。
Loop & Graph Engineering 关心任务拆分、节点契约、多 Agent 协作、动态路由、状态管理、人工审批和失败恢复，探讨 Agent 怎么安全地接进 CRM、ERP、工单以及供应链这些业务系统。
智能体评测与生产可靠性探索 既看真实业务评测集、Tracing、Replay、回归测试和质量 SLO，也看长任务中断、重复执行、状态污染、工具失效、人工接管和业务补偿。
Agent Security｜身份、权限与行动安全 涉及 Agent 身份、委托关系、最小权限、临时凭证、MCP 信任机制、提示注入防护、敏感数据保护、人工审批和全链路审计。
AgentOps｜企业 Agent 全生命周期管理 关注 Agent 的目录、版本、依赖、部署、监控、回滚与下线，还有模型、Prompt、Skill 和知识变更怎么统一管。
Self-Evolving Agents｜从经验学习到可控进化 关注经验记忆、Prompt 与 Skill 优化、工作流搜索、反馈学习和自修改 Agent，也会聊自动评测、灰度发布、退化检测和回滚机制。
Agentic Software Engineering｜从代码生成到软件交付 关注 Spec 驱动开发、研发 Agent 协作、代码库上下文、自动测试、质量门禁、遗留系统改造、安全漏洞和技术债治理。
AI Product Design｜产品、交互与生成式 UI 关注语音和多模态交互、Computer Use、生成式界面以及主动式服务，讨论用户怎么表达目标、怎么查看计划、怎么确认高风险行动，以及出错后怎么把任务接回来。
AI 原生架构的演进与治理 关注 Agent 定义、代码管控、安全约束、成本优化、模型稳定性、CLI 接口和 Skill 规范，探讨企业怎么搭出可控又可维护的 AI 原生架构。
AI 产品出海｜产品、增长与商业化实践 关注市场选择、需求验证、产品本地化、海外获客、定价支付、成本控制和合规，也欢迎团队来复盘失败、调整方向、重新找到增长路径的经过。
如果你正在研发、部署或者管理大模型及 Agent 系统，并且愿意把里面的技术判断和实践过程公开讲出来，我们等着收你的议题。
不管你是搞模型、算法、数据还是推理的，做 AI 平台、基础设施、架构、安全、SRE 或者软件研发的也行；企业里的技术负责人可以，来自开源项目、创业团队、成熟产品团队的同样欢迎。
产品经理、设计师和全球化业务负责人，同样是这次征集的重点对象。如果你正在试新的 AI 交互方式，或者已经踩过海外市场选择、产品本地化、商业化和合规这些坑，也欢迎把实践交上来。
公司规模和项目名气不是唯一的标准。我们更想看的是：你到底解决了什么具体问题，为什么挑现在的方案，过程中碰上过哪些意外，哪些判断后来被证明是错的，以及听众能把哪些经验带回自己团队。
往届 AICon 大会现场
来听 AICon 的，大多是有 5 到 8 年经验的技术骨干和技术管理者。所以一场演讲要站得住，得让这批人在 40 分钟里拿到能听懂、能判断、能复用的东西。
有几类内容我们格外想看：
• 跑在真实用户、业务流程或生产系统里的案例；把方案选型、架构设计、技术细节和关键取舍讲透的复盘；
• 能拿数据说话——任务成功率、质量、成本、延迟、稳定性或者业务效果；也包括对失败、退化、事故、回滚和人工接管这些环节的坦白复盘；
• 对眼下技术边界心里有数，不把模型和 Agent 的能力吹过头；内容最好是此前没公开讲过，或者相比旧版本更新幅度超过 80%。
AICon 不收以产品宣传为主的演讲。产品可以出现在案例里，但演讲本身得回答工程问题，把方法、条件和结果交代清楚。
内容委员会本届大会的联席主席是张铭、江鹏、周俊。专题出品人由杨杰、程岩、陈舒、余瑶、刘中兵、郑洋飞担任，他们会和组委会一起做专题策划和内容建设。联席主席、专题出品人和演讲嘉宾是三种不同的角色。之后通过评审的议题和讲师信息，会在大会官网陆续放出。
