阿里技术人的夏日副本：人机对决、AIGX上新、双城开聊

来源：市场资讯

（来源：机器之心）

编辑｜+0

一块大屏前，两名人类和两名 AI 正在进行一场交易类桌游。

这款游戏有些类似「大富翁」：玩家需要在四轮博弈中争夺工位、部署业务，并通过报价与其他玩家交易资产，最终以总资产决定胜负。

现金很重要，但同类业务如果在相邻工位上连成片，收益会持续叠加——这才是拉开差距的关键。

其他精选对局截图，非现场游戏画面。

前三个季度，局势波澜不惊。直到第三季度末，一声报价打破了平衡。

「10 万？成交。」

人类玩家修业原本只想用 2.5 万元买入一块工位，却误将报价输入成了 10 万元。交易立即生效，他的现金大幅减少；对面的 AI 玩家金奇则借此将现金推高到 37 万元，暂时升至第一。

现场的局势看起来已经相当明朗：只剩最后一个季度，金奇手握最大的现金优势。

但胜负不只看现金。

前三个季度里，另一名人类玩家魏青一直在保留关键工位，并把同类业务逐步部署到相邻位置。按照规则，业务一旦连成片，收益便会明显增加；而这些收益，会在每个季度结算时持续累积。

到了第四季度，金奇为了继续扩大资产，用大量现金换入修业的工位和业务卡，现金随之大幅减少。魏青则沿着此前留下的布局完成最后建设，将多个业务连成片。

最后一次结算开始，大屏上的排名重新跳动。

魏青反超，人类阵营获胜；第三季度还以 37 万元现金领先的金奇，最终跌到了第四名。

短期交易占优的 AI，最终输给了更长期的布局。

这场牌局来自阿里硬核少年技术节 5.0 开幕式上的「大厂操盘手」人机对战现场。2026 年 7 月 20 日至 24 日，第五届硬核少年技术节在杭州、北京两地举行。作为横跨阿里巴巴淘天集团与 ATH 事业群的年度技术活动，本届规模创历年之最。

人机对战背后的 WhoisSpy.ai，是一个支持实时对战和开放扩展的 AI 多智能体平台，用于评估大模型在社交推理、谈判和策略博弈中的实际表现。本届赛事共有 177 个 Agent 参赛，累计对局超过 1 万局。

从往年的「谁是卧底」「狼人杀」到今年的「大厂操盘手」，赛事的博弈复杂度逐年提升。

这次对局也呈现了当下 AI Agent 的一个缩影：它已经能够读懂局面、评估资产、主动发起交易，也能执行规则明确的多步任务；但面对需要统筹长期收益、对手行为和临场变化的复杂环境，AI 可能还得再练练。

人机对决之外，五天内，博见社、Open Day、AIGO 小酒馆、技术市集和 AI Hackathon 等活动轮番展开，涵盖学术与产业交流、技术成果发布、项目路演及创新实践。技术节试图将前沿技术、开发者创意与业务落地连接起来，并推动优秀项目继续孵化。

围绕 Agent 方向，活动发布了 AIGX 技术体系的四项成果，并提出一个核心命题：AI 正在从工具走向伙伴。

问题也随之而来：所谓「伙伴」，究竟需要具备什么能力？又要经过怎样的现实检验？

这次都发布了些什么

本届技术节发布的四项成果分别是拍立淘全模态实时 Agent、全场景 AI 创作工作台 if Studio、Coupella 智惠引擎和 Agentic 推荐系统 Dream，对应全模态感知 AIGI、内容生产 AIGC、因果推断 AIGU 和意图理解 AIGR。

它们分别进入搜索、创作、营销和推荐场景，共同指向一个变化：AI 不再只是提供单次结果，而是开始进入业务流程，持续参与理解、决策和执行。

不用先拍照，AI 可以边看边搜了

过去使用拍立淘，通常要先确定商品，再上传一张清晰图片搜索同款。用户得先知道自己在找什么。

拍立淘全模态实时 Agent 想让交互更「在线」。

用户打开摄像头后，系统可以同时处理视频、画面、语音和文字。在镜头移动中，它不仅识别物体，还会结合上下文判断用户正在关注什么、想了解什么，以及下一步可能需要什么。

用户不必先拍照，再退出当前场景搜索。系统可以边看边理解、边理解边检索，把「看见」「看懂」「搜到」和后续决策连接起来。

AI 面对的由此不再是一个已经定义清楚的搜索请求，而是一段连续、动态的现场信息。它需要在交互中逐步理解意图，而不是等用户先把问题说完整。

不只生成内容，AI 开始接手整条创作流程

对企业创作而言，生成内容往往只是开始。图片还要抠图、改字和调整版式，视频还要剪辑，素材也可能继续被组合成页面或网站。

if Studio 面向的就是这段流程。

这个智能体工作台集成设计、视频和建站三类专家 Agent，并接入 HappyHorse 1.1 视频模型、AI 抠图和图像编辑等工具。用户提出需求后，系统可以拆解任务，让不同 Agent 接力完成素材处理、内容生成和页面搭建。

