2026年QCon上海全球软件开发大会聚焦AI演进，涌现构建AI、驾驭AI等100+实战案例，解析AI Native时代工程实践新方向。在AI持续学习、自我改进、闭环迭代成为核心趋势背景下，真实世界并非静态预设数据集，其本质蕴含丰富的任务、环境、硬件、模型版本及人工介入等多维信息。面对机器人学习场景，单纯围绕静态数据集展开难以充分把握关键上下文，从数据到事件与系统的学习路径更具实践价值。蚂蚁灵波首席数据科学家黄用韬以《The World Is Not a Dataset - Building AI Systems That Continuously Learn from Reality》分享系统视角，提出将任务、事件、状态、数据与资源纳入持续演化时间轴，依托端、边、云协同机制，构建覆盖问题发现、数据产生、模型学习、评测验证与行动衔接的闭环系统，打破数据集作为起点与终点的局限，标志着AI学习从数据驱动迈向全场景闭环驱动，为工程实践提供全新范式参考。
--91likeyou---
黄用韬博士本次分享将介绍一种面向真实世界学习的系统视角：把任务、事件、状态、数据和资源组织在持续演化的时间轴上，通过端、边、云协同，把问题发现、数据产生、模型学习、评测验证和下一次行动连接成闭环。最终，数据集不再是系统的起点和终点，而是持续学习过程中动态形成的一种结果。
黄用韬博士，本科毕业于清华大学数理基础科学班，博士毕业于德州大学达拉斯分校，长期从事 AI 基础设施与分布式系统研究与实践，在自动驾驶领域拥有多年产业经验，曾任元戎启行技术合伙人，主导构建了大规模数据与训练基础设施体系，现任蚂蚁灵波科技首席数据科学家。他在本次会议的详细演讲内容如下：
演讲提纲：
1. 真实世界不是一份数据集
为什么机器人学习不能只围绕静态数据集展开，以及数据集视角天然会丢失哪些关键上下文。
从数据走向事件与上下文：任务创建、机器人执行、人工介入、失败、换件、标定、模型发布，本质上都属于学习系统的一部分。
2. 学习并不是从训练开始的
模型评测发现能力缺口后，需要进一步反向决定下一轮“由谁、在哪里、采什么、如何验证”。
一次失败，不一定意味着再训练一次。失败可能来自模型能力，也可能来自硬件、环境、标定、数据质量或人工介入。
系统需要先理解反馈，再决定下一步行动。
3. 从数据流水线走向学习系统
端、边、云不只是数据传输链路，而是一个能够协同处理问题、组织资源和驱动下一轮行动的系统。
4. 持续学习真正需要什么
核心不是单纯增加数据或扩大模型，而是缩短“发现问题—获得证据—产生改进—验证改进”的完整周期
数据集不再是系统的起点和终点，而是持续学习过程中动态形成的一种结果。
实践痛点：
机器人学习若只围绕静态数据集展开，就会天然丢失任务、环境、硬件、模型版本与人工介入等关键上下文。
学习若从训练而不是从评测发现能力缺口开始，就难以反向决定下一轮由谁、在哪里、采什么、如何验证。
把一次失败简单归因于“再训练一次”，会忽略模型能力、硬件、环境、标定、数据质量或人工介入等真实原因。
端、边、云若只是数据传输链路而不能协同处理问题、组织资源和驱动下一轮行动，就无法缩短“发现问题—获得证据—产生改进—验证改进”的完整周期。
前沿亮点：
提出“真实世界不是一份数据集”的系统视角，把任务、事件、状态、数据和资源组织在持续演化的时间轴上。
重新定义学习起点，主张学习并不是从训练开始，而是从模型评测发现能力缺口、理解反馈开始。
将端、边、云从数据流水线升级为协同处理问题、组织资源和驱动下一轮行动的学习系统。
重新定义数据集与核心指标，让数据集成为持续学习过程中动态形成的结果，并以缩短“发现问题—获得证据—产生改进—验证改进”周期为目标。
听众收益：
理解为什么机器人学习不能只围绕静态数据集展开，以及数据集视角会丢失哪些关键上下文。
掌握把任务、事件、状态、数据和资源组织在持续演化时间轴上的真实世界学习系统视角。
学会从真实执行中识别能力缺口，并反向决定下一轮“由谁、在哪里、采什么、如何验证”。
获得失败归因与闭环度量框架，能够以缩短“发现问题—获得证据—产生改进—验证改进”周期来重新审视自身系统。
除此之外，本次大会还策划了Loop Engineering、千行百业 Agent 创新实践、Agent 自主进化：从记忆到持续学习、Agent as a Service、Vibe Coding 时代的新质量债、理性驾驭 AI 的 SRE 可靠性工程、金融 AI Native工程实践：从研发提效到业务破局、AI Infra：算力效率决定规模化落地、AI Native 架构等 20 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+资深专家在现场带来前沿技术洞察和一线实践经验。
查看更多详情可扫码或 进行咨询。
🔥 热词：#AI · #World · #Is · #Not · #Dataset · #Building · #Systems · #That