从数据治理到知识工程_ 双引擎引爆AI提效革命-2025-上海站

优惠倒计时

8折票抢购中

团购享受更多优惠

北京站 · 10月31-11月1日

上海站 · 9月12-13日

深圳站 · 5月23-24日

专场：从数据治理到知识工程：双引擎引爆AI提效革命

在AI驱动数字化转型的时代，数据作为新型生产要素，已成为企业的核心资产。数据治理与知识工程构成智能升级的「双引擎」，前者筑牢数据底座，后者释放知识动能。二者深度协同，打通“数据-信息-知识-智慧”的价值链条，通过数字化、平台化、智能化，构建从数据到智慧的闭环，实现企业从数字化到智能化的跃迁，引爆AI提效的革命。本次论坛旨在汇聚行业专家与企业代表，探讨前沿技术、最佳实践及发展趋势，为AI时代的研发提效注入新能源。

专场出品人：刘芳

中兴通讯有线研发能力中心总监

带领团队建立有线知识平台并获得2022年度最具创新型学习型组织Global MIKE大奖。历任公司项目管理经理、研发PMO，主导公司研发HPPD项目化运作的推进和实践。主导产品管理、项目管理知识体系在中兴内部的传播和落地。中国国际人才交流基金会授权师资、国家注册心理咨询师、东南大学&河海大学&浙江工商大学实务导师。著有《如何准备ACP考试》《产品经理知识体系学习与实践指南》。

甘磊磊

浙江大学计算机科学与技术学院

软件学院研究员，工学博士

长期从事自然语言处理、大模型及其赋能学科交叉等方向的研究，相关研究成果发表在ACL、AAAI、EMNLP、NAACL、COLING和TMLR等人工智能领域高水平会议和期刊上，获2024年度中国人工智能学会吴文俊人工智能科学技术奖科技进步一等奖，受邀担任ACL、EMNLP领域主席，TKDE、TDSC、TIFS、TASLP等计算机领域高水平期刊审稿人，以及ACL、AAAI、COLM、EMNLP、IJCAI等计算机领域高水平会议程序委员会委员，承担或参与了国家重点研发计划、国家自然科学基金项目、浙江省“尖兵领雁+X”计划项目、华为MindSpore学术奖励基金、阿里巴巴研究创新计划、华为财经、蚂蚁金服、网商银行等多个国家及企业课题。

待定

数据与知识双轮驱动的行业大模型研究与应用

破解大模型研发与垂直领域应用落地瓶颈——如何实现“数据驱动任务精度提升、知识驱动推理可信增强”的双轮协同？
1. 数据为基，优化大模型行业任务理解：构建高质量的行业数据体系，通过通专协同标注与数据增强，强化大模型对领域专用任务的语义理解，为下游应用奠定坚实基础。
2. 知识为核，增强大模型可信推理能力：通过知识图谱、领域符号知识，将显性知识注入大模型，实现从“统计拟合”到“知识推理”的能力跃迁。
3. 双轮融合，驱动行业大模型高效落地：探索数据与知识的深度耦合，支撑问答、决策、推荐等多场景AI应用，保障安全可控、可解释的智能服务。

内容大纲
1. 数据与知识双轮驱动的战略价值
2. 以数据为中心的行业大模型后训练
3. 领域知识增强的大模型可信推理
4. 双轮融合的行业大模型研发与实战
5. 典型示范应用成效验证

听众收益
构建数据与知识协同的行业大模型构建能力，助力大模型从“通”走向“专”！
1. 管理者：掌握数据与知识协同驱动大模型落地的方法论，推动研发体系的规范化与智能化转型
2. AI架构师/知识工程师：获取数据治理、知识建模与双轮融合的系统设计框架
3. 项目实施者：掌握从数据准备、知识注入到双轮融合应用的全流程实战经验
4. AI应用者：提升面向大模型的高质量数据生产与知识消费能力，实现业务创新与智能提效

陆钱春

中兴通讯有线大模型总工程师

知识工程首席专家

中兴通讯大模型总工程师、知识工程首席专家。主导端到端知识体系规范制定、模型设计与工程落地，从技术顶层设计推动有线经营部以大模型为核心的组织转型。

待定

大模型时代：“搭积木式”知识工程，驱动AI智能体高效落地

破解AI智能体落地瓶颈——如何打造「可组装、可闭环、可进化」的企业级知识底座？
直面AI落地难题：四步破局困境，系统拆解「知识封装-流程再造-组织重构-价值聚焦」实战路径
知识图谱为核：构建连续化、层次化知识体系，实现知识显性学习→结构化生产→标准化复用闭环
场景化赋能：将离散研发知识转化为可组装、可操作的AI能力，保障安全提智与质量提效双落地

内容大纲
1. 疱解真凶——深挖大模型落地的三大核心痛点与冰山真因
2. 破局之道——知识工程驱动的四步落地框架
3. 方法实践——以知识图谱为核心的知识工程建设
4. 效果验证——知识飞轮与智能体落地闭环

