2026 年，AI 正在经历一个值得关注的变化。过去，讨论的重点是“模型能做什么”：代码能否编写、图片能否生成、复杂问题能否回答。而今天，随着 AI 开始真正参与工作，软件工程面临的问题也随之变化，不再只是一个模型调用问题，而是进一步触及研发、数据、基础设施、质量、运维乃至组织协作的整个链条。这些也是今年全球软件开发大会·2026（上海站）重点关注的方向。

10 月 22—24 日，来自阿里巴巴、腾讯、字节跳动、美团、小红书、蚂蚁集团、无问芯穹、阶跃星辰、快手、百度、网易、微软、华为、携程、平安等企业的一线技术实践者，将从 AI 应用、Agent 工程、AI Coding、基础设施、数据系统、质量、安全、SRE 以及具身智能等方向，分享 AI 进入真实生产环境之后正在发生的变化。

主题演讲

从 Coding 到消费：AI 的价值正在溢出

如果说 Coding 是这一轮 AI 最早被大规模验证的场景之一，那么接下来，AI 的影响很可能会延伸至更广泛的消费与业务场景。

陈烨博士将分享《从 Coding 到消费：AI 的下一场革命》。本次演讲将从“可验证性”出发，分析 AI 从 Coding 走向 Agent，再进入消费场景的演进逻辑，探讨消费级 AI 的难点究竟在哪里。

以旅行这样的复杂消费场景为例，AI 不仅需要理解用户意图，还需要连接供给与服务网络，并处理大量动态变化的消费信息。如何构建 AI-Native 的供给与服务网络？如何将静态数据与实时消费数据转化为训练资产？又如何通过后训练建立持续迭代的数据飞轮？这些问题最终指向的，并不只是一个更聪明的消费入口，而是 AI 如何真正进入交易、服务与履约。

当 AI 开始参与完整的消费链路，互联网产品的变化可能也不再只是增加一个 Copilot，而是重新组织人与服务连接的方式，并让真实消费场景成为 AI 持续进化的土壤。

从 Token 生产到生产力转化，基础设施如何创造更大价值

随着 Agent 应用加速爆发，Token 的使用场景正从单次推理扩展到持续推理、工具调用与复杂任务执行，词元工厂也面临着新的效率挑战。决定 AI 生产力的，不再只是模型本身的能力，更在于如何高效组织从能源、算力到 Token 产出，再到实际生产力转化的完整链路。

戴国浩教授将带来《以 Agentic Infra 技术实践支撑词元工厂持续演进》的主题分享。他将从 Agent 时代的实际需求出发，基于系统化的技术实践，探讨 Agentic Infra 如何通过更高效的资源组织、推理优化与系统协同，持续提升从能源到 Token 的生产效率。并进一步通过底层技术创新推动 Token 的高效利用与价值转化，让 Agent 不仅能够生成内容，更能在复杂任务中持续优化、稳定运行并交付可复现的结果，推动 Token 更高效地转化为实际的生产力。

从工具到 Agent：内容创作正在经历怎样的变化？

当“生成视频”越来越容易，内容创作真正的难题是什么？韩晟将分享《从工具到 Agent：小影内容创作的三次范式迁移》。本次分享将以十余年的影像创作实践为主线，拆解从工具、生成到 Agent 的三次产品与技术迁移，并讨论当单点模型能力逐渐成为基础设施后，内容创作产品需要重新解决哪些工程问题：如何理解复杂创作需求，如何编排多种模型与工具，如何控制生成效果，如何利用用户数据形成反馈闭环，以及如何在真实业务中实现规模化交付。

分享将结合 AI 音乐 MV、移动场景化 Content Agent 等落地案例，介绍内部 AgentOps 在全球化市场运营稳定性、多 App 多场景快速迭代、端云协同与成本优化等方向的实践成果，并基于这些一线落地经验，拆解从 “AI 帮用户生成内容” 走向 “AI 协助用户完成创作” 过程中的探索与思考。

