会议议程
议程详情
主会场：智能时代业务架构演进
随着人工智能从Generative AI向 Agentic AI演进，技术焦点正从“内容生成”走向“任务执行”。这一转变不仅意味着AI能力的增强，更重要的是对人的能力结构产生重塑：个体从信息处理者转变为任务设计者与系统调度者。Agentic AI不再只是工具，而是嵌入工作流中的“协作单元”。与此同时，随着AI能力增强，系统的安全边界、隐私保护以及责任划分问题也变得更加复杂。本分享将从“人—AI—系统”的整体视角，探讨这一新范式下的能力提升路径与治理挑战。
龚超，工学博士，深圳清华大学研究院下一代互联网研发中心副主任研究员，复旦大学相辉学堂研究员（兼）、中国高科技产业化研究会理事、中国自动化学会普及工作委员会委员、中国人工智能学会中小学工作委员会副主任委员、创新人才教育研究会人工智能教育专业委员会副理事长、中国青少年宫协会特聘专家、中法人工智能协会（巴黎）特别顾问、教育部教育信息化教学应用实践共同体项目特聘专家，多家500强企业数字化转型领域高级顾问，多所中小学科学副校长。研究方向为人工智能优化算法，人工智能在数字化转型中的应用等。著有24本人工智能相关图书，在国内外期刊上发表文章共计70余篇。
待更新
蔡龙军，脑动极光CTO。曾主导研发了开源深度学习平台DeepDriver并在图像，NLP，以及对话，预测等领域都有深入的应用。主导研发了行业领先的大数据内容生命周期三维立体分析平台，是国内外领先的视频行业的智能大数据驱动运营分析应用，并由此受邀在中国计算机学会大数据论坛等学术交流会进行了成果分享，受到广泛好评和反响。
面向有全球化业务、出海业务，超大复杂集群系统的企业组织、文化和分布式技术架构转型： 1、势在必行： AI+制造业的国家战略与全球趋势 2、他山之石：全球制造业的AI实践与三级智能体蓝图 3、破局之路： AI原生架构赋能全球化运营与能力出海 4、成事之基：破解组织密码，构建AI规模化增长飞轮
田野，宾夕法尼亚州立大学博士，资深数据科学家，原联想数据智能集团突出贡献专家，首席科学家，多家上市公司首席技术顾问。研究领域包括机器学习、人工智能、大模型及工业智能。在工艺优化质量控制、能耗优化、供应链优化等领域具有丰富工程实践经验，主持和建设了国内外十余家世界500强企业的智能化转型和智能化应用项目，拥有国内外授权专利30余项。
专题1：AI Infra新范式
过去五年，AI 存储经历的变化，远不只是“数据更多了”。从计算机视觉时代的百亿小文件，到今天千亿文件、百 PB/EB 级数据集；从训练读吞吐，到 TB 级 checkpoint 写入；从单区批处理，到多云多区、云边协同和在线 Agent，AI 存储面对的工作负载已经发生了结构性改变。 很多团队仍在用传统思路理解 AI 存储：把它看成容量问题、性能问题，或者采购问题。但今天真正困难的地方在于，AI 存储已经同时变成元数据问题、并发问题、分发问题、一致性问题，以及成本问题。预处理常常比训练更容易成为瓶颈，在线 Agent 又把文件系统需求重新带回系统中心。 本次演讲将回顾过去七年 AI 存储的十个关键变化，分析这些变化背后的业务驱动和技术驱动，并讨论它们如何重塑下一代 AI Infra 的存储设计。这十个变化背后，其实指向同一个问题：AI 存储正在从单一系统优化，走向面向规模、并发、分发与成本的整体架构设计。
2017 年作为 1 号成员参与 JuiceFS 的创立，在过去 7 年里负责 JuiceFS 产品走向市场，业务发展，开源社区建设的工作。在这次创业之前苏锐也作为创始人，产品增长负责人，技术负责人等角色在多家科技公司中任职。
随着大模型系统从单轮问答走向持续交互、复杂任务执行与多智能体协作，记忆系统正从“外挂能力”演变为智能体长期运行的核心基础设施。MemOS 1.0 重点解决了参数记忆、激活记忆与明文记忆的分层管理和统一调度问题，而 MemOS 2.0 则进一步从“管理静态记忆”升级为“管理运行时状态”，强调面向用户与 Agent 的长期状态维护、动态调度、版本化演进与记忆治理。本次分享将系统分析记忆系统演进中的关键技术挑战，介绍运行态记忆管理、记忆版本化、记忆原生模型以及 Memory 基础模型底座等方向，并结合 Agent、陪伴、企业服务等场景，讨论下一代记忆系统的技术路径与落地机会。
