出品人：栾小凡
Zilliz 合伙人 & 研发副总裁，兼任 LF AI & Data 基金会技术咨询委员会成员。
负责全球向量数据库 Milvus 的核心技术演进，从底层存储、分布式向量检索到大模型时代的加速优化，实现 RAG、AI Agent 和非结构化数据场景的企业级落地。
在Zilliz 的全球商业化进程中，从 0 到 1 深度带领美国和欧洲市场拓展，与多家 Fortune 500 企业和独角兽客户合作，帮助构建企业级 RAG 系统、知识库平台与 AI 生产环境。
在加入Zilliz 之前，曾担任 阿里云 NoSQL 数据库 Lindorm 研发经理，并先后在 美国甲骨文（Oracle）与软件定义存储公司 Hedvig 任职资深软件工程师，长期专注于数据库与分布式系统核心技术。拥有康奈尔大学计算机工程硕士学位。
Zilliz 合伙人&技术总监

AI产品出海与本地化开发

在全球化背景下，中国AI产品正迎来出海新机遇。本论坛将深入探讨AI驱动的跨文化产品设计、多语言AI技术架构与全球合规治理等核心挑战。分享成功企业的产品本地化、技术架构与市场拓展的实战经验，解析从产品适配到市场落地的关键路径，复盘文化冲突与合规雷区，探索跨文化的AI时代产品出海新范式，助力中国智慧走向世界。
Elasticsearch 向量搜索及 AI Agents 开发
刘晓国
Elastic 中国社区首席布道师
内容简介：
详细介绍 Elasticsearch 向量搜索及最新的进展。使用具体的例子来展示如何使用向量（稀疏向量，密集向量）搜索来进行语义搜索。
Elasticsearch 是全球应用最为广泛的搜索引擎。随着人工智能发展，Elasticsearch 也开发了向量搜索（密集向量及稀疏向量）来提供语义搜索。更为重要的是 Elasticsearch 提供混合搜索（BM25，向量）的能力。Elastic 的混合搜索结合了传统基于关键词的搜索（语法灵活性、关键词精确性和相关性评分）与向量相似性搜索的语义理解，并提供多种重新排序技术。这种协同能够带来高度相关的结果，让查询在定位内容时可以更加细致。使用能够提供分布式搜索、检索和重新排序的数据平台作为主要上下文检索引擎非常有意义。你可以使用高级查询语法加入主观意图这个缺失的组件，并过滤掉可能分散注意力或降低返回上下文信息价值的内容。本议题将使用具体的例子来展示如何使用向量（稀疏向量，密集向量）搜索来进行语义搜索。
在最新的 Elastic 发布中，Elastic 发布了 AI Agent 构造器。它让开发者在几分钟内轻松地创建自己的 Agents。我们可以通过聊天（自然语言）的方式查询数据，关联多个数据，并对它们进行分析。它被构建用于与存储在 Elastic 中的数据对话。Agent Builder 提供一个聊天界面，使用户能够在 Kibana 中创建和管理自己的 agents 和工具。它内置 MCP 和 A2A 服务器、可编程 APIs，以及一组预构建的系统工具，用于查询和探索 Elasticsearch 索引，并从自然语言生成 ES|QL 查询。Agent Builder 允许你创建自定义工具，通过富表达性的 ES|QL 查询语法来定向并塑造返回给 agent 的上下文数据。Elasticsearch 强大的 的聚合，过滤，分析及混合搜索为现代 agents 的构造提供丰富的上下文，从而让搜索能得到更快，更为精准的结果。

演讲提纲：
1.智能时代的搜索需求
1.1对语义搜索的需求，而不是简单的词汇匹配
1.2对多媒体数据的搜索，比如图片，声音及视频
1.3非结构化数据的搜索
1.4向量搜索带来的新的解决方案
2.Elasticsearch 向量搜索介绍
2.1向量搜索原理
2.2向量搜索种类（密集向量，稀疏向量）
2.3混合搜索介绍（多路召回，综合评分）
2.4向量搜索 Demo
3.RAG 实现原理
3.1如何使得大模型变得更聪明
3.2RAG 的实现方法
4.智能体开发
4.1为什么需要上下文工程？
4.2基于 Langchain 的 ES Agent 搜索
4.3运用 MCP 开发 agents 应用
4.4Agent builder 介绍
4.5在 ES 中运用 A2A 及 MCP 构建多 agents 应用
4.6Demo

