当我们今天再讨论企业 AI，已经不再是讨论"要不要做"，而是讨论"为什么大多数企业还做不好"。

过去两年，绝大多数企业完成了从"零接入"到"试点遍地"的第一段路。但当 PoC 真正要走进生产、走进流程、走进经营时，一道道结构性的难题集中浮现：模型能力越来越强，业务效果却越来越难以稳定；Demo 越来越炫，组织却越来越焦虑；技术叙事越来越宏大，价值兑现却越来越艰难。问题不在模型，而在企业是否准备好了承载 AI 的整套基础结构。

这正是 2026 年全球数据 AI 行业共同抵达的判断：企业 AI 真正的护城河，不是模型本身，而是数据、语义、上下文、知识与组织共同构成的承载体系。Snowflake Summit 2026 提出 “Making AI Real for Business”——模型不是企业的竞争优势，数据与上下文才是；Semantic Layer Summit 2026 给出更直接的判断——“LLMs are a commodity. Business context is the moat.”；Databricks、Gartner 也在同一时间把"语义层、AI Governance、Agentic Workflow"列为企业级 AI 的关键议题。

DACon 北京站举办时间是 2026 年 10 月 23-24 日，作为 2026 年的年末收官站，希望站在这样一个产业拐点上，回答一个更根本的问题：当 AI 进入企业，真正改变的到底是什么？企业又需要把什么准备好，才能让 AI 真正跑在自己的数据之上，跑进自己的业务之中？

围绕这个问题，我们看到企业 AI 正在经历四个根本性的转向：

第一个转向，是从"模型驱动"走向"数据与语义驱动"。当所有企业都能用上同样的模型时，区别企业 AI 成熟度的不再是模型本身，而是企业的数据底座、数据质量与语义体系。数据不再只是 AI 的燃料，而是 AI 真正的护城河。

第二个转向，是从"接入模型"走向"承载语义与上下文"。模型懂语言，并不代表懂企业。同一个"营收"、“客户”、“风险"在不同系统里有不同口径，模型在原始数据表上推理，永远做不出可信的企业级应用。语义层、本体、知识工程与上下文工程正在从"技术细节"上升为"企业 AI 的关键基础设施”。

第三个转向，是从"单一模型选择"走向"模型能力的组合与编排"。应用企业不会自研基座模型，但几乎每一家都面临"用哪些模型、怎么组合、如何路由、如何控制成本"的现实问题。RAG 没有死，而是被升级为 Agentic RAG；多模态不再是展示性能力，而是业务基础设施。

第四个转向，是从"单点 AI 应用"走向"系统化价值兑现"。企业 AI 的真正难点从来不是"能不能做出一个 Demo"，而是"能不能让 AI 走进流程、走进决策、走进组织"。从决策智能 Agent 到 Agentic Workflow，从企业级 AI 治理到金融可信 AI，从客户全旅程到研发范式与组织进化——这些不是孤立的应用场景，而是企业 AI 进入"系统化价值兑现期"的真实样貌。

这正是本届 DACon 北京站的核心理念：Data-First, AI-Real——回到数据本位，让 AI 真正跑在企业之上、跑进业务之中、跑成可衡量的价值。

DACon 不是又一个 AI 大会，更不是另一场 Agent 秀场。我们希望这场会议成为一个产业级的判断现场——让数据与 AI 的从业者一起回答：在企业里，AI 究竟应该被怎样建起来、怎样跑起来、怎样长出价值。