大会首日上午的三场主题演讲，恰好从不同方向勾勒出了这场变化的轮廓。

专题演讲

从“能不能做”到“能不能长期做好”：Agent 工程进入深水区

主题演讲之外，三天大会的大量实践都在回答一个问题：当 Agent 真正进入生产环境，除了 Prompt 和模型选择，还需要解决什么？

记忆、执行环境、工具调用、权限与安全、评测和可观测性，正在成为 Agent 工程的基础能力。更关键的是，Agent 的任务往往无法一次完成——执行可能出错，工具可能异常，线上环境也会持续变化。因此，生产级 Agent 需要从一次性的“输入—输出”，走向“规划—执行—观测—验证—反馈—再执行”的持续运行。

这也是今年大会频繁出现 Harness、Loop、Agent Evaluation、Agent Observability 等议题的原因。从 XXX 的生产级 Agent，到 XXX 的线上 Badcase 处理，再到 XXX 电商导购的 Harness Loop、XXX 的 Loop Engineering，越来越多团队正在探索：如何让 Agent 从一次性任务执行，走向能够持续运行、持续反馈和持续改进的生产系统。

AI Coding 的下一阶段，不再只是“生成更多代码”

今年另一个非常集中的讨论方向，是 AI 对软件研发本身的重构。AI Coding 正在快速降低代码生产的成本，但代码生成越容易，验证、质量控制、系统设计和最终交付的重要性反而越突出。当“写代码”不再是研发流程中最稀缺的环节，真正的问题转向了“当 AI 大规模写代码之后，软件工程应该如何重新组织”。

今年上海站的 AI Coding 专题进一步进入大型工程的真实场景：XXX 将分享大型客户端工程中的 AI Coding 实践；XXX 将分享百万真实任务验证的 Open Code Review；XXX 将讨论 60 万行巨石应用的 AI 重构等等。

当 AI 成为新的计算主体：基础设施正在发生什么变化？

如果说 AI Coding 改变的是软件生产，那么 AI Infra 与数据系统改变的则是 AI 运行的底座。在第二天的议题中，可以看到非常完整的一条技术链：

从算子调优、推理优化、KV Cache、强化学习，到 Agent 执行环境；
从企业级 Agent Sandbox，到数据系统、Data Agent、Semantic Runtime；
从 Trace、评测，到生产流量中的实时观测
……

这些议题看似分散，实际上都在回答同一个问题：当 AI 成为新的计算主体，原有的基础设施还能不能直接承接？

数据也正在发生类似变化。过去，数据系统主要服务人和传统应用；而在 Agent 时代，AI 本身正在成为新的数据消费者、分析者和执行者。AI Native 可能最终并不只是“给原来的系统加一个 AI”。而是重新思考数据、计算、软件和人的关系。

真实世界的软件工程：边界还会继续扩展

AI 的边界也正在从数字世界向真实世界延伸。机器人、汽车、移动终端、工业设备，都开始成为 Agent 的运行环境。策划的专题方向也将围绕具身智能、端云协同和 AI Native 终端等展开，届时将有多场实践分享。

从大晓机器人、Dexmal 原力灵机的具身智能实践，到蔚来 NOMI 的端云协同，再到 XXX、XXX、XXX 等团队在终端与多端互联方向的探索，可以看到一个越来越清晰的趋势：

AI 正在从“理解数字世界”，走向“进入真实世界并对其产生影响”。而一旦 AI 开始面对真实环境，软件工程需要解决的问题也会进一步扩展——不确定的环境、实时反馈、设备协同、安全边界，以及更加复杂的系统状态。这可能是 Agent 之后，软件工程面对的又一个巨大变化。

软件工程的下一阶段，可能不是“被 AI 替代”，而是重新定义

回看今年上海站的议题，从 Agent、AI Coding，到 AI Infra、数据、SRE、质量、安全，再到具身智能与终端全面覆盖，邀请了这些不同技术领域的一线实践者，把正在发生的技术变化带到现场。三天时间，欢迎来跟各企业/学术界的老师们面对面交流。带着你正想解决的问题来，带着真实的实践经验、技术方法和新的思考回去。

10 月 22—24 日，欢迎来到全球软件开发大会·2026（上海站），期待现场见。