课程 ID: 19155
描述:
话题概述:
亚太地区正在成为全球 AI ⼯程化落地 最活跃的区域之⼀，但其发展路径并⾮单⼀市场逻辑，⽽是由模型供给、算⼒基础设施、数据合规框架、应⽤场景成熟度与开发者⽣态 共同塑造的多中⼼结构。以中国市场为例，依托庞⼤的⽤⼾规模、密集的数字化场景和较完整的软硬件供应链，AI 已从“模型能⼒展⽰”快速转向“业务系统集成”与“⽣产流程重构”；⽽东南亚市场则更接近⼀个⾼增⻓、强异构的技术扩散带，其典型特征是 多语⾔、多法域、低 IT 预算、移动优先，因此更偏好开源模型、轻量化架构和低成本部署⽅案。本次演讲将从 技术栈选型、系统架构约束、跨区域部署挑战与⼯程落地经验 四个维度，结合Dify 在亚太市场的实践案例，分析当前亚太 AI ⽣态中的关键机会与主要约束。核⼼讨论将围绕以下问题展开：在不同市场中，什么样的模型与⼯作流架构更具性价⽐；在跨国场景下，数据、推理、观测与治理 如何协同；以及企业应如何以可控成本完成从 PoC 到⽣产环境的迁移。
演讲题纲:
1. 开场：亚太 AI 现状（5 min）
2. 机遇篇：亚太市场的独特优势（10 min）
3. 挑战篇：跨国落地的核⼼难题（10 min）
4. 实战案例：Dify 的亚太探索（10 min）
话题亮点：
1）中国 vs 东南亚市场差异的技术拆解：从数据可得性、模型适配、部署环境、语⾔复杂度与集成成本等⻆度⽐较两类市场的⼯程约束。
2）⼤模型选型⽅法论：围绕 Qwen、Kimi、Claude、GPT 等模型，⽐较其在 推理能⼒、上下⽂⻓度、⼯具调⽤、部署⽅式、成本结构与区域可⽤性 上的差异。
3）开源 vs 闭源的系统性权衡：讨论企业在 可控性、定制性、迭代速度、供应商锁定⻛险、合规边界与总拥有成本（TCO） 之间如何平衡。
4）从 Demo 到 Production 的关键路径：结合⼯作流编排、RAG、Agent、可观测性与安全治理，说明 AI 应⽤进⼊⽣产环境的核⼼⻔槛。