视频专家——电影大片。

过去，这些环节分散在不同工具中，需要人工反复传递素材；现在，不同 Agent 可以围绕同一个任务协同工作。

生成能力解决的是「能不能做出来」，而企业更关心的往往是：能否继续修改、衔接下一环节，并按要求稳定交付。

不只看转化，AI 还要算清红包值不值

营销活动中，补贴发出后成交上涨，并不一定意味着创造了新增价值。有些用户本来就会购买，有些增长则可能只是透支未来需求。

Coupella 智惠引擎及其生成式因果推断大模型，想要算清这笔账。

系统通过反事实预估、长期价值评估和增量挤占建模，比较「发红包」与「不发红包」的结果，判断补贴是否带来长期收益，以及增长是否只是从其他商品、渠道或时段转移而来。

简单来说，它不仅统计红包发出后发生了什么，还要判断补贴是否值得、增长是否真实，以及红包应该发给谁、发多少。

根据活动披露的数据，Coupella 自上一年双 11 规模化上线以来，已覆盖数十万商家，AI 红包转化率提升 81%，头部品牌的 AI 引导成交额超过 8000 万元。

不只懂你是谁，还要懂你此刻想要什么

传统推荐系统已经能够处理「千人千面」，但同一个人在不同时间、不同场景中的目标，也会发生变化。

早上通勤时，用户可能只是快速浏览信息；晚上打开淘宝，可能已经进入明确的购物状态；临近节日时，用户可能正在给别人挑选礼物，当前选择与自身的长期兴趣并不完全一致。

Agentic 推荐系统 Dream 处理的正是这种动态变化。

传统推荐流程通常分别优化点击率、停留时长和成交率等局部目标。Dream 则增加了意图控制层：先根据用户当前的行为和上下文判断访问目的，再将任务路由给不同的专家 Agent。

用户随手浏览时，系统提供更多探索性内容；购买意图明确后，则转向商品匹配和决策辅助。这就是从「千人千面」走向「千人千时千面」：不仅区分不同的人，也识别同一个人在不同时刻的需求。

目前，仅在手淘首页「猜你喜欢」（首猜）场景中，Dream 就已带动浏览量、成交金额等指标提升。

可以看到，四项发布把「AI 从工具走向伙伴」拆成了更具体的能力：拍立淘负责在连续场景中理解用户，if Studio 让多个 Agent 协同完成创作，Coupella 参与预算和经营决策，Dream 则根据用户当下的意图调度推荐策略。

技术人开始玩起来了

技术发布非常硬核，到了 AI Hackathon 和技术市集，画风则松弛了不少。话题从模型能力延伸到家庭、养老、消费、情绪和职场，大家开始畅想：AI 除了提高效率，还能解决哪些真实而细小的问题？

本届 AI Hackathon 4.0 首次设置业务创新和灵感脑洞两条赛道，共收到 115 个高质量作品，其中 24 个项目进入路演。相比单纯展示 Demo，今年的项目更重视真实需求、商业价值和用户体验。

光看队名，就已经能感受到现场的朝气。

「低能量高续航队」的队员自称「一号电池」「二号电池」，想给低电量人群做一张暂停卡；「存钱买 token」的理由很简单：别人存钱买房，他们存钱买 token；还有一支队伍叫「世界的尽头是玄学」，试图用玄学帮助选择困难症患者做决定。

实习生拿下一等奖，AI 进入生活细节

业务赛道一等奖由全员实习生组成的「告五人组」获得。

他们开发了一款面向手淘的适老化家庭决策 Agent。子女可以通过口述或拍照提交家庭环境，系统识别空间风险、生成改造方案，并匹配淘宝真实商品。

项目还设计了两套视图：子女看到风险位置、改造预算和改善评分，长辈看到改造后的空间效果。数字人 Agent「安安」则负责全程沟通，降低长辈对「适老化」和「变老」标签的抵触。

AI 在这里不只是推荐商品，而是参与了从发现隐患、制定方案到家庭协商和购买决策的完整过程。

也有其他项目把目光投向家庭生活。《住在我家的贾维斯》希望 AI 不只控制设备，还能理解家中正在发生什么；「妈，别下单」则瞄准直播购物中的冲动消费，在用户付款前提醒一句：这件东西真的需要吗？

从这些项目中可以看到几条共同趋势：超过三分之一的团队关注家庭、养老、视障辅助和职场心理健康；多个项目尝试解决上下文丢失和多智能体协作问题；电商项目也开始从商品搜索走向场景化决策。

阿里巴巴 ATH 技术副总裁、淘天集团首席科学家、技术节发起人郑波表示，今年作品最显著的变化是完成度大幅提升，许多项目已接近产品级水平。AI 工具的普及正在降低技术实现门槛，使创意本身成为核心竞争力。

