2026 云栖大会的全部视频，我拉下来看有 200 多 GB，累计时长 11 天 20 多个小时。一个人不吃不睡连着看，也要看将近 12 天。
不看又可惜。台上是阿里云各条产品线的负责人，还有 NVIDIA、英特尔、德勤、SAP、一汽、传音、达能、自然堂的一线高管。很多话只在分论坛里讲一次，比发布会通稿真得多。
所以我用自研的 agent 调度 jevclip，把这些视频全过了一遍。jevclip 逐段判断每段话有没有信息量，寒暄、广告、串场、空话都剔掉，每段舍弃都写明原因，剩下的剪成高光。agent 再回到文字稿，把每个数字、每句原话核回原文，讲者姓名对照云栖官网 1140 位嘉宾名单逐个校正。
每条后面都有出处：讲者、论坛场次、原片时间戳，对着回放就能找到原话。
一、四个需要重估的前提
01｜CPU 成了 GPU 的瓶颈
直觉是 AI 缺 GPU，要继续堆卡。NVIDIA 在 Vera CPU 的介绍片里却用了一个比喻：“CPU 是指挥，GPU 是乐团。”
Agent 要反复运行 Python、调用工具、执行沙箱里的代码。这些分支密集的任务压在 CPU 上；CPU 忙不过来，GPU 就得等，token 吞吐、延迟和用户体验一起受影响。NVIDIA 因此把 Vera 定位为面向 agentic loop 的 CPU。
这条最值得带走的判断是：Agent 的算力瓶颈会沿着整条任务链转移。GPU 再强，也补不上工具执行和数据准备的空档。
— NVIDIA Vera 介绍片｜223 NVIDIA 论坛：极致协同优化，全栈加速 Agentic AI 和物理 AI 29:36 30:01
02｜AI 产品的边际成本，远没有互联网那么低
互联网产品熟悉的逻辑是：服务多一个用户，新增成本很小，规模越大越容易摊薄成本。AI 原生硬件论坛提醒，Agent 产品每完成一次任务，都要支付推理和执行的算力成本。用户上到千万级，这笔账会跟着一起长。
陈立伟说，只做一个惊艳的 demo 很容易；要成为持续经营的产品，每次任务的成本都必须算得过来。他在现场的判断很直白：“只是做问答，并不是一个特别好的生意。”
我的理解是，用户增长和利润增长之间，多了一道“每个任务到底花多少钱”的关。 功能越主动、执行越频繁，这道关越绕不过去。
— 陈立伟，阿里云公共云事业部解决方案副总经理｜153 智启万物：AI原生硬件论坛 57:21 58:28
03｜数据加密了，谁还能看到明文？
蚂蚁集团的韦韬指出：数据进入外部环境后，系统管理员、运维人员、研发人员可能仍然握着权限；即使数据加了密，密钥也可能放在对方系统里。你以为自己信任的是一套技术，实际还信任了那套系统背后的人。
他还转述了一类模型服务路由风险：用户以为调用的是国内服务，实际承载请求的可能是境外系统。请求经过谁、谁能看到提示词和工具调用信息，未必能从产品名称上判断。
所以我会追问三件事：谁能拿到明文，谁能拿到密钥，访问和路由能不能审计。 只听到“已经加密”，还不足以回答这些问题。
— 韦韬，蚂蚁集团副总裁兼首席技术安全官、蚂蚁密算董事长｜167 蚂蚁密算专场：密算织域，融数成智 48:25 49:03 51:16
04｜换了电机，没改工厂，效率只提升了不到 5%
好几场论坛都讲了蒸汽机换电机的故事。窦传良讲的版本是：早期工厂的设备、传动轴和布局全围绕一台巨大的蒸汽机设计。电机出来后，大家先把动力源直接替换掉，效率提升却在 5% 以内。直到工厂按电机重新布局，把生产拆成更灵活的单元，新动力的价值才充分释放。
这个类比解释了很多企业用 AI 的尴尬：每个人都更快了，流程里的等待、交接和审批还原封不动。节约下来的时间，走不到最后的利润表。
工具升级以后，组织还要重新回答谁发起任务、谁做判断、谁验收结果。 只在旧流程里加一个 AI 按钮，改变往往停在局部。
