淘宝智能客服架构演进之路 演讲嘉宾 古墨 阿里巴巴 & 高级技术专家 目录 01 阿里电商客服业务背景介绍 02 阿里电商客服业务架构的演进 03 总结 01 客服业务背景介 绍 近亿次咨询 / 每日 客服工具平台全链路智能化、数据化（商家提能增效、提升消费者满意度） 01 阿里电商客服业务背景介 绍 消费者 数千万 商家 几百万 • 分流系统 • 分流排队系统 • 事件驱动的业务系统 • Ai 能力与接待场景的结 合 02 业务架构演 进 第二阶段 第一阶段 第三阶段 02 业务架构演进第一阶段：分流系统架构 • 分流业务 • 消费者咨询和客服服务资源之间的负载均衡解决方案 • 系统性能上的挑战 • 先分流后建立聊天会话（ IM 聊天的关键节点） • 客服在线状态 店铺分流设置 更新状态 / 设置 更新 DB 和缓存 分流设置查询 状态变更订阅 状态数据查询 分流规则引擎 更新 分流引擎 02 业务架构演进第一阶段：分流系统架构 • 分流引擎：读写分离的设计方案 状态 / 设置变化 消息分流请求 亮灯分流请求 分流请求类型 cache + MySql

与非研究院 资深行业分析师 张慧娟 2024中国智算产业全景调研： 技术重构与演进 SupplyFrame Media + E-Commerce 2 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 智算产业现状总览 , 智算产业运行状况 , 智算中心核心驱动力 , 智算产业关键技术 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 智算产业发展格局与演进趋势 来源：与非研究院 智算产业呈现高度集中与多元化并存的格局，技术创新和政策驱动为主要推动力，绿色低碳与国产替代 成为新趋势。 10 Supplyframe, Inc. Confidential Proprietary. Do not reproduce or distribute. 4. 未来挑战与趋势 核心点： 技术挑战 ｜ 集群规模扩大导致故障率上升，算法效率提升与算力需求增长并存。 架构演进 ｜ 单节点性能提升+横向扩展并行，推理需求驱动芯片架构创新。 应用落地 ｜ AI与实体经济深度融合，需解决算力利用率低、场景适配不足问题。 长期趋势 ｜ DeepSeek等算法优化主导发展，智

11 2.5 趋势5 数字孪生加速网络智能化演进，实现以虚映实，以虚控实 12 2.6 趋势6 数智融合促进数据要素和数据基础设施发展 13 2.7 趋势7 多智能体群智协同演进 19 3.3 高阶自智网络解决方案及应用范式演进 21 1.1 当前自智网络标准发展和产业实践 23 3.3.3 应用范式演进

………………………………………………………………………10 （一）体系架构…………………………………………………………………10 （二）系统组成………………………………………………………………… 11 （三）系统演进…………………………………………………………………14 1.…低空航空器… ………………………………………………………………14 2.…起降场… ……………………………………………………………………16 / 空空 协同的自主飞行、军民地协同的安全监管、泛在可信的数据与信息服务”，规划 了系统构成中航空器、起降场、通信、导航、监视、空域管理、飞行服务、安全 监管、信息服务（含气象）等的发展目标及演进路线。可为行业伙伴构建低空 飞行保障体系提供有益借鉴，为地方府高效保障低空飞行活动提供关键支撑，为 国家统筹全局推动低空经济高质量发展提供重要参考。 引 言 INTRODUCTION 2 料服务、实时低空飞行动态情报服务、低空微尺度气象情报服务、电磁环境信息 服务等。 14 （三）系统演进 低空航行系统的构建是一个复杂且动态变化的过程。在这一过程中，系统的 目标与愿景必定会伴随内外部环境的动态变化而持续演进，不断适应政策法规、 经济形势以及社会文化等外部因素的变动。低空航行系统的动态演进以六大能力 方向为牵引，以三步走战略来推进，具体策略如图5所示： 能力构想 低 空 航

展望：人形机器人产业关键节点识别 M2 2025 Proprietary and Confidential All Rights Reserved. 人形机器人应用场景演进逻辑 未来人形机器人落地场景将由工业->家庭->商业演进，主要基于两大核心逻辑：场景的标准化程度、任务的复杂程度由简至繁 5 工 作 环 境 复 杂 工 作 环 境 简 单 任务单一 任务复杂 商业服务 单一动作执行 ✓交互对象较多元 商业场景 标准化程度较低。 ✓环境最开阔多变 ✓交互对象最多元 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 人形机器人落地场景演进逻辑 M2 2025 Proprietary and Confidential All Rights Reserved. Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 工业服务（后续章节详细展开） 工 作 环 境 复 杂 工 作 环 境 简 单 …综上所述，未来人形机器人落地场景由工业逐渐向家庭、商业演进；优先胜任工种以工业（质检、搬运等）家庭（健康监测、搬运等）商 业（演出），逐渐向复杂的工业总装、家务、餐饮制作等演进 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 9 M2 2025 Proprietary and

