活动回顾 | 智启自进化・破解落地难 —— 上海交大 AI 技术益企赋能会第3期圆满落幕

6月7日，由苏州独墅湖科教创新区管委会、苏州工业园区科技创新委员会指导，上海交通大学苏州人工智能研究院主办，苏州工业园区企业发展服务中心支持的 2026 上海交通大学 AI 技术益企赋能会第3期 线上公益直播活动顺利举办。

本期活动特邀上海交通大学人工智能学院助理研究员 温睦宁，以《智能体赋能在线流程自动化——全流程提效、产能倍增》为核心主题，聚焦智能体自进化核心方向，直击 AI 工业落地 “最后一公里” 痛点，分享前沿技术方案与落地案例，为广大企业解锁流程自动化、产能升级的全新思路。

活动开篇，温老师结合自身研究方向，点明本次分享核心目标：依托智能体自进化技术，打通 AI 从技术研发到产业落地的关键壁垒，并用国产 GPU 算子开发场景佐证技术实用价值。

面对落地难题，行业内主流尝试了强化基础模型、垂域微调（FT）、检索增强生成（RAG）等传统解法。但这类方式弊端显著：不仅研发与运维成本居高不下，模型输出效果波动大，同时依赖静态数据集，还容易受固有专家偏见影响，无法适配动态变化的工业场景，难以从根本上解决问题。

针对现存难题，温老师提出基于强化学习的智能体自进化解决方案。核心思路是让智能体在真实场景交互中自主学习、持续优化，当下主流大模型强大的上下文学习能力，也为该技术落地提供了有力支撑。

随后，温老师简要介绍了自进化智能体的整体架构，以及 Mamba 框架的运行逻辑：依靠专属记忆库与两阶段检索机制调取历史经验，结合任务反馈动态优化策略，实现智能体自主进化。

在国产 GPU 算子自动化开发场景中，基于 Mamba 框架打造的 EMOCO 系统落地成效突出。面对行业算子缺失、专家稀缺、语料不足等难题，该系统通过持续自进化，将算子生成正确率从个位数提升至 80%-90%，同时优化运行性能。现场也特别提醒，设计奖励机制时需规避 “奖励黑客” 问题，保障系统稳定运行。

对于行业未来，温老师表示，静态数据将逐渐失去价值，AI 运行产生的实战经验会成为技术发展新动力。参考 AlphaGo 到 AlphaZero 的演进路径，AI 正逐步摆脱对人类经验的依赖，开启自我经验主导的新范式，也引发了大家对人机分工的深度思考。

分享环节结束后，线上观众围绕智能驾驶领域专用算子集搭建、工业高价值设备数据融合方案等实际问题展开提问，温老师结合技术原理与落地经验给出可行建议，互动氛围热烈。