AI 时代下的架构变革，需要关注什么？

在 AI 快速发展的浪潮里，数据架构作为 AI 系统的核心支柱，正经历深刻变革。随着生成式 AI 和大模型技术的兴起，企业对数据实时性、流动性和处理效率的要求日益增高，传统的数据架构已无法满足 AI 驱动应用的复杂需求。特别是实时特征工程和在线特征库在支持现代 AI 系统中发挥着关键作用，这也让数据架构从过去的支持系统逐渐演变为提升 AI 系统性能的核心动力。

2024 年 12 月 13 日至 14 日，AICon 全球人工智能开发与应用大会将在北京隆重召开！本次大会汇聚来自顶尖科技企业的专家，并将带来一系列与 AI + 架构相关的前沿议题。演讲内容涉及从分布式数据仓库到边缘计算架构的多种技术路径，涵盖推荐系统、智能体平台、大规模数据检索等应用场景。

我们特别精选了部分与架构相关的演讲内容，为关注技术架构的读者提前解密这些前沿话题，看看 AI 时代下数据架构的新挑战和解决方案。

更多大会日程精彩内容直接查看官网。

AI 时代，我们需要什么样的数据架构？

来自 ProtonBase 的首席科学家邵轶琛，将带来题为“AI 时代，我们需要什么样的数据架构？”的主题演讲。他将深入探讨生成式 AI 崛起对数据架构提出的实时性要求，分享一种全新的 AI 数据处理架构——“分布式 Data Warebase”，结合了数据仓库与数据库的优点，构建高效的 AI 湖仓环境，以支撑实时特征的提取与计算。

随着 AI 应用场景日益复杂和多样化，实时数据处理的需求推动了数据架构的快速演化，这不仅是技术上的创新，也为企业智能化奠定了坚实的数据基础。

京东广告大模型应用架构实践

京东广告算法总监张泽华，将分享在广告推荐系统中大模型应用的架构实践。传统召回方式难以精准捕捉用户需求，而大模型的引入带来了更灵活的推荐机制。张泽华将揭示京东生成式召回体系的核心，包括如何通过多模态商品内容理解与用户意图识别等手段优化召回效率。这一架构在实际应用中显著提升了广告效果，为广告技术从业者提供了可借鉴的实操经验。

大模型在百度推荐场景的工程实践探索

来自百度的资深工程师施刘远，将深入解读大模型在推荐系统的架构实践，分享百度如何在召回、排序等推荐环节中结合大模型技术，增强推荐系统的准确性和互动体验。其演讲还将揭示如何通过工程化实践解决高并发、实时性等技术难题，为大规模推荐场景提供支持，提升推荐流的用户体验。这一演讲将为推荐系统架构师和开发者提供重要的技术借鉴。

AI Agent 在边缘智能的探索与实践

在 AI 与物理世界的融合中，边缘计算因其低延迟和隐私保护的优势，成为 AI Agent 落地的关键。字节跳动火山引擎边缘云研发经理谢皓，将分享如何通过边缘计算与大模型网关的协同，提升智能体的实时感知和操作能力。这一实践将为边缘计算和物联网从业者带来新启发，展示智能体在“端-边”架构中的发展潜力。

使用多模态模型构建适用于 LLM 搜索的数据

在当前大语言模型和 AI 代理广泛应用的背景下，数据质量成为构建高效应用的核心。矩阵起源研发副总裁赵晨阳将展示如何运用多模态模型提升LLM 的数据检索性能，通过 OCR、公式识别、多模态标注等多步骤处理多源数据，最终建立高效知识库。他也将讲述如何构建 GPU 加速的混合检索架构，提升非结构化数据的利用率。这一实践不仅在知识库应用中意义重大，还可为其他数据密集型行业提供参考。

这场 AICon 大会，不仅是一次架构与工程实践的前沿技术展示，更为架构领域的从业者带来针对性的应用案例和可操作的解决方案。

事不宜迟！对 AI 数据架构、AI 应用和创新实践感兴趣的读者，不妨加入这场大会，来现场感受，并与行业专家共同交流 AI 驱动下的技术新趋势，为未来的业务发展和技术升级蓄力💪🏻