李志宇，博士，上海市东方英才拔尖人才，记忆张量（上海）科技有限公司联合创始人兼CTO、上海算法创新研究院大模型中心技术负责人、研究员。长期从事预训练和大模型应用方向的研发技术攻关，主要研究方向包括大模型记忆增强、高效评估与应用算法。曾在阿里巴巴、小红书等头部科技企业带队承担多个核心算法方向，技术成果服务于商品评价、双十一大促、营销广告等超大规模业务场景，累计带来数十亿营收，影响用户近亿人次，并获得双十一技术突破奖。近年来，先后和团队提出了首个记忆分层的创新架构大模型，以及业内业内首个大模型记忆操作系统（MemOS），MemOS开源10个月累计获得Star数超8500+，开发者数超15000+，为大模型的记忆增强落地提供了可行的探索路径。相关大模型技术成果已在中国银行、招商证券、中国电信、新华社等多家国央企落地应用。当前已在 Patterns（Cell Press）、NeurIPS、ICLR、ACL和TKDE等国际会议期刊发表论文70余篇、授权专利 10 余项。现任中国中文信息学会信息检索专委会委员、大模型与生成专委会委员，相关研究工作入选《麻省理工科技评论》封面报道，并多次登顶Huggingface热点论文Top1。
本次分享围绕“面向长上下文与高并发推理的AI存储与计算协同优化实践”展开，系统介绍超云在AI存储领域的最新研发进展及行业落地经验，并重点展示与合作伙伴联合开展的 KVCache Offloading 与 PD 分离架构技术验证成果。内容主要分为三部分：首先，介绍基于超云 CS13000-S 高性能分布式全闪存储构建 G3.5 缓存层的工程实践，验证其在长上下文推理场景下支撑KVCache Offloading的可行性；其次，分享围绕 GPUDirect Storage（GDS）、vLLM 及 LMCache 等组件开展的系统级协同优化方法，通过软硬件全栈优化提升整体推理效率与资源利用率；最后，探讨PD分离架构与KVCache Offloading协同设计的验证成果，分析其在长上下文与高并发场景下的系统收益及关键技术挑战。
伍瑞毕业于清华大学计算机科学专业，获硕士学位，拥有数十年的行业经验，在计算机软件与硬件产品设计与研发方面具备深厚技术积累，尤其在企业级存储领域具有突出的专业能力。他长期专注于高性能存储系统架构与产品创新，曾成功主导研发多款面向关键业务场景的高性能存储产品，在性能优化、系统可靠性及规模化落地方面积累了丰富实践经验，同时带领团队为超云构建了完整的存储与云计算产品体系，涵盖从底层存储到云平台的全栈解决方案。伍瑞持续推动生态建设与产业协同发展，在技术与产品融合创新方面展现出卓越的领导力与前瞻视野。
专题2：智能化与数字化运维
AI 发展如火如荼，本次演讲分析了我们在 AI 故障诊断领域做的尝试，即 catpaw 项目。catpaw v2 是一个面向 AI 时代的基础设施调查运行时，演进自最初聚焦单机诊断的 catpaw。catpaw v1 解决的是“告警之后谁来做第一轮根因分析”的问题：通过插件化检查、标准事件模型和 70+ 诊断工具，把异常发现、自动诊断与交互式排障串成闭环。catpaw v2 则进一步引入 server 端，将 target、ownership、investigation、artifact、audit 等抽象提升为一等公民，使系统从“单机智能诊断 Agent”演化为“跨机、可审计、可集成的 investigation runtime”。本次分享将重点介绍 catpaw 从 v1 到 v2 的设计演进，尤其是它如何通过 scout、starter pack、bounded tool catalog、prior-results compression 等机制优化 AI 与 LLM 的交互 loop，在保证边界清晰、证据可信和结果可回放的前提下，持续提升基础设施故障诊断质量。
秦晓辉，快猫星云联创。多年研发、运维经验，Open-Falcon、Nightingale、Categraf、Catpaw 等开源项目创始人，公众号 SRETALK 主理人，专栏《运维监控系统实战笔记》作者，目前在可观测性领域创业。