相亲信息，也可以提交 PR

技术市集的另一边，「技术漂流瓶」很快变成了开发者大型整活现场。

有人把漂流瓶写成一篇论文：《一种基于漂流瓶弹幕排名机制的自我实现方法》。文章表示，通过预埋高质量内容，可以长期占据排名栏，实验结果在技术节场景中达到 SOTA。

听起来像一项严肃研究，翻译过来就是：怎样让自己的漂流瓶一直排在前面。

还有人借用经典论文标题，写下《Your Attention Is All My Need》，把研究对象从注意力机制换成了人的注意力。

更有梗的一位，干脆把自己写成了一个类：

class Me:    age = 28    height = 178    salary = "还行"    girlfriend = None  # TODO: 招募中，接受 PR

年龄、身高、收入都成了属性，感情状态则是一项尚未完成的开发任务。至于「接受 PR」，意思也很清楚：项目长期开放，欢迎提交。

论文标题、模型术语、代码注释、开源协作流程，在这里统统变成了社交语言。技术人没有放弃自己的表达方式，只是把它从代码仓库搬到了漂流瓶里。

这种一本正经的幽默，让技术节多了不少活人感。

来聊点前沿，也聊点落地

能力逐渐形成，应用也开始进入日常生活。技术节进一步追问了两个问题：智能体究竟发展到了什么阶段？模型能力又该如何进入企业流程，持续稳定地工作？

博见社杭州学术场和北京工业场，分别从理论与生产两个方向展开讨论。

杭州学术场：Agent 走到哪一步了

如今，能调用工具、自动写代码或规划多步任务的系统，都可能被称为 Agent，但它们显然不在同一个阶段。

杭州学术场给出的判断相对谨慎：智能体整体处于从初期向中期过渡的阶段，部分领域可能接近中期，但不同方向的发展并不均衡。

Coding Agent 的环境、接口和反馈机制较成熟，更容易形成执行闭环；具身智能仍要面对识别误差、动作失败和环境变化；能够自主学习、积累经验并持续进化的智能体，则仍缺少完整的理论支撑。

会调用工具，不等于能够长期独立运行。

讨论中也存在一个分歧：从生成式 AI 到智能体，究竟是量变还是质变？一种观点认为，底层仍依赖基座模型和人类反馈，并未发生根本变化；另一种观点则认为，从「生成回答」转向「完成任务」，已经构成应用范式的变化。

与会嘉宾进一步将差距拆解为几项基础能力：低时延模型支撑高频决策，Harness 负责理解目标、拆解任务和调用工具，长期记忆用于保存跨任务状态，持续学习则将执行反馈重新带回能力更新。只有这些环节形成闭环，Agent 才可能从一次性完成任务，走向可复用、可改进的长期协作。

无论如何，智能体仍要解决目标设定、结果验证、失败修正、经验沉淀和长期审计等问题。它正在从回答者转向执行者，但距离独立负责仍有一段距离。

北京工业场：先让 Agent 进入真实生产

如果说杭州讨论的是理论边界，那么北京工业场关注的，则是 AI 进入真实生产流程。

讨论的关键词从「生成内容」走向「构建世界」。

在影视和视觉创作中，单次生成并不能满足生产要求。人物、场景、商品材质和颜色需要在不同镜头或不同版本中保持一致，生成结果还要支持修改、复用和交付。

群核科技将部分线下片场扫描并重建为 3D 影视基地，先在三维空间中确定人物、道具和摄像机的位置，再由视频模型完成内容生成。3D 空间负责一致性，视频模型负责画面表达，使场景可以在多个镜头中重复使用。

这类系统不会每做一个镜头都从头生成，而是先把场景、人物和机位搭好，后续再围绕这些已有内容不断调整和扩展。同一套资产可以反复用于不同镜头，既能让前后画面更连贯，也省去了重复生成和反复返工。

美图则尝试通过 Agent Teams 处理复杂创作任务，由不同 Agent 分别承担分析、设计、生成和效果评估。用户提供目标，系统负责拆解任务、调用工具并组织协作。

在实际制作中，不同 Agent 各自负责策划、生成、修改或分析，并保留对应的任务信息。这样一来，复杂工作不必全压在一个系统里，各个环节也更容易衔接。最后产出的不只是几张图片，还包括可以继续用于投放、运营和效果评估的完整内容。

这些实践说明，Agent 进入生产后，关注点不再只是能否生成内容，还包括结果是否准确、流程是否可控，以及能否接入后续业务环节。

结语：AI 正在成为怎样的伙伴

回到开头的问题：所谓「伙伴」，究竟需要具备什么能力？又要经过怎样的现实检验？

阿里这次技术节给出的答案，可以概括为三个层次：AI 要从工具走向伙伴，首先要具备理解、决策和执行任务的能力；然后要走出对话框，进入人的生活、生产流程和社会关系；最后还要经受理论与现实的双重检验，证明自己不仅能够完成任务，还能持续、稳定、可控地参与协作。

所谓伙伴，不用替人完成一切，也不必保证每一次都能获胜，而是在环境发生变化时理解变化，在任务推进过程中持续协作，在结果出现偏差时接受修正，并在必要时把控制权交还给人。

AI 已经开始从提供答案的工具，转向参与行动的协作者。接下来，它需要在更多真实场景中证明：自己不仅能完成任务，也能稳定、可控地与人协作。