— 窦传良，阿里云公共云事业部东区副总经理｜187 创造·无界：阿里云 AI 游戏行业论坛 1:36:15 1:36:51 1:37:28
同类比也见 108 阿里云上的 Salesforce 1:14:04 1:15:04
二、人的判断与创造，为什么更值钱
05｜能力可以外包，承担外包不了
高世强把“判断”拆成了三个条件：不可回滚，会真的伤到你，有终点。人做选择时，时间和机会都会被消耗，有些代价无法撤销。
在他的论述里，AI 的权重可以回滚，模型不会受伤，也没有人的生命终点。所以他关心的已经超出了 AI 能不能把事情做好的问题：当一件事真的影响了别人，最后由谁接住后果？
他举的例子很具体：一个人画画、署名、卖出去，被骂了，要接着；用 AI 生成一幅画、署名、卖出去，被骂了，也要接着。工具可以代劳，署名的人仍然在场。
— 高世强，中国美术学院跨媒体艺术学院副院长｜118 从繁星到灯塔：数据与评测共筑AI智能新高度 2:22:29 2:23:14 2:23:57
06｜作业做得更快，不等于人学得更好
王晨晖在 AI+校园论坛转引了一项港大团队的研究：对超过 2.6 万名中学生跟踪 30 个月。按他现场介绍的数据，使用 AI 后，短期作业准确率提高 20%，完成时间缩短 30%；后续月考、中考、高考的成绩却出现下降。
他强调：“思考并不能够被外包。”如果学生不再核验信息、不再比较方案、没有独立判断，省下来的步骤也可能恰好是能力形成需要经历的步骤。
这同样提醒工作中的人：交付物变好了，自己的判断力有没有一起变好？ 只验收产出，很容易漏掉能力正在变弱这件事。
— 王晨晖，弗若斯特沙利文中国区主管合伙人兼总裁（研究数字为现场转引）｜196 AI+校园：算力普惠与人才培养新实践 2:09:01 2:10:01 2:11:18
07｜用久了 AI，人自己的表达也在向它靠拢
高世强转引马普研究所对大量学术演讲等口语材料的分析：ChatGPT 出现后，英文里“探究”这个词在学术演讲中的使用量上涨了约一半。
最值得警惕的细节是，按他现场的介绍，这些人没有照着 AI 生成的稿子念。他们在自己说话，熟悉的 AI 词汇已经进入了日常表达。
同质化会从生成的文本里，慢慢走进人的表达习惯。 对创作者来说，保留自己的经验、观察和语言，比把每句话润色得更顺滑更重要。
— 高世强，中国美术学院跨媒体艺术学院副院长（转引马普研究所分析）｜118 从繁星到灯塔：数据与评测共筑AI智能新高度 2:26:32 2:27:08
08｜编剧和发行为什么更难被替代？因为它们要处理人的关系
蔡新元把电影制作从剧本、故事板、拍摄、特效、剪辑一路拆到发行。他给出的判断是，制作环节几乎都会被 AI 加持或替代；到目前为止，他还没看到编剧和发行被替代的可能。
他的解释是，这两端都深深依赖人与人的关系。文字顺滑，不代表故事能打动观众；做出一部片子，也不等于有人愿意看、愿意为它付钱。他用脱口秀举例：笑点要碰到具体的人、具体的生活体验，单靠拼接漂亮句子很难成立。
我更愿意把这条当成一个选方向的提醒：当制作越来越便宜，对人的理解、信任和共鸣，会占据更大的价值。
— 蔡新元，华中科技大学设计学院院长｜184 Go Vibe Designing：AI时代的设计新编译 2:22:58 2:23:35 2:24:16
09｜解决方案越来越便宜，提出对的问题越来越贵
苏杰观察到，AI 让执行工作不断下沉：文档、方案、原型都更容易产出，判断力的价值开始上浮。
他举了一个团队里的变化：过去产品经理出一份方案，大家一起评审；现在同样的时间可以出十份，看起来还都不错。新瓶颈变成了到底选哪份、为什么选它。
他的原话是：“解决方案侧似乎变得有点廉价了。问题侧变得越来越重要。”发现机会、理解用户、定义需求、判断值不值得做，会越来越影响最后的结果。
把前面几条放在一起看，我记住的是：执行越容易，越要保住提出问题、判断结果和承担后果的能力。