听众收益：
1.开发者充分了解如何使用 Elasticsearch 做向量搜索
2.如何做混合搜索
3.了解如何使用 AI Agent Builder 快速地构建 Agents
现为 Elastic 社区首席布道师。新加坡国立大学硕士，西北工业大学本硕。曾就职于新加坡科技，康柏电脑，通用汽车，爱立信，诺基亚，Linaro 非营利组织 (Linux for ARM)，Ubuntu，LinkMotion Future, Vantiq 等企业。从事过电脑设计，实时系统，手机，汽车电子，计算机操作系统，通信，云实时事件处理及大数据等行业。从爱立信开始，诺基亚，Ubuntu 到现在的 Elastic 从事社区工作有将近 20 年的经历。
AI出海的“信任基石”：
构建合规透明的E2E模型供应链治理实践
刘靖毅
JFrog（中国）解决方案架构师
内容简介：
本次演讲将分享 JFrog 如何将成熟的软件制品管理能力延伸至AI领域，打造一个统一、安全、高效的AI模型供应链平台。
解决管理乱 - 企业如何做到大模型的集中本地化管理，完成安全合规治理；
解决获取难 - 大模型加速下载，提高企业模型开发交付效率；利用全域分发（Global Distribution）能力，毫秒级同步到全球各地的海外数据中心；
JFrog MLOps - AI 模型端到端开发、训练、发布实战演示。

演讲提纲：
AI 大模型爆发下的企业新挑战；
将成熟的软件供应链能力延伸至 AI；
JFrog AI 模型供应链平台三大支柱；
实战演示：MLSecOps 大模型软件供应链自动化流程。

听众收益：
了解建设企业级集中化、版本化、可审计的 AI 模型管理方法；
获取 JFrog 将成熟软件供应链能力延伸至 AI 领域的方法论与实践，为企业构建或优化自身的 AI 模型管理体系提供可落地的参考路径。   
多年一线国内中大型企业 DevOps 实施建设经验，专注于企业 DevOps 转型建设。
在 JFrog 中国 负责客户 DevOps 建设咨询整体解决方案，最佳实践推广以及实施等工作。
认证
Exin DevOps Master
Kubernetes Certification CKA
JFrog Artifactory Certified DevOps Engineer
决胜全球：向量数据库如何成为AI出海产品的隐形引擎
李成龙
Zilliz首席开源布道师/Milvus 开源社区负责人
内容简介：
在 AI 时代，向量数据库已经成为非结构化数据管理的核心基础设施。它不仅要应对海量图像、文本、音频等数据的存储管理，还要在精准召回、实时更新与多维过滤之间找到最佳平衡。本次分享将深入解析千亿级向量数据库 Milvus 的架构创新思路，同时通过真实落地案例，带你了解在智能搜索、推荐系统、多模态分析、AI Agent 等典型场景中，顶级团队是如何打造出支撑生成式 AI 的下一代数据引擎。   
     
演讲提纲：
1.向量检索背景
1.1 非结构化数据爆发
1.2 传统数据库处理困境
2.向量数据库核心技术解析
2.1 向量数据库架构演进历程
2.2 主流向量索引算法解析
2.3向量检索性能优化技巧
3.向量数据库落地案例实践
3.1 领先漫画平台的RAG调优落地分享
3.2 VOC龙头企业评论情感分析降本提速实践
3.3 自动驾驶百亿视频平台长尾样本挖掘
4.总结展望
4.1 向量数据库选型建议
4.2 向量数据库未来发展趋势

听众收益：
1.掌握向量数据库的核心价值，理解向量与标量的关键区别，以及向量数据库在非结构化数据管理中的核心作用；
2.深入洞悉 Milvus 从 1.0 到 2.6 的架构迭代逻辑与云原生分布式创新思路，了解千亿级向量数据存储、精准召回与实时更新的技术原理；
3.借助 Agent、VOC、自动驾驶等领域的真实落地案例，学习顶级团队构建生成式 AI 数据引擎的实践经验，将理论转化为可落地的技术方案，为听众在智能搜索、推荐系统、多模态分析等 AI 相关业务中带来参考和启发。
Zilliz 首席开源布道师，Milvus 开源社区负责人，全球最受欢迎的开源向量数据库Milvus Committer，加入 Zilliz 后活跃在 Milvus 社区，并协助全球数千家开源用户共同探索 AI 落地解决方案，对于主流Embedding 算法、LLMs 应用及 RAG 架构具有丰富的经验，先后完成了 Milvus 以图搜图系统，视频检索系统等案例。
开源 出海 PLG 0-1实战
生姜Iris
Gingiris 主理人
内容简介：
本次分享讲述了AI SaaS产品从零到一实现出海增长的实战经验，核心围绕"零成本开源营销"与"付费产品狩猎(Product Hunt)推广"两大策略。首先，分享指出开源是高效的早期营销手段，通过清晰定位、专业文档和社区互动，可在短期内迅速获取全球用户和品牌影响力。其次，分享详细拆解了Product Hunt的付费推广打法，涵盖预算规划、关键转化指标和组合营销策略，强调流量转化与产品迭代。总结来说，本次分享为出海AI SaaS公司提供了一套从免费到付费、从产品到社区的完整增长方法论。        