听众收益
1. 构建知识驱动型组织，赢战软件工程3.0时代！
2. 管理者：掌握组织级知识工程落地框架，驱动大模型研发提效的规范化转型
3. AI架构师/知识工程设计师：获取大模型适配的知识建模规范与体系设计方法论
4. 项目实施者：习得知识建模、规范落地到体系建设的全流程实践技能
5. AI应用者：提升面向大模型的知识生产与消费能力，实现个人与组织协同提效

何汉东

中兴通讯网元故障运维技术专家

和知识图谱专家

中兴通讯网元故障运维技术专家和知识图谱专家。致力于引领先进数据治理和知识工程理论在复杂网元故障运维领域的创新应用。主导构建了显性化建模、结构化生产、智能化推理、标准化复用、正反馈进化的端到端知识体系，并高效整合海量运维数据，有力推动了AI在故障诊断等场景的实战部署，为有线数据产品打造智能、可靠的运维新范式。

待定

AI双轮驱动｜数据与知识赋能网元故障智能运维

在高速发展的网络运维领域，传统模式在应对海量数据与复杂故障时已显效率瓶颈。本次分享将深入聚焦AI如何统御数据与知识，驱动网元故障的智能化运维变革。将系统性阐述如何高效“激活”知识工程效能，贯通数据与知识的固有壁垒，进而构建协同共振的智能体系，以期显著提升故障处理效率，最终实现从被动响应向预见性主动运维的战略跃迁。

内容大纲
1. 智能化转型：网元故障运维的困境与破局
1.1 剖析传统运维模式在应对海量数据与复杂故障时的核心痛点与挑战
2. 双引擎筑基：构建可信赖的数据与知识体系
2.1 数据治理：运维数据的全生命周期管理，打破数据烟囱化，定义数据治理标准
2.2 知识工程：打造端到端知识体系，实现显性化建模、结构化生产与标准化复用
3. AI赋能：驱动数据与知识协同的智能应用实践
3.1 智能化推理：融合多源异构数据与私域知识，实现高效故障诊断、根因分析与智能辅助决策
3.2 边缘侧部署：推动AI能力向边缘网元下沉，迈向故障的就近感知、自主推理与实时自愈

听众收益
1. 运维管理者：掌握知识工程优化运维流程的方法，加速 AI 与知识图谱在故障场景落地，提升团队运维效能
2. 技术专家/工程师：学会构建故障运维知识图谱及知识消费机制，将碎片化经验转化为系统化 AI 能力
3. AI开发者/应用者：理解运维场景需求，掌握知识驱动型 AI 智能体设计，提升故障处理准确性与效率

杨吉喆

中兴通讯无线院AI应用教练

中兴通讯无线院AI应用教练，目前主要负责AI知识工程相关课题的研究与工程化落地实践。在项目内研提效方向从事过多项AI相关应用：包括需求波及分析AI应用、内容域知识工程（知识挖矿）、代码域逆向工程等实践，实践应用了AI相关核心技术，比如RAG、知识图谱、Agent等，在项目中结合项应用场景进行了实践和落地。

待定

知识挖矿技术在研发体系中的实践应用

研发过程中的AI提效已经辐射到了需求域、设计域、测试域和代码域。从需求到代码的一键式式生成，从需求到测试的一键式生成，如何实现跨域联动，这些课题的攻克将会为研发提效带来巨大的助力。虽然LLM在通识能力上已经越来越强大了，然而在垂直领域中，由于LLM缺少私域的知识，在很多应用场景下效果差强人意。
如何提升AI应用的效果，成为了垂直领域面临的挑战。
现有的技术手段：RAG优化、Embedding模型微调、知识库构建、知识图谱构建、Prompt优化、LLM训练等都可以提升AI在私域业务场景下的应用效果，RAG、知识库、知识图谱等技术利用外挂知识的方式，将私域知识通过Prompt注入给LLM，让LLM在给定知识范围内进行准确的回答，可以避免LLM的幻觉。Embedding模型微调和LLM训练是将私域知识转换成语料，通过微调、预训练等技术手段让LLM学习了私域知识，也可以提升LLM在私域场景下的准确率。
无论是哪种技术手段，本质上都是依赖私域的知识。在学习了《Physical of Language Models》相关的论文后ICML 《Physics of Language Models》-20241210，我们发现，丰富的、多样化的、高质量的知识对模型训练的好坏起着至关重要的因素。

内容大纲
1. AI效能提升的瓶颈：知识体系
2. 构建知识体系的策略：知识挖矿
2.1 解决思路
2.2 用户价值
2.3 应用场景
3. 知识挖矿的技术路径与解决方案
3.1 挖矿技术架构设计
3.2 内容域正向挖矿设计方案
3.3 代码逆向挖矿设计方案
4. 用户收益与后续演进

听众收益
我们利用AI来提效研发，同理也可以用AI来提效知识体系的构建。知识挖矿就是利用AI的能力，从存量知识中高效、高质量的挖掘有价值的知识，辅助我们快速构建存量知识体系。