— 苏杰，《人人都是产品经理》作者｜189 产品经理状元秀：AI时代，人人都是产品经理 2:20:34 2:23:50 2:24:26
10｜审美的通货膨胀
阿里设计师谭啸说，设计一直是手工业，被工业化的只是生产流程；现在 AI 把设计流程也工业化了，风格变成了一种交付，结果是“审美的通货膨胀”。
他继续追问：今天，人们还能分辨出一些 AI 视频和设计的平庸痕迹。等到分辨不出来的那天，评价作品的标准又会落在哪里？
— 谭啸，阿里巴巴 ATH 事业群 MaaS 业务线高级体验设计专家｜205 AI 原生设计专场｜Design to Build：重新构建设计 2:12:04 2:13:54
三、企业提效了，为什么没赚到钱
11｜64% 在加钱，4% 达到目标
德勤中国轮值副 CEO 孟晓凡给了两组数。德勤跟踪的海外企业：2026 年 64% 追加了 AI 投资，只有 11% 觉得 AI 用进了生产、拿到了回报。德勤和港大刚发布的中国企业调研：同样 64% 已经把 AI 投入生产，达成原定目标的只有 4%，60.4% 的企业连评估回报的框架都没有。
— 孟晓凡，德勤中国轮值副首席执行官｜211 德勤 AI 创新论坛 1:38:53 1:39:29 1:40:07
12｜“AI 的主要 KPI 是人均抽烟时长”
孟晓凡讲德勤自己：2023 年就是最早一批上 AI 工具的公司，个人效率明显提高，损益表上看不出来。当时内部开玩笑，说 AI 最大的作用是让抽烟的人越来越多，“单位人均抽烟时长大幅变长，这个是 AI 的主要 KPI”。
他的同事张为峰讲了德勤重庆两千多名开发工程师里的一幕：下楼买咖啡，发现楼里打游戏、抽烟的人反而多了。原因是只有编码这一段变快了，而编码只占软件全流程的 20%–30%。
孟晓凡的诊断是：多数 Agent 停在企业流程分层的 L5/L6，“更像一个高级的用 AI 实现的 RPA”。
— 孟晓凡｜211 1:41:13 1:41:48 1:43:08；张为峰，德勤中国咨询人工智能与数据合伙人｜211 2:27:08 2:28:41
13｜90% 在用，10.8% 用出了绩效
浙大刘渊团队调研了 1498 家企业：生成式 AI 普及率约 90%，企业统一部署的不到一半，在领域里深耕并产生绩效的只有 10.8%，“广而不深”。
瓴羊 CEO 朋新宇转引麦肯锡：88% 的企业在用 AI，只有 6% 认为 AI 投入和生意增长正相关。他的类比是工业革命初期，每工时效率涨了 26 倍，却没有带来生意增长，“涨的是产能，但是并不是利润”。
— 刘渊，浙江大学管理学院教授｜137 问 AI 要增长 18:49 21:50；朋新宇，瓴羊 CEO｜137 32:32 33:12
14｜代码可以自动生成，共识不会
阿里 MaaS 业务线产品总监王自宇算过：团队开发里，编码只占 20%–30%，其余是需求评审、方案评审、联调、上线、修 bug。AI 把编码成本打下来之后，大厂的迭代周期还是两三周一个。
更反直觉的是共识成本上升了：人人都能用 AI 写出“很好”的方案，评审反而比原来慢；AI 不知道团队里那些没说出口的规则，一句一句调试，可能要花 3 到 4 倍甚至更长的时间。
Qoder 技术专家谢文欣把这件事压成了一句话：“AI 加速了 coding，却没有自动带来 cooperation。代码可以自动生成，但共识不会自动生成。”
— 王自宇，阿里巴巴 ATH 事业群 MaaS 业务线产品总监｜189 产品经理状元秀 2:30:47 2:32:24 2:33:10；谢文欣，Qoder 技术专家｜181 Qoder：AI Coding 赋能超级个体 1:01:25
15｜“人加 AI 就可能是死路一条”