峰 引 言 随着汽车智能化、网联化的加速演进，汽车已从传统机械产品转 变为集通信、计算、控制于一体的智能移动终端。当前，智能网联汽 车对网联技术的需求从基础数据传输升级为全域覆盖、无缝连接、在 不同场景下满足大带宽、低时延、高可靠等差异化传输需求的多维能 力体系；汽车网联技术的应用边界持续拓展，已从早期车载信息娱乐、 远程诊断等基础功能，演进至多源协同感知、实时决策支持等驾驶自 动化类高级应用场景，跨行业融合加速深化。 同、基础设施能力与车端应用需求匹配、成本投入与收益平衡、安全 风险叠加等系统性挑战，影响汽车与信息通信深度融合发展进程。为 破解上述挑战，本报告聚焦“人-车-路-云”要素的全面连接与深度协 同演进，提出“连接-计算-安全”三大技术方向，系统规划技术演进 路径：通过 5G/5G-A 蜂窝移动通信网络、C-V2X 直连通信网络、卫 星通信网络及基础设施数据传输网络，构建全天候全域覆盖的高效连 接通道；依托分级部署的算力基础设施与算网协同服务，打造弹性智 现从基础安全 防护到高级智能服务的全栈技术支撑，最终达成智能网联汽车在驾驶 安全性、出行效率、用户体验上的全面提升，为产业高质量发展提供 可持续的技术驱动力。 本报告旨在为产业提供清晰的技术演进路线和时间表，明确各技 术方向的发展重点与阶段性目标，期望能够打破行业壁垒，促进 产业链上下游协同创新，推动标准互通、设施共建、数据共享，构建 开放、协同、安全、可持续发展的产业生态，为我国智能网联汽车在

，正告别其长达一个多世纪的单一照明使 命，经历一场深刻的角色重塑。从被动发出光线，到主动感知环境、交互通 信、表达情感，智能车灯已演进为整车智能化生态中不可或缺的核心视觉感 知与交互单元。 本白皮书旨在厘清智能车灯的本质定义、核心价值与发展全 貌。我们系统梳理了从传统照明到智能照明的演进逻辑，指出高像素级控 制、高精度环境感知与场景化算法驱动、多应用生态是区分“真智能”与“伪 装饰”的关键标尺。基于 装饰”的关键标尺。基于详实的市场数据与技术分析，我们描绘了千亿规模 的产业蓝图，研判了智能车灯产业的发展趋势。同时，报告深度解读了全球 法规与测评体系的演进如何为创新划定跑道，并呼吁产业链上下游凝聚共 识：智能车灯不是可选配置，而是提升行车安全、重塑人车关 系、定义品牌差异的战略核心。 展望未来，智能车灯将是“软件定义汽车”理念在外部最直观的 体现，是连接人、车、环境的动态信息界面。我们期待通过本报告，推动 CONTENTS CONTENTS 2025智能车灯产业白皮书 2025智能车灯产业白皮书 0 1 0 2 车灯发展历史及智能车灯 产生的驱动力 第一章 一、车灯发展的前世今生 在汽车产业的演进历程中，车灯作为车辆核心配置之一，始终与技术进步和用户需求紧密相连，其 发展脉络清晰勾勒出汽车工业的升级轨迹。 20世纪90年代初，卤素灯成为前照灯主流光源。随后氙气灯凭借高亮度、低能耗及更长使用寿命成

认知，其开源策略结合高效、低成本的架构显著加速了中国AI产业向更加高效、开放和自主的 方向迈进，并带动产业链上下游的合作与应用落地。 AI Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智 能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地， 其发展需要解决硬件加速和软件优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权 com.cn 中国人工智能产业技术环境（1/2） CNN与RNN为典型小模型架构，Transformer已奠定当今大模型架构基础 来源：艾瑞咨询研究院自主研究绘制。 人工智能产业典型模型架构演进历程 相较于大模型，小模型在一些领域会更具应用优势：1） 小模型成熟度高 2）小模型使用成本低 3）对小模型替代 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 杂的神经网 络结构，目前 CNN 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型； • 之后GPT模型持续演进，2022年11月，GPT3.5的ChatGPT面世，引爆互联网，大