黄用韬QCon演讲揭示AI系统需构建端边云协同持续学习闭环

2026年10月22日至24日QCon上海大会期间，蚂蚁灵波科技首席数据科学家黄用韬发表题为《The World Is Not a Dataset》的演讲，系统阐述构建从现实持续学习的AI系统的核心路径。他强调，当前机器人与具身智能落地瓶颈在于仍将真实世界简化为静态数据集，忽略任务目标、环境变化、硬件状态及人工干预等关键上下文，导致模型反复低效修正而难提升泛化能力。为此，黄用韬提出以时间轴为中心的系统架构：将任务创建、执行、失败反馈、模型迭代视为连续演化的学习环节，数据集仅是动态生成的中间产物，并需具备“反向决策”能力——根据评测缺口自动规划采集主体、位置、数据类型与验证方式。

该理念与智源研究院联合发布的PhysisServe系统形成技术呼应：该系统采用自回归去噪生成范式，实现百亿参数世界模型千赫兹级输出，较传统方案快1–2个数量级，通过chunk级并行与KV cache复用压缩延迟，使大模型适配物理世界毫秒级交互需求。在工程实现上，黄用韬强调端-边-云应构成问题驱动的行动中枢，例如边缘检测抓取成功率骤降时，系统可在数分钟内同步触发本地缓存回溯、云端历史数据调取与仿真故障复现，配合多GPU动态任务编排（端到端延迟低至4.1ms）与批次缓冲复用，支撑工业级实时控制与规模化部署。

行业实践已验证该路径价值：德适-B等垂直模型公司依托临床反馈闭环持续迭代医疗影像基座；讯兔科技在金融投研中构建“预测-验证-调优”短周期闭环，将分析师修正意见实时注入训练信号。高盛数据显示中国模型2026年9月占OpenRouter平台Token用量65%，印证“场景驱动+反馈闭环”在成本与实用性上的优势。黄用韬总结指出，AI进入生产环境后核心挑战已转向构建可持续进化系统，终极指标应是“发现问题到验证改进”的全周期时长，而非单一准确率。QCon上海百余场分享进一步表明，AI Native时代工程重心正从模型研发向系统集成与闭环治理迁移。