隨著 Open AI 的 ChatGPT 的革命性發(fā)布，整個 IT 生態(tài)面臨大模型（LLM）的洗牌和洗禮。

AIG Code 和 AIG Action，分別代表代碼生成和 AI 驅(qū)動的軟件開發(fā)，其中前者幫助每個人都成為十倍效率的程序員，后者則將 AI 的力量注入到現(xiàn)有軟件中，大模型與端到端的低代碼開發(fā)相結(jié)合，使口述需求能直接轉(zhuǎn)化為完整的軟件功能。

隨著應(yīng)用開發(fā)框架的快速發(fā)展以及實驗性的自治模型現(xiàn)，大模型正在重塑軟件開發(fā)的形態(tài)，讓我們看到了軟件開發(fā)可能被顛覆的未來。

AI First 和數(shù)據(jù)優(yōu)先的思維方式，使得更多的需求能在軟件內(nèi)部自動產(chǎn)生，而不是事先規(guī)劃。而在軟件開發(fā)自動駕駛的方面，一個人配合一個 AI 團(tuán)隊，可以實現(xiàn)軟件開發(fā)的全自動駕駛，這可能是未來軟件開發(fā)的新趨勢。

來自騰訊智能創(chuàng)作與內(nèi)容平臺部技術(shù)專家揭光發(fā)老師將在 7 月 21-22 日深圳 ArchSummit 架構(gòu)師峰會上介紹大模型在業(yè)務(wù)上的使用，幫助大家理解 AI 在軟件開發(fā)中的應(yīng)用，了解 AI 如何被用于代碼生成和軟件開發(fā)，以及它們?nèi)绾翁岣唛_發(fā)效率和軟件功能。

同時，幫助大家洞察未來的發(fā)展趨勢，了解到全新的軟件交互體驗、軟件開發(fā)自動駕駛等新趨勢，以及應(yīng)用開發(fā)框架的快速發(fā)展和實驗性自治模型的出現(xiàn)，這些都有助于聽眾把握未來的行業(yè)趨勢。

其次呢，架構(gòu)師們的職業(yè)發(fā)展思考，并啟發(fā)新的創(chuàng)新思維，通過了解 AI 在軟件開發(fā)中的新應(yīng)用和嘗試，對自己的工作或項目產(chǎn)生新的創(chuàng)新思考。

來自出門問問的工程 VP 李維 博士，在 NLP 領(lǐng)域是資深的專家，這次他會來 ArchSummit 架構(gòu)師峰會上介紹 AI 大模型落地的前景和痛點，兼談工程師、架構(gòu)師所面臨的機會和挑戰(zhàn)話題。

LLM 規(guī)模化落地 IT 各領(lǐng)域場景只是時間的問題。這里有兩個 LLM 落地產(chǎn)生價值的趨向值得關(guān)注。

一個是借助 LLM 的提示工程賦能教育和其他語言文字以及知識類工作的直接應(yīng)用。這是 LLM 帶來的洗牌效應(yīng)，為產(chǎn)品經(jīng)理、領(lǐng)域?qū)＜摇?shù)據(jù)工作者和 Power Users 帶來全民創(chuàng)業(yè)和場景滲透的機會。

另一個是規(guī)模化領(lǐng)域落地對于現(xiàn)有領(lǐng)域應(yīng)用的洗禮。這就需要結(jié)合通用 LLM 的能力與領(lǐng)域數(shù)據(jù)（例如行業(yè)規(guī)范、操作手冊等）以及領(lǐng)域知識庫或知識圖譜，根據(jù)業(yè)務(wù)邏輯設(shè)計應(yīng)用流程，才能提供領(lǐng)域場景的服務(wù)。

后一種還在業(yè)界的積極探索之中，還有一定的挑戰(zhàn)性，但前景極為廣闊。為此架構(gòu)師和工程師需要積極擁抱和關(guān)注，投入這場技術(shù)革命的應(yīng)用潮流。

這次演講，李維博士會介紹大模型導(dǎo)致的洗牌場景：正在發(fā)生（教育、例如 ToC Copilot、plug-ins，提示工程）。以及洗禮場景：正在進(jìn)行（例如 ToB，與數(shù)據(jù)庫以及場景數(shù)據(jù)對接）

幫助大家了解 AI 的革命性巨變（大模型 LLM）意味著什么，對于 IT 全生態(tài)的影響：全民創(chuàng)業(yè)潮的到來；對 LLM 提示工程與外掛形態(tài)有大概的了解，擁抱大模型而不是懼怕大模型。

順豐科技技術(shù)總監(jiān) 李波老師 深耕于云原生應(yīng)用，邊緣計算，HPC 高性能計算，企業(yè) AI 賦能和混合云數(shù)據(jù)合規(guī)等領(lǐng)域多年，擅長運用先進(jìn)工業(yè)實踐，研發(fā)先進(jìn) AI 工程化技術(shù)，打造可持續(xù)低成本 AI 企業(yè)級解決方案。

這次李波會在 ArchSummit 會議上分享 LLM 在企業(yè)數(shù)字化轉(zhuǎn)型升級中的應(yīng)用場景，每類場景的模型選擇原則，以及如何理解并綜合應(yīng)用 Embedding Model，Vector Database，Plugin System，Prompt Tuning，LLM 等多種技術(shù)手段實現(xiàn)我們的應(yīng)用目標(biāo)。

這里面包含的技術(shù)點，例如 LLM 應(yīng)用平臺架構(gòu)方案設(shè)計與核心技術(shù)：NLP 多任務(wù)系統(tǒng)、Prompt 自優(yōu)化、增強型前置小模型設(shè)計、知識分割等。同時也會介紹 LLM 領(lǐng)域新技術(shù)的演進(jìn)方向，從多個角度進(jìn)行探討證明其對企業(yè)數(shù)字化轉(zhuǎn)型升級具有廣泛和深遠(yuǎn)影響。