在数据库国产化与智能化运维的双重浪潮下，OpenClaw作为一款开源的AI助手框架，正成为连接国产数据库与AIOPS（智能运维）的关键桥梁。我将深入探讨如何利用OpenClaw的多Agent协作能力，为达梦、OceanBase、TiDB、PolarDB等主流国产数据库构建智能运维体系，实现从传统人工运维到AI驱动运维的范式转变，提升数据库管理的效率、可靠性与安全性。
赵振平，太阳塔CTO。计算机畅销书作者、 PostgreSQL中国区第三届主席、曾任摩托罗拉云计算亚太区数据库负责人、美国Oracle数据库认证专家（中国前5人）、参与国家数据库标准制定、电子工业出版社签约作者、腾讯云最具价值专家（TVP）。著有专著：《Oracle数据库精讲与疑难解析》、《成功之路：Oracle 11g学习笔记》、《IT架构实录》
在拥抱AI进行降本增效的同时，我们必须面临现实的问题：AI 正在让各类网络攻击变得高度自动化、碎片化、低成本化。传统的静态防御机制，已经无法抵御各类AI Agent发起的攻击如：Prompt 注入、数据污染、深层业务逻辑穿透、恶意蒸馏攻击等。本次分享将抛弃对传统安全架构，深入探讨如何构建一套“用 AI 对抗 AI”的全生命周期防御体系：自动化Red Team 检测、动态防线重构 、全生命周期防御、工业化蒸馏。
从研发，攻防实验室，安全架构与开发，数据安全, AI 安全，一路走来是一种非常有意思的体验。
传统数据库运维面临人力投入高、响应效率低、故障止损慢等瓶颈。随着业务规模快速扩张，运维团队必须在"资源有限"与"规模激增"的张力中寻找破局之道。本次分享将系统介绍小红书数据库团队近两年的智能化转型实践：如何通过"组织进化 + 平台工具"双轮驱动，实现运维模式从"保姆式人工服务"向"指挥官式智能平台"的跃迁。 核心内容涵盖：1.运维编排自动化：Proxy自动扩容等场景进入"事件触发→自主止损→结果周知"全闭环，人工介入大幅降低，2.SQL全周期AI辅助：AI补全、自动限流、智能索引推荐，打造"私人订制智能DBA"；3.故障诊断智能化：基于大模型的根因定位，核心告警场景分钟级诊断；4.组织能力升级：三级梯队协作体系，实现"以教带练、经验内置"。
张紫璇，小红书存储数据库产品&运营负责人。
专题3：Agentic应用实践
人工任务场景传统自动化模式面临自动化能力不足与产研效率低下的瓶颈，随着LLM Agent技术的快速发展，基于Agent的任务自动化模式成为打破传统瓶颈的可行方向。 本次分享重点介绍去哪儿机票服务团队在Agent自动化方向的探索路径与经验总结，包括Agent模拟人工对话/操作工具、Agent工作流、Agent自动化平台、Agent研发模式转型的技术实现与挑战。通过案例介绍如何通过Agent模拟人工任务执行，突破自动化壁垒；如何搭建Agent任务平台，支撑业务运营转型“Agent开发者”，实现Agent时代组织协作模式的跃迁。 演讲提纲： 1.人工任务在传统自动化模式下的局限与业务痛点 2.Agent模拟人工自动化模式的思考与挑战 3.机票运营任务场景Agent端到端自动化实践案例 4.平台化、规模化演进与产研模式变革实践 5.Agent自动化研发模式的未来展望
2017年入职去哪儿旅行，2023年至今，担任去哪儿技术中心/服务平台/机票订后团队负责人。当前专注于技术驱动业务成本及体验优化、效率提升，在AI结合任务自动化、体验归因、客服培训等方向具有较多经验积累。
在业务高速迭代的背景下，各业务线的工程规模持续膨胀，大量业务领域长期耦合在单一模块中，导致工程体积庞大、启动耗时增加、维护成本高企。以样本A为例，扩散至8500+服务；样本B扩散至2931+服务。对这类"领域过大"的模块进行拆分，是解决工程架构腐化的核心手段之一。
现任快手科技架构治理部高级架构师，拥有13年后端研发与工程架构治理经验。 加入快手后，先后深耕于服务架构、工程效能、工程架构方向，负责快手的工程架构治理方向。近年来专注于AI与工程架构治理的结合。 曾就职于转转集团，从事基础架构方向，主要设计了RPC服务调用框架、分布式服务注册中间件、分布式任务调度平台等核心基础设施。
待更新
待更新