自然堂 CIO 罗予晋的复盘：2025 年他们把大量 AI 能力塞进业务场景里试错，到年底发现企业“好像没有什么感知”，营收有没有变化、能不能归因到 AI，都说不清。
他的结论是，不在组织、流程和人员上做实质改变，“做了很多 AI 其实对企业来讲只是成本”。更狠的一句是“人加 AI 就可能是死路一条”，因为这个组合的短板在人。他自己补了一句：一家之言。
— 罗予晋，自然堂集团首席信息官｜119 携手产品伙伴赋能 AI 落地千行百业 2:15:26 2:16:21 2:17:03
16｜“然后呢，然后呢”
达能的刘冰问了一个问题：员工都在用自己的“龙虾”（OpenClaw 这类个人 Agent），为什么 P&L 上看不到立竿见影的成本节约？
他说拿“有没有裁员”来判断太简单粗暴。岗位角色不转换、业务流程不重新设计、KPI 不重新设计，就不会有 P&L 上的影响，最后只能说员工个人生产力提升了，“然后呢，然后呢”。站在 CFO 的角度，这个问题会一直追下去。
— 刘冰，达能中国、北亚及大洋洲信息技术&数据副总裁｜191 经营·进化：Agent 时代的零售新增长 1:19:28 1:20:17 1:20:52
四、真拿到结果的人，做对了什么
17｜只认两种收益：增收和降本
传音 CIO 毕尊禹讲完一串漂亮数字，自己拆了台：token 用量、调用量、月活、智能体数量，“这些其实都是过程，都算不成我们的业务收益”。企业 AI 的收益只有两种，增收或者降本。
传音的规矩是：任何场景要上平台，立项时先讲清楚是增收还是降本、用什么指标衡量、基线是多少、责任人是谁。
— 毕尊禹，传音 CIO｜156 智涌全球：AI 出海增长峰会 2:28:50 2:31:20
18｜1.2 万个 skill，来自 7000 多名一线员工
他拆掉的那串数字也值得看。传音的员工 Agent 平台 5 月中旬上线，100 多天里长出 2 万多个智能体、约 1.2 万个 skill。这些 skill 不是技术团队写的，是 7000 多名业务一线员工把自己的经验拆出来贡献的。
合同审核是个典型：合同来自 70 多个国家、40 多种语言、30 多个币种，一份至少审半小时。他们把 60 多位财务人员的经验蒸馏成 40 多个 skill，单份审核从半小时降到 3 分钟。
账也算得过来：每周 token 消耗涨了 10 倍，百万 token 单价降了 89%，总成本几乎没变。
— 毕尊禹｜156 2:21:52 2:26:39 2:27:19 2:23:15
19｜一汽：“我们没有 ERP”
一汽体系数字化部总经理门欣：“好多人问我说你的 ERP 是谁做的？我说我们没有 ERP。“在他看来，ERP 需要人去喂数据，一汽把所有角色的作业都搬上了云平台，数据在干活时直接产生。
同一场他还讲了两件事。一汽把 token 变成了工资薪酬包的一部分，员工分成“碳基员工”和“硅基员工”，都是薪酬投放的对象。高级经理晋级，用的是一个拿 284 份能力评价报告训练出来的评价模型。
— 门欣，中国第一汽车集团体系数字化部总经理｜142 2026 阿里云汽车行业峰会 1:06:21 1:07:01 1:14:36 1:15:20 1:09:36
20｜SAP 自己说：ERP 的前提变了
SAP 中国的李奇颖先点破了传统 ERP 的一个隐含前提：业务逻辑写进系统，人按流程操作，系统负责记录和校验，“每一步都需要人来触发、人来判断、人来推进”。Agent 进来之后，ERP 可以自己感知业务变化，在权限边界内做决策，跨系统调工具完成闭环。他的原话是：“这不是简单的给 ERP 增加一个 AI 的入口，它改变的是人与系统的分工。”
例子是牧原。过去毛利出了异常，要人跨系统查数、逐项对比、层层上报，定位根因要几个小时。现在 Agent 实时盯着关键经营指标，一有异常就自动调 SAP 明细、做根因分析、给出整改建议，用时 5 分钟，覆盖 10 个经营模块。李奇颖的结论是：Agent 已经能在 ERP 核心流程里承担实质性的分析和决策辅助。
