11月8日，第二十四届中国机器学习及其应用（MLA2026）研讨会在南京大学仙林校区举行。 

MLA是国内机器学习领域标杆性学术盛会，由陆汝钤院士发起、中科院院士周志华教授担任系列研讨会指导委员会主席，由南京大学LAMDA实验室承办，秉持“学术至上、其余从简”的初心，坚持不征文、不收费，历经24届沉淀，已经成为国内机器学习领域学术交流的核心平台，每届汇聚海内外顶尖学者、科研团队与产业技术专家，是连接机器学习前沿理论与产业落地的重要桥梁。 

本届由南京大学计算机软件新技术全国重点实验室、南京大学人工智能学院、南京大学计算机学院联合主办，设置特邀报告、工业论坛等板块，专门搭建学术研究与产业实践的对话通道。

在特邀报告环节，大会星光熠熠，多位顶尖学者分享了最新前沿成果：香港科技大学（广州）熊辉教授探讨了具身智能的“类人化”技术路线，围绕数据、感知、认知、行为四层体系，介绍开源平台AlphaBrain，助力具身智能走向低成本、可解释的通用化落地；北京大学林宙辰教授深度解析了等变深度网络的设计与对称性挖掘，阐释等变性如何减少模型参数量、提升模型在图像识别等任务中的鲁棒性。 

中科院计算所山世光研究员分享了AI从科研辅具走向全流程自主科研的实践与思考，提出“生成式底座+结构化搜索+领域先验约束”的统一科学问题求解思路；复旦大学/上海创智学院邱锡鹏教授则带来了迈向全模态交互模型的最新进展，介绍MOSS系列模型，实现从离线理解到面向持续视频流实时交互的能力跨越。

在工业论坛上，艺赛旗CTO吴鑫进行《智能体驱动下的企业效率优化与价值重构》主题分享。这不仅是学界对艺赛旗在智能体自动化领域技术深耕的认可，更是一次前沿学术研究与真实产业落地的深度碰撞。

一、跨越“期望膨胀期”，企业需要能干活的生产力智能体

报告伊始，吴鑫引用了Gartner《Agentic AI2026技术成熟度曲线》指出，当前完全自主的AI智能体尚处于探索阶段，统计显示其在实际应用中仍无法满足大多数企业级用例的需求。 

他提出，AI的演进正经历从“感知式AI（识别世界）”到“生成式AI（生成内容）”，再到“代理式AI（执行任务）”的跃迁。在这条路径上，不同形态的智能体承载着不同使命：通用智能体为你提供思路，办公智能体帮你写、帮你想，而企业真正需要的是“生产力智能体”——替人顶岗，解决高频、重复、跨系统且要求留痕的业务流程。

二、直击企业级落地痛点，智能与稳定的平衡

从学术概念走向产业落地，企业级AI Agent面临着严苛的能力边界考验。真正的企业级智能体必须同时跨越六大鸿沟：高生产力与易用性、可扩展与高性能、极高的可靠性、集成与可操作性、治理管控，以及全面的安全性与合规性。

针对这些挑战，艺赛旗打造了企业级数字员工建设平台。其中，“自动化魔术师”作为典型的生产力智能体，将Agent的智能与RPA的稳定相结合。它将AI能力集中在流程的“生成与维护阶段”，而在运行期保持纯粹的确定性执行，从而完美契合了企业对合规留痕、异常告警及7×24小时无人值守的严苛要求。

三、从“自动化”走向“智能化”，AI在各行业的实战全景

结合艺赛旗的丰富实践，吴鑫展示了智能体在核心业务系统中的落地成效：

· 在高端制造与生产执行中：展示了工业级“OpenClaw”的应用场景。在倒装键合先进封装等领域，智能体打通了从“机械臂上料、找焦面、曝光到自动下料”的全流程闭环，让操作从人工驱动走向智能驱动；在生产执行环节，智能体将生产订单直接转换为设备加工指令，大幅减少人工处理耗时与出错率。

· 在金融与财务领域：财务是企业O2C（从订单到收款）流程的最终闭环。财务智能体可自动获取银行数据、自动归档电子回单，并实现收款确认自动化、凭证智能生成以及应收应付的智能核销。

· 在订单处理场景：面对全球不同语言、格式不一的海量邮件订单，DocAgent（文档处理智能体）可7×24小时自动采集、提取关键信息，自动校验后直接生成标准销售订单并录入SAP/ERP系统。 

能够登上MLA这一国内机器学习顶流学术平台，对艺赛旗而言意义深远：这代表产业端的智能体自动化落地实践，获得国内顶尖机器学习学术圈层的关注。一边是前沿理论探索，一边是真实业务痛点，艺赛旗希望以本次分享为契机，打通学术研究和产业落地之间的信息差，把一线落地中遇到的真实问题带到学术视野，也从前沿研究中汲取技术灵感，双向赋能。 

未来，艺赛旗将持续推动技术迭代，让AI真正扎根业务现场，推动千行百业向智能化加速迈进。