专家团

阅文集团 技术副总经理、AIGC负责人 陈炜于

阿里云EMR负责人，资深技术专家 李钰

度小满 首席架构师 李丰

智谱华章 副总裁 胡云华

数势科技 CTO 韩秀锋

ebay 研发总监 单超

京东零售 平台产品与研发中心 数据库运维团队负责人 涂勇

美的集团 首席信息安全官兼软件工程院院长 刘向阳

京东科技 人工智能业务部高级总监 吴友政

滴滴出行 数据平台产研负责人 王涛

蚂蚁数科 AI科技事业部总经理 张凯

一汽-大众汽车有限公司 首席企业架构师 武艳军

阿里云 AI搜索研发负责人 邢少敏

菜鸟集团 物流科技事业部副总经理 赵昊宇

ProtonBase  技术副总裁 胡月军

论坛方向

【AI Ready到Agent Ready：Data+AI平台架构升级】

面向 AI与Agent 的数据平台核心设计与架构选型

湖仓现代化、Iceberg 与开放表格式实践

流批一体与湖流一体的最新技术演进

AI 应用对数据接口、权限、时效性的新要求

从 BI 数据底座向 AI /Agent数据底座的演进路径

【Data Engineering Agent：数据工程智能化】

LLM 驱动的元数据自动补全与语义化

数据质量、血缘、异常的自动识别与归因

SQL、ETL、调度配置的智能生成与优化

数据开发测试、异常修复、根因定位自动化

Pipeline 质量守护与 DataOps 集成

【多模态大模型落地】

文档、票据、合同、报告的多模态理解

图像与视频在营销、培训、服务中的应用

多模态搜索、内容审核、客服、质检实践

多模态评测体系与 ROI 度量

多模态能力与 Agent 工作流的结合

向量与多模态数据基础设施建设

【企业语义层建设】

语义层为何成为 2026 企业 AI 关键基础设施

语义层四大支柱：开放、治理、多模型、可组合

语义层在 BI、AI、Agent 三场景的统一服务

语义对象的代码化管理：YAML、Git、版本控制

语义层防止指标漂移与语义漂移的实践

零售、金融、汽车、电信等行业案例

【本体与企业知识工程】

企业本体建模方法与知识图谱实践

知识、规则、流程的形式化表达

知识工程与大模型、Agent 的结合方式

金融、制造、政务、医疗复杂场景的本体实践

从静态本体到动态本体：支持模拟、推演与决策

国际本体方法论在中国企业的本地化适配

【上下文工程：让 AI 真正懂企业】

从 RAG 到 Context Engineering 的范式演进

Schema 强制、结构化系统提示、元数据注入

长上下文 vs 检索：百万 token 时代如何选择

短期、长期、向量记忆机制的工程设计

Agent、RAG、工作流场景中的上下文工程实践

上下文工程的成本、延迟与可观测性

【企业模型组合：选型、路由、成本与治理】

多模型组合与任务路由策略

API、托管式、私有化模型服务的协同方式

推理加速、量化、KV Cache 与成本优化

模型治理统一层的设计

典型场景下的模型 ROI 选择方法

国内大厂应用团队的多模型实践案例

【Agentic RAG 与 Deep Search：从检索增强到任务完成】

从 Traditional RAG 到 Agentic RAG 的范式转变

Deep Search 系统架构：规划、检索、反思、验证、输出

Agentic RAG 关键组件：Planner、Retriever、Reflector、Verifier

长上下文与检索：边界与组合

Graph RAG、多模态 RAG、多跳检索工程实践

研究助手、投研分析、复杂问答的真实案例

【决策智能 Agent：从数据洞察到经营动作】

决策智能 Agent 的最新范式

指标解读、异常归因、趋势分析与经营诊断

分析型 Agent 与业务语境、规则、知识体系融合

从洞察到建议：决策支持如何进入经营流程

零售、金融、运营、增长等场景的实践案例

【Agentic Workflow：数字员工与企业流程重构】

从 Copilot 到 Agentic Workflow 的演进

数字员工在客服、审批、运营、协同的实践

Agent 与工作流、RPA、规则引擎、企业系统集成

多角色协同、人工兜底与流程治理

流程自动化的效果评估与规模化推广

【企业级 AI 治理：从应用效果到组织合规】

AI 应用效果评测：离线、线上、回归三套机制

评测集、回归集、红队集与用户反馈数据建设

模型升级、Prompt 调整、知识库变化的回归测试

Agent 身份、最小授权与审批机制

工具调用、数据访问、操作留痕与审计追踪

红队测试、安全评测与越权防护

金融、政务、医疗等高合规行业实践

【金融可信 AI：从试点验证到生产落地】

金融 AI 与通用企业 AI 的差异与落地优先级

智能风控、反欺诈、投研辅助、智能客服实践

金融知识库、规则引擎、Agentic RAG 协同

模型、知识、规则、权限、人工审核的生产闭环

数据安全、调用审计、幻觉控制与合规要求

从 PoC 到规模化推广的真实路径

【AI 驱动的客户全旅程：从营销获客到客服服务】

AI 驱动的广告、投放与营销自动化

AIGC 内容生产与品牌内容工业化

精细化用户运营、用户分层与生命周期管理

对话式 Agent 在售前、售后、运营中的应用

多渠道、多语种、多模态的客户交互

零售、电商、文娱、消费金融行业案例

【生成式推荐系统新范式】

生成式推荐的核心范式与架构变化

大模型在召回、排序、特征生成中的应用

多模态、多场景、多目标推荐的新方法

推荐与对话、搜索、内容生产的融合

内容、电商、视频、广告场景实战案例

【AI 时代的研发范式与组织进化】

Code Agent 进入研发流程后的真实变化

代码审核重构：AI 审 AI、规则审 AI、人审关键路径

人机协作新工作流：工程师角色与能力模型升级

研发效能的重新度量：从产出到业务结果

研发组织结构进化：扁平化、平台化、双轨化

数据、算法、AI 产品、业务团队的边界重构

管理层视角下的组织转型路径

受众定位

北京站不是"更多应用案例的堆叠"，而是"企业 AI 从能力展示走向系统建设的年度总结站"。它的目标是：让来自应用企业、大厂应用团队、中型企业的技术与业务从业者，在两天时间里看清 2026 企业 AI 真正的优先级与路径，带走可以直接用得上的方法论、可以直接复用的实践经验、可以直接讨论的产业判断。

本届大会重点面向：

管理层：CTO、CIO、CDO、AI / 数据负责人

技术专家：大数据专家、算法专家、Agent 专家

产品与分析：数据产品、数据科学家、数据分析师、AI 产品

典型企业：大厂应用团队、中型规模企业、应用驱动型企业、行业头部用户

演讲申请

目前会议正在筹备阶段，如果你们团队有话题想来演讲，欢迎在这里填写演讲思路，一旦被采纳后，我们会在第一时间给你反馈结果。

填写地址：https://qr18.cn/A4cYOz

所属会议请选择：DACon·2026·北京站（线下）

角色请选择：讲师

讲师必填字段，需全部填写

目前 8 折优惠购票正在进行时！点击此处：https://h.datafuntalk.com/sKuJd9 即可报名参会，咨询购票详情可联系票务经理：13311343487｜15901546871。

文章信息来自于Data Fun，不代表白鲸出海官方立场，内容仅供网友参考学习。对于因本网站内容所引起的纠纷、损失等，白鲸出海均不承担侵权行为的连带责任。如若转载请联系原出处。

友情提醒：白鲸出海目前仅有微信群与QQ群，并无在Telegram等其他社交软件创建群，请白鲸的广大用户、合作伙伴警惕他人冒充我们，向您索要费用、骗取钱财！