这条可以和第 19 条一汽的“我们没有 ERP”放在一起看。一个是卖 ERP 的，一个是用 ERP 的，都在说“人录入、人推动”的那套前提正在松动。（牧原的数字是供应商讲的客户案例。）
— 李奇颖，SAP 中国阿里巴巴战略合作总经理｜229 技术主论坛·MaaS & Agent 21:19 21:54 23:42 24:28
21｜赛维：让大模型直接投广告，时好时坏，最后改用强化学习
赛维时代副总裁欧越讲，过年“小龙虾”出来那阵，董事长陈文平花了三个通宵研究，第四天召开全体高管大会，要求每个高管亲自动手。到现在，营销、广告、产品、HR、物流都落了 Agent。
下一步他们做了一个“AI 经营大脑”。先拿一个店铺试点，以销售、利润这些经营目标为中心，下面模拟产品运营、广告、客服、财务、视觉几个岗位。高管们自己搭的 Agent 全部装进去，每个岗位有自己的 skill 和工作流。它 7×24 小时盯市场、商品和库存，判断该补货了，就直接在业务系统里建采购单，而不是停在一份报告上。
最值得听的是广告投放的踩坑。亚马逊广告他们试过三条路：
-
靠规则：“真的他是很笨的，很蠢的”。
-
把数据交给大模型判断：“有时候效果好，有时候效果不好，所以说非常不稳定”。
-
最后挖来做自动驾驶的人，用强化学习从历史投放数据里学优秀投手的经验，让 AI 自己定预算、选关键词、出价。
效果数据只在现场 PPT 和视频里展示，口播没有念出具体数字。
— 欧越，赛维时代副总裁｜127 智启新程：AI 驱动创新企业 2:15:08 2:16:43 2:17:35 2:27:11 2:27:57
22｜联合利华：把销售脑子里的经验做成规则，销售方案从两周缩到半天
联合利华饮食策划靠餐厅卖调味品，难在人和店都不稳。餐饮店的变动率大约 50%，今天开、明天关，销售团队也有流动。店一关、人一走，“卖什么、怎么说、怎么打交道”就跟着没了，因为这些全在销售脑子里。
他们和瓴羊把这些经验整理成一套“本体”：一半是给人和大模型看的语义描述，一半是给引擎执行的规则表，“我能看到的和最后机器跑的应该是同一份知识”。分工借用自动驾驶分级：L0 到 L3 由业务骨干定规则、划事实边界，L4、L5 才让大模型上场。结果是生成一套销售方案从一两周缩到一天甚至半天。以前只能顾上核心客户，现在几千个客户可以一家一个打法。
CDIO 曹毅彬说，企业现在很少问 AI 快不快、强不强，只问准不准。他们保“准”的一个土办法是：知识库里缺值的字段不填默认数，就空着。AI 碰到空值，要么报警让人介入，要么类比推荐一个近似值，由人决定用不用。这样机器就不会替空值“下一个不应该的定义”。
— 曹毅彬，联合利华大中华区家清和餐饮策划事业部 CDIO｜137 问 AI 要增长 47:22 48:20 53:32 55:06 1:00:21 1:01:43 1:02:44
23｜让 Agent 优化数据库引擎：4 个月，28 个有效改进，性能 3.2 倍
阿里云让 Agent 跑完整闭环来优化实时数仓引擎 Hologres：分析负载、挑候选、做 MVP 实现、查正确性、测性能，有提升才合入。4 个月做出 28 个有效改进，基线性能到原来的 3.2 倍。
— 汪军华，阿里云研发副总裁、计算平台事业部负责人｜145 国际 AI 智能体技术论坛 1:32:12 1:33:12
五、软件与成本，都要重新算账
24｜SaaS 多了一个竞争对手：自己写软件的甲方
苏杰讲到一个正在发生的变化：原来做采购、销售的人，想要一套系统或一个小工具，得先向产品经理提需求，再等研发排期。现在一些业务人员发现，自己就能用 AI 把工具做出来。
因此，SaaS 厂商面对的竞争多了一种选择：客户决定自己做。过去靠“我能替你写出功能”成立的价值，需要重新经受检验。