字经济时代，金融行业正经历从数字化向智能化转型的深刻变革。这一转型不仅是技术层面的升级，更是业务模式、服务理念和行业生态的全方位重塑。本次演讲将聚焦银行智能化转型的变革影响，深入探讨智能应用落地实践的方法论。通过本次演讲，旨在为金融行业从业者、技术专家和研究者提供理论与实践相结合的参考，助力金融机构在智能化转型中把握机遇、应对挑战，实现高质量发展。
从事应用现代化、云原生、算力互联网等领域，开展标准研制、政策支撑与课题研究工作。深耕金融科技前沿趋势与深度应用，提供专业洞察与创新实践。牵头完成《金融级智能应用实践指南》、《城市算力互联网实践指南》、《云原生核心系统白皮书》等报告的编制。
海外政企项目面临数据主权、多实体联邦治理与严格合规审计的三重约束，Agentic系统的职责边界不清、多Agent协作困难、安全护栏缺失成为落地核心瓶颈。我们以某国家级贸易智能平台为载体，设计了基于策略引擎的职责划分矩阵、事件驱动型多Agent协作协议，以及全程审计的安全架构。实际落地中，Agentic工作流将数据质量审计与报告生成的交付周期从数周压缩至3-5天，并通过行级RBAC与不可篡改审计日志，成功拦截了3类越权风险。
马志峰，环球智链（无锡）科技有限公司、主任工程师/大数据与AI解决方案架构师。十余年海外政企及大型企业解决方案设计、产品研发与交付经验；擅长的领域：数据工程、数据分析、AI架构与信息安全；近两年带领团队从事Agentic AI在数据工程与统计自动化领域的落地实践。
专题4：Agent+Data创新探索
在企业数据孤岛林立、质量参差的当下，主数据管理（MDM）面临巨大挑战。传统依赖人工规则的方式效率低下，难以应对复杂多变的业务环境。AI技术的引入，正推动MDM从“人治”向“智治”的范式转变。通过智能清洗、实体解析与预测性监控，AI不仅能自动识别并修复数据问题，更能主动预防质量风险，将分散的数据碎片转化为统一、可信的战略资产，为企业的数字化转型筑牢根基。
在数据管理与IT咨询行业有20多年的工作经验 ，涉足于石油、化工、制造、冶金、矿山、医药等行业信息化规划和研究，具有丰富的项目管理、咨询服务经验，专注于数字化转型趋势、数据治理、信息架构、大数据等领域研究，多次主持中央企业、大型集团企业以及国家部委信息化咨询、规划、设计项目;参与云计算、物联网等战略性新兴产业研究，参与《数据治理：工业企业数字化转型之道》、《数据标准化：数据治理的基石》、《工业企业数据治理指南》、《首席数据官知识体系指南》、《数据资产：从数据治理到价值蝶变》等书籍编写工作，翻译《数据素养》、《DAMA 数据管理知识体系指南2.X》，主编《数据治理驱动的数字化转型》《基于5W+HMU的数据知识管理体系》。公众号：数据驱动智能，创始人。
本演讲围绕 ”数据、AI、智能体、全域应用“的技术演进脉络展开，剖析数据作为智能底座的核心价值，解读大模型从信息处理到逻辑推理的能力跃迁；重点阐释智能体如何打通 AI “思考” 与现实 “行动” 的关键断点，成为技术落地的破局核心。演讲将以智能终端、安全运营为典型应用场景，延伸至办公自动化、业务流程、物联网协同等全域领域，展现智能体驱动多元终端自主执行、闭环运转的全新范式，探讨技术从数据价值提炼到实体价值落地的完整路径，以及这一变革对产业与社会带来的深远影响。
毕业于东北大学自动化系，大学期间曾获得 “挑战杯” 全国一等奖。拥有世界500强企业多年研发经验，随后加入互联网创业公司。2013年开始带领研发团队将大数据分析运用于“预订电商”价格分析预测（《IT经理世界》2013年第6期）。2016年历任中体彩彩票运营公司销售系统研发负责人、大数据团队负责人。2023年加入炎凰数据。 《大数据平台架构》作者，人工智能技术书籍《Keras深度学习实战》，《PyTorch深度学习》的译者、审校者。
随着生成式 AI 与多模态模型的快速发展，数据平台正在经历一次新的架构演进。传统数据湖与 Lakehouse 架构主要围绕结构化数据分析和大规模扫描计算进行优化，但 AI 应用的兴起正在改变数据形态与访问模式。本次分享将从开源数据生态的角度，探讨 AI 时代数据架构的演进路径，包括： • Apache Iceberg 等现代表格式在 Schema Evolution 上的成熟实践，以及 AI 工作负载带来的新挑战——Data Evolution • 面向 AI 的新一代多模态表格式（如基于 Apache Arrow 类型体系的 Lance），在单一系统中统一管理结构化数据、向量 embedding 与多模态资产 • Netflix Media Data Lake 的实践案例 通过这些技术演进，我们将探讨：在 AI 时代，下一代数据平台应该如何设计，以同时支持数据分析与 AI 工作负载。
