这个AI工程师大会，把行业痛点做成了选题

「今年我们要解决Scaling without Slop」——当AI工程师大会的策展人写下这句话时，他大概也在吐槽：内容爆炸的时代，连技术峰会都怕被淹没在噪声里。

这场叫AIE World’s Fair的年度活动，正在从旧金山一个小型聚会膨胀成Moscone West的万人场。第三届，面积翻倍第三次，现在他们放出了第二波演讲者招募，同时甩出六个新赛道。这些赛道名字本身，就是一份行业焦虑清单。

一、Autoresearch：让模型自己训练自己

递归自我改进循环——这个赛道名字听着像科幻，但指向很具体：怎么让模型在受控环境里自己迭代自己。不是放出去乱跑，而是「in harnesses」（带缰绳的）。

策展人明确要的是工程实践：你怎么设计反馈回路？怎么防止自我强化跑偏？这对应着行业里一个真实困境：RLHF（基于人类反馈的强化学习）太贵太慢，但完全自动化的训练又没人敢信。

二、Tokenmaxxing：老板们的新数学题

这个词是策展人自创的，但痛点是共通的：怎么让AI工程团队效率翻10倍，同时不陷入Goodhart定律——指标一变成目标，就立马失效。

他加了个限定词「Tasteful」（有品味的）。翻译一下：不是无脑堆算力、堆上下文长度，而是找到那个ROI拐点。这对公司 leader 是刚需，因为2025年的预算表上，推理成本已经是个独立行项目。

三、Memory：用户用得越多，模型越聪明？

这个赛道问得很直接：你的agent/model怎么随着使用变强？

不是指预训练阶段的数据积累，是上线后的持续学习。目前大部分产品做不到——每次对话都是重新开始，用户教过的东西第二天归零。Memory赛道要的是工程方案：怎么存、怎么调、怎么防隐私泄露、怎么避免灾难性遗忘。

四、World Models：空间智能和对抗推理

去年Physical Intelligence、Waymo、Tesla、Nvidia、K-Scale（已倒闭）都来讲过自动驾驶。今年策展人把话题拆得更细：空间智能 + 对抗推理。

前者是物理世界的3D理解，后者是「如果对手故意搞我怎么办」。这两个能力对机器人、游戏AI、仿真训练都关键，但开源社区几乎空白——所以大会专门划了一天给Robotics，还免费送展位给「好的机器人demo」，条件是「人形机器人必须有陪同」（字面意思）。

五、Agentic Commerce：agent之间怎么付钱

这可能是六个新赛道里最野的一个。策展人问：agent怎么为数据、API、其他agent付费？

不是比喻，是字面意义的支付基础设施。当AI agent开始自主决策、自主调用服务，现有的账单系统、身份验证、微交易架构全得重做。这个赛道目前几乎零成熟方案，但策展人敢设这个题，说明他认为2026年会有突破性产品出现。

六、Vertical AI：法律、医疗、销售、金融

最后四个垂直领域被单列出来，策展人还补了一句：政府和教育的投稿也收，但「generally these seem less fast-moving」（普遍来说进展慢一些）。

这句话的潜台词很行业：垂直AI的壁垒不在模型能力，在domain knowledge和合规速度。法律和金融有明确的付费方和ROI计算，医疗有数据护城河，GTM（Go-to-Market）是AI-native公司自己的生存刚需——这些场景能养出可持续的生意模型。

一个新增战场：Startup Battlefield

除了技术赛道，今年加了「Startup Battlefield」——pre-series A公司向顶级VC和嘉宾评委pitch。策展人没说具体名单，但强调这是「new」，说明早期项目的曝光渠道正在变成大会的独立产品。

对于已经在Wave 1申请的演讲者，策展人说「不用动，自动进入Wave 2评审」。对于还没申请的，他的招募文案停在一句没写完的话：「especially if you know someone who would be PERFECT to talk ab」——about什么？不知道，原文就这么断了。

可能是手滑，也可能是有意留白。反正AI工程师的世界，从来不缺急着填上省略号的人。