演讲提纲：
第一部分：零成本营销 — 开源的巨大潜能
1.开源作为核心营销武器：
核心观点： 开源是最高效的早期市场营销手段。
案例剖析： 以 AFFiNE 为例，展示如何通过开源在短时间内（一周内斩获 6000 GitHub Star）迅速积累全球性声誉和用户基础。
2.开源前的战略思考：
商业模式定位： 明确面向企业（To Enterprise）还是开发者（To Developer）的商业模式。
产品规划： API/SDK/Self-host 版本的上线时间与定价策略。
目标设定： 明确开源的核心目的——是提升品牌影响力、启动商业化、辅助招聘，还是为了融资？
3.开源前的战术准备（七步法）：
-产品定位与价值主张： 如何在30秒内让全球用户记住你的产品。
-GitHub Readme： 打造专业、清晰的项目门面。
-PR 文章： 准备一篇高质量的公关文章，作为二次传播的核心素材。
-开发者文档： 提供用户友好的开发者文档，降低上手门槛。
-渠道清单： 梳理竞品和潜在用户的活跃渠道。
-社交媒体布局： 在 Reddit、Twitter、Hacker News 等平台建立流量飞轮。
-社区建设： 通过 Discord/Telegram 筛选和转化早期核心用户。
第二部分：付费营销 — Product Hunt 的规模化启动
1.付费营销的规划与时机：
预算与回报预期： 以1万美元预算为例，展示可实现的曝光、注册和收入目标。
启动前置条件： 在大规模投放前，产品需达到的关键转化率指标（如2C付费转化率 > 1.5%，2SMB > 15%）和用户留存。
2.Product Hunt 核心打法：
组合拳策略： 结合 Product Hunt、影响力人物（Influencer）、AI 导航站和 LinkedIn DM，形成营销合力。
价值认知： 正确理解 Product Hunt 的价值——核心在于为社区引流和获取 Badge 后的二次转化。
3.Product Hunt 实战技巧：
规则解读： 掌握 Badge 获取规则、账号注册时间等。
策略执行： 学习如何控制投票速度、地区分布和IP来源，以避免被平台处罚。
第三部分：总结与问答
核心要点回顾： 再次强调从开源冷启动到付费增长的完整方法论。
互动交流： 开放问答，解答观众疑问。

听众收益：  
1.获得一套可复用的增长方法论： 观众将学习到一套从零成本到付费、从产品到社区的完整 AI SaaS 出海增长策略，可以直接应用于自己的项目中。
2.掌握开源营销的核心策略： 了解如何通过开源快速、低成本地获取全球早期用户和品牌影响力，并学会开源前必须思考的战略和战术问题。
3.学会 Product Hunt 的实战技巧： 获得关于如何成功策划一场 Product Hunt 发布会的具体、可操作的建议，包括预算规划、核心打法和避免“踩坑”的技巧。
4.提升社区运营与用户激活能力： 学习如何通过 1V1 沟通、问卷调研等方式激活早期社区，并与用户建立深度连接，从而获得宝贵的产品反馈和长期的支持者。
5.获得决策参考与思维启发： 通过演讲者的成功案例和经验分享，为自己的产品在商业模式、市场定位、增长策略等关键节点上提供决策参考和新的思考角度。
AFFiNE Cofounder & ex-COO（累计融资1000W美金）
奇绩S21校友
爱丁堡大学PHD退学创业，4年从种子轮到Pre-A
福布斯亚洲30U30
RTE社区顾问
DKU创业导师
出海运营3年经验，触达100+国家/地区用户
辅导出30+Product Hunt日榜第一
AFFiNE开源launch 一周6000star，一个月10K star
日常辅导10+项目做出海/开源运营，累计辅导项目40+
帮助30+创业团队孵化能做出海的运营团队
京ICP备2020039808号-4 京公网安备11011202100922号
返回顶部