亚马逊云科技资深开发者布道师/拥有20年ICT与数字化转型经验。长期关注云原生架构、云安全及生成式AI等技术方向，致力于将复杂技术转化为开发者可落地的工程实践。 在亚马逊云科技，主要从事开发者技术布道工作，通过技术文章、视频内容和社区活动，与全球中文开发者分享云原生、云安全及AI应用的实践经验，帮助开发者理解前沿技术趋势并构建可扩展的云上应用。作为亚马逊云科技 News Blog 作者之一，持续解读AWS最新技术发布与创新实践。 长期活跃于开发者与开源技术社区，是 OCS 技术领航者，并曾担任 Kubernetes Community Days (KCD) 社区组织者、演讲嘉宾与 贡献者，同时也是 中国计算机学会（CCF）特邀演讲嘉宾。持续参与技术社区建设，通过分享真实的工程实践经验，推动开发者生态与开源技术的发展。
待更新
专题5：企业级Agent架构设计与落地实践
在大模型快速发展的背景下，企业正从“AI功能集成”迈向“AI Native架构”。本次分享将结合企业级Agent落地实践，从整体架构视角系统解析企业级Agent AI Native架构的设计理念与关键要素。内容涵盖Agent开发框架选择、上下文工程、AI网关治理、可观测性、评估体系以及安全机制等核心能力。通过完整的方法论与实践经验，探讨如何构建稳定、可扩展、可治理的企业级Agent平台，帮助企业实现AI能力的平台化与规模化落地，推动业务迈向真正的智能化升级。
亦民亦信息技术(大连)有限责任公司 CTO，书籍《LangChain1.0 智能体开发实战》作者。
随着AI技术的快速发展，快手在AI应用规模和AI代码产量上实现了跨越式增长。截至2026年Q1，快手AI应用规模已突破7.3万+，预计2026年底AI应用将突破10万个；Q1总的AI代码生成量达2500万行，占比43.45%。在这种背景下，如何构建AI原生架构，而非简单的AI增强架构，成为行业面临的关键问题。AI原生(AI-Native)是指从设计之初就把AI融入架构DNA，而非后期"加装"。 本次研讨将聚焦于快手AI原生架构的演进实践与思考。研讨内容包括：行业与公司的AI发展趋势、AI原生与AI增强的本质区别、Agent架构模式与最佳实践、AI代码规范与服务交互方式、安全体系建设等核心问题。同时，基于快手多条业务线和基础平台的实践经验，分享技术演进路线（从Prompt工程到Context工程再到Harness驾驭工程）、工具链演进（Copilot、Cursor、Claude Code）、Agent框架对比（OpenClaw、Hermes Agent、SuperAgent）等实战内容。期望通过本次研讨，与业界同行探讨AI原生架构建设的参考路径和实践经验。
刘中兵，现任快手资深架构师。面向多条业务线、各基础平台推动横向架构治理工作，架构涉及领域包括：研发效能、监控诊断治理、稳定性系统保障、同城多活/异地多活架构、工程服务架构治理。在AI原生架构演进、大规模AI应用治理方面拥有丰富的实战经验，主导了快手AI架构在研发中的作用、长期演进路线和架构规范的研讨与实践工作。曾任职VIPKID、猎聘、搜狗等公司，负责基础架构平台研发、业务系统研发等工作，在分布式系统、架构治理、稳定性保障等领域积累了深厚的技术经验。
待更新
软积木CEO，中国科学院大学人工智能学院硕士，专注生成式AI技术领域;连续14年荣获微软全球最有价值专家(A方向);Prompt Engineering Conf(中国)发起者;全国高校区块链与人工智能产业联盟专家委员。
各种新模型,CodePlan和API满天飞，1.入口太乱:没有统一管控；2.数据裸奔:员工把敏感数据喂给AI，合规红线没人管；3.开发太慢:每个业务接入AI研发效率极低。 我们用一个简单的的AI网关和MCP/CLI工具集，搭建了一套可落地、可演进的企业本地AI体系架构——安全、可控、高效。
待更新