我会据此追问一个更具体的问题：当客户能自己做出功能，你还能提供什么让他持续付费？ 稳定运行、复杂业务经验、跨系统协作和持续服务，都需要交出实际结果。
— 苏杰，《人人都是产品经理》作者｜189 产品经理状元秀：AI时代，人人都是产品经理 2:21:49 2:22:35 2:23:13
25｜“失败不应该收钱”
灵骏负责人王超认为，拿“每百万 token 降了多少钱”来比，是抓错了重点：同一个任务在不同系统里烧掉的 token 数不一样，真实成本是单价乘以数量。他给的公式是 TCO 除以成功的任务数，“注意失败不应该收钱”。
他对今天用 Agent 的体感也很准：像当年用 56K 猫，“我都不敢合上笔记本，端着笔记本到处跑”，一合上就断了。
— 王超，阿里云加速计算产品和技术负责人｜110 灵骏全面升级 37:13 1:06:58
26｜一步 99%，一百步 37%
阿里云研发副总裁周琦的一道算术：单步推理准确率 99% 的 Agent，连跑一百步，整体成功率只剩 37%。所以长任务不能指望模型自己稳住，得用工程手段兜底。
— 周琦，阿里云研发副总裁、云原生应用平台负责人｜109 Agent 工程化：AgentCore 35:19
六、算力的瓶颈，延伸到了存储和电力
27｜“以前是模型幻觉，现在是它经常忘事”
阿里云资深技术专家孔阳说，内部大量用 coding 和 Agent 之后，最头疼的事变了：上下文越来越长，多轮对话还要唤醒旧记忆。他们在 HBM 之外加了内存池和存储分层，把 prefill 阶段的缓存命中率做到接近 99%，token 成本降低 50%。
NVIDIA 的刘川解释了这招为什么有效：Agent 多轮会话里，每次请求的 context 和之前的重合度可能高达 90% 以上，所以 Agent 推理的第一原则是“避免历史重算”。
— 孔阳，阿里云资深技术专家｜195 超节点 Scale-Up 开放互连与开源计算生态 1:23:35 1:22:43；刘川，NVIDIA 解决方案架构总监｜223 56:10 57:00
28｜数据中心的资本开支，超过了石油
阿里云基础设施运营平台产研负责人陆增义的数字：全球数据中心年度资本开支从 2021 年的 210B 涨到 2025 年的 714B；同期石油是 359B 到 570B。2025 年，数据中心超过了石油设施。他的说法是“驱动整个经济的引擎发生一些切换”。
同场还有个细节：液冷整机柜功率密度太高，一旦出现温升风险，留给人应对的时间只剩原来的十分之一。风冷时代有半小时，液冷时代只有几分钟。这场论坛的主题就是：运维得交给 Agent。
— 陆增义｜147 以智治算：算力基础设施运维自进化 54:07 55:12 59:25 1:00:07
29｜“这是 5 美元跟 5 美分的比较”
阿里云全球数据中心总经理王朝阳给了乌兰察布的三组数：所有数据中心企业的规划加起来超过 20GW，在建超过 12GW，真实负载 1GW。在建的两三年内建成，同一个区域的负载要涨十几倍。他当天上午刚收到消息：东南亚某国要求 AIDC 企业自带电源（BYOP），当地几乎每周停电。
会上常听到一种要求：新能源发电多的时候，算力中心能不能多用点电，少的时候停一停。他的回答是：算力一小时能产生几美元收入，电费是几美分，“这是 5 美元跟 5 美分的一个比较”，这件事违背经济学。
— 王朝阳，阿里云全球数据中心总经理｜149 算电协同·智领全球 37:03 37:48 38:25 39:34 42:41
30｜“马斯克说了这么多年，他还没有到火星”
还是灵骏的王超，在平头哥专场上质疑“上万卡超节点”：数学上成立，但他不相信今天的物理世界能做到。数量到一定程度，系统级问题会不可抑制地冒出来，“马斯克说了这么多年，他还没有到火星，对吧？因为发动机太多了。”
