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。
OPPO 多模态算法专家余席宇博士已确认出席 “大模型效率工程与 Agent 系统实践” 专题，并发表题为《OPPO 端侧多模态大模型工程化实践》的主题分享。
随着端侧多模态场景扩展与长上下文需求增长，端侧大模型在 prefill / decoding 时延、工程链路复杂度、模型迭代周期上面临多重约束。
本次分享围绕 OPPO 端侧化全栈实践，介绍以 QAT 量化感知训练 为核心的协同训练体系，覆盖稀疏化压缩、长上下文 Cache Eviction、解码加速训练，并结合 QALFT 自动化工程化 与 0 阶端侧训练，打通从模型压缩、编译部署到垂域落地与本地个性化的完整链路。
余席宇博士，OPPO 多模态算法专家，长期从事端侧大模型算法研究与工程落地。
在大模型量化感知训练、编解码加速等方向具备丰富实践经验，主导/参与多项端侧化关键技术攻关。
多年深耕模型端侧化，覆盖感知、理解、推理等跨平台、多业务场景的轻量化模型设计与训练，以及高效率推理部署系统构建。
他在本次会议的详细演讲内容如下： 演讲提纲： 端侧大模型的核心挑战 推理效率瓶颈：长上下文场景下，prefill 与 decoding 时延显著上升 工程链路复杂：端侧化涉及 训练压缩 → 量化校准 → 编译部署 → 业务集成，链路长、协作成本高 模型迭代与个性化难覆盖：端侧模型版本迭代周期长，难以快速响应业务变化，用户个性化需求很难满足
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接