专题6：AI赋能研发效能
在大模型能力快速演进的背景下，Coding Agent正从辅助工具走向研发基础设施。但在真实的大规模研发体系中，如何解决可控性、工程融合与规模化推广难题，仍是行业共同挑战。 本次分享将结合 Comate等AI基础设施在公司内部的落地实践，系统介绍智能体驱动研发范式的架构设计思路，实现 AI 能力在研发场景中的稳定接入与高效调用。同时复盘规模化推广过程中的关键策略与踩坑经验，分享研发人员使用、显著提升智能体使用效果与研发效率的实践路径。
杨经纬，百度工程效能部前端研发经理，负责Comate AI IDE，以及文心快码Comate、Devops工具平台、Comate Stack AI原生研发工具链等业务前端研发团队，在软件研发智能化、Devops、研发提效、前端研发技术、技术团队管理等领域有着丰富的经验，并在相关领域著有发明专利8个，国家高质量专项《基于大模型技术的工业领域智能化开发工具项目》技术骨干。
面向IT行业研发效能的问题，很多企业其实没有真正做到清晰管理。更多企业将研发效能置于较低优先级的因素。从各行各业许多研发团队的探讨来看，随着企业发展，研发效能痛点会很快变得显著，甚至成为业务从发展的阻碍。 1 探秘知识边界：定义现有技术框架下的“效能天花板”，为架构设计提供超越传统的性能基准。 2 判明关键路径：利用大模型强大的语义分析与模式识别能力，在复杂的业务需求与技术债中判明关键路径，实现资源投放的精准对齐，确保研发工作始终聚焦于高价值目标。 3 发现新知识：通过 AI实现“已知中的未知”挖掘，打破团队经验主义的围墙。利用AI发现隐藏的系统性风险与技术机会，使组织具备超越个体经验的知识迭代速度。
侯晓辉，北京大学数学系本科，计算机系硕博。2003年到2007年在微软亚洲研究院作为副研究员，参与开发的手写数学公式识别器于2005年在世界上首次推出。2007年到2016年在微软作为资深程序员，参与开发Windows8，Windows10，负责DISM和WIMGAPI，并且领导一个小组设计并实现了云恢复功能。2016年加入亮风台，作为首席架构师负责SLAM，3D识别和AR眼镜H100和G300研发，为AR产品落地做出杰出贡献。
随着 AI Coding 从提效工具走向企业级规模化落地，行业焦点正在从“代码生成”转向“研发流程重构”。 开发者角色也将从代码程序实现转向问题定义、系统设计与智能体编排者。本次分享将围绕公司 AI Agentic Coding 体系的落地实践，介绍从工具选型、数字化度量到生态建设、自动化平台探索的一整套工程化体系能力。构建一个可观测、可复用、可持续进化的下一代软件生产体系。
李子洋，去哪儿网基础架构部技术专家。主要负责java基础框架和中间件建设和稳定性保障，近期致力于AI Coding自动化相关建设。
在 Java 开发生态中，Spring 框架支撑着绝大多数企业的核心业务，但随着系统复杂度的增加，Spring 应用的维护、升级与治理成为了研发效能的瓶颈。很多企业面临“敢写不敢动”的困境，Spring升级处于低优先级且缺乏清晰路径。本分享将探讨如何持续升级 Spring 版本，护航企业应用安全稳定运行。通过引入Spring Application Advisor工具和AI智能化的技术，我们能够实现对 Spring 应用的实时感知，并自动提供框架演进与依赖优化的最佳实践建议。将开发者的精力从繁琐的升级与底层兼容性问题中解放出来。这不仅是一场技术演进，更是利用智能化工具突破研发效能障碍、实现业务敏捷交付的战略升级。
现就职于VMware，拥有逾 10 年云计算与云原生领域深耕经验。曾先后就职于 Red Hat、AWS 等顶尖科技企业，历任售后交付、方案架构师、解决方案开发和售前咨询等职务。作为资深架构专家，他精通私有云与公有云生态，在企业应用架构、云原生、DevOps 及智算平台大模型领域拥有深厚的实战积淀。 从业期间，凭借卓越的技术洞察力，致力于将复杂技术转化为商业价值，驱动了多行业云原生及智算解决方案的落地规划。此外，他在专业领域享有声誉，曾编著并出版《OpenShift在企业中的实践》（机械工业出版社，第一及第二版），是国内云原生与 DevOps技术实践的早期推动者与布道者。
ITPUB 官方微信
