AI热榜 Agent 时代，哪些方向正在成为行业关键变量？
50 + 实战案例揭晓答案！
模型参数规模不断突破，推理成本持续下降，开源生态日益繁荣。
当模型能力逐渐成为行业共识，一个新的问题开始浮现：当人人都能获得强大的模型能力之后，真正的竞争力还剩下什么？
答案正在从模型能力本身，转向围绕模型构建可规模化的智能系统；从单点能力提升，转向系统工程与组织级落地能力。
在这一背景下，2026 年 AICon 人工智能开发与应用大会 · 深圳站正式启动。
本次大会将于 8 月 21 日—22 日举办，聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向，邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家，系统性分享前沿洞察与实战干货，共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。
中软融鑫总工程师于浩军已确认出席 “Harness Engineering：模型之外的智能体工程” 专题，并发表题为《金融监管领域的 Harness 实践：让知识与数据驱动 Agent 稳定运行》的主题分享。
金融监管数据是一个“零容错、强追溯、口径复杂”的场景：一张报表背后是成百上千的指标口径、明细数据和监管规则，任何一处口径漂移或数据错误都可能带来合规风险。
当他们尝试用 Agent 来承接采集、计算、检核、复核这些工作时，很快发现——决定 Agent 能否“跑得稳”的，不是模型能力，而是它背后的数据资产与知识资产质量，以及一套让二者持续相互增强的工程体系。
本次分享将先从金融监管的真实应用场景切入：从监管要求解析、数据采集处理、日常质量检核，到问题根因/血缘追溯、缺失数据补全、数据复核，看清 Agent 在每个环节要解决什么、又卡在哪里、如何解决。
于浩军，中软融鑫总工程师，曾参与原中国银监会 1104 工程建设，人民银行金融基础数据体系建设等金融监管机构的数据体系架构设计及落地工作。
在行业落地层面，先后深度参与多家大型银行、城市商业银行、农信社、非银机构的数据体系规划、架构设计和落地工作。
近年来聚焦“金融监管 × AI Agent”融合方向，探索以高质量数据资产与知识资产驱动智能体在金融监管场景中的稳定、可信、可追溯运行。
他在本次会议的详细演讲内容如下： 演讲提纲： 第一部分：应用场景——Agent 在金融监管中要解决什么 背景：金融监管为什么“不容 Agent 犯错” 场景特点：口径复杂、频度高、零容错、强追溯。
通用 Agent 直接上场的三大痛点：口径漂移、幻觉、不可解释。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接