至于泡沫论，阿里云 AI 汽车行业总经理李强的回答是：“我们没有一张卡是空闲的。”
— 王超｜203 平头哥算力峰会 1:58:28；李强，阿里云公共云事业部副总裁、AI 汽车行业总经理｜142 45:53
其他有价值的观点
-
“模型变化实在太快了，我们往往只能预测未来 1 到 2 个月的事情。”——MaaS 技术主论坛圆桌上的阿里方嘉宾 03:54
-
“今天说的是个理想，我们没做出来。”——王超，讲 AI 超算的架构愿景时 53:38
-
“AI 就是放大一个人 100 倍的聪明，同时也放大一个人 100 倍的蠢。”——徐亚男，麦芽传媒副总裁 1:55:32
-
“Agent 不怕复杂，它怕的是混沌。”——孔琳琳，千问 AI 平台网站负责人 2:02:10
-
阿里评测团队逐题复核“人类最后的考试”HLE：27% 的题（689 道），专家和算法都修不好。——许泽，阿里 AI 评测负责人 2:02:35
-
到 8 月上线的微短剧 43 万部，AI 贡献了 90%；下架最多的也是 AI，6.8 万部。——赵晖，中国电视剧制作产业协会短视频内容工委会主任（转述官方口径）1:29:38
工具
-
jevclip 已开源：github.com/cclank/jevclip。给它视频和字幕，它逐段判断留不留、写明舍弃原因，剪出高光和去水完整版，总结里每一句都能点回原视频的时间点。
出处索引
本文引用了 28 场论坛，链接均为云栖官网回放页，按每条标注的时间戳可找到原话。部分场次的官网回放可能尚未上线。
-
108 阿里云上的Salesforce：连接人、AI Agent与CRM平台共创客户成功｜官方回放
-
109 Agent工程化：AgentCore让企业智能体走进生产｜官方回放
-
110 灵骏全面升级：Agentic 时代的 AI 超级计算机｜官方回放
-
114 千问AI平台进化：为 Agent 而生的全新服务方式｜官方回放
-
118 从繁星到灯塔：数据与评测共筑AI智能新高度｜官方回放
-
119 携手产品伙伴赋能AI落地千行百业｜官方回放
-
127 智启新程：AI驱动创新企业｜官方回放
-
137 问AI要增长：AI员工能干能信能打｜官方回放
-
142 芯云一体·驶向智能：2026阿里云汽车行业峰会｜官方回放
-
145 国际AI智能体技术论坛｜官方回放
-
147 以智治算：Agentic AI 驱动的算力基础设施运维自进化｜官方回放
-
149 算电协同·智领全球——智算中心“人工智能+“能源论坛｜官方回放
-
153 智启万物：AI原生硬件论坛｜官方回放
-
156 智涌全球：AI出海增长峰会｜官方回放
-
160 AI 短漫剧工业化：版权、制作与平台协同｜官方回放
-
167 蚂蚁密算专场：密算织域，融数成智｜官方回放
-
181 Qoder：AI Coding赋能超级个体｜官方回放
-
184 Go Vibe Designing：AI时代的设计新编译｜官方回放
-
187 创造·无界：阿里云 AI 游戏行业论坛｜官方回放
-
189 产品经理状元秀：AI时代，人人都是产品经理｜官方回放
-
191 经营 · 进化：Agent时代的零售新增长｜官方回放
-
195 超节点 Scale-Up 开放互连与开源计算生态｜官方回放
-
196 AI+校园：算力普惠与人才培养新实践｜官方回放
-
203 平头哥算力峰会：云模之芯，共筑非凡｜官方回放
-
205 AI 原生设计专场｜Design to Build：重新构建设计｜官方回放
-
211 德勤AI创新论坛： 智领全球，数赋新程｜官方回放
-
223 NVIDIA 论坛：极致协同优化，全栈加速 Agentic AI 和物理 AI｜官方回放
-
229 技术主论坛·MaaS & Agent｜官方回放