简述
- HYSTA Annual Conference 是华源科技协会（HYSTA）的年度旗舰活动，也是硅谷华裔科技、创业与投资社群的年度聚会。HYSTA 是总部位于硅谷的非营利组织，主办方资料称其创立于 1999 年；2026 年为第 27 届。大会把前沿技术讨论、创业项目展示、投资人与产业连接及年度社群活动集中在同一天进行。历届嘉宾包括 Jerry Yang、Eric Yuan、Kai-Fu Lee、Randy Schekman 等；HYSTA 也把 2005 年马云与杨致远的相遇作为其社群连接价值的代表案例。
- 你参加的 Panel 为 Enterprise AI at Scale: From Pilots to Production，讨论企业 AI 为什么停留在 pilot、怎样进入真实生产环境，以及业务价值、ROI、安全治理、基础设施可靠性、可观测性和组织所有权等问题。
- 同场嘉宾分别代表几类互补视角：Bo Li（AI 安全与治理）、Ping Wu（企业客户场景与业务价值）、Shanshan Song（AI 基础设施与可靠性）；Yanbing Li 担任 moderator，侧重可观测性与运营控制。Gio 的位置是把这些能力连接为真实流量下可持续运行的产品系统。
- 当天活动包括上午 keynote 与 visionary dialogues、午餐和 networking、下午 Track 1 行业与系统讨论、Track 2 Founders Club Demo Day、Gio 的 14:15–15:00 Panel、Lin Qiao keynote，以及晚间 VIP Gala Dinner & Awards Ceremony。
1. Executive Brief
Panel 发言要点
- 问题定义：从 pilot 到 production，需要把模型纳入持续运行、持续评估和持续改进的业务系统。
- 成功指标：重要的是长期用户价值、可靠性、总成本、风险和可持续的单位经济性。
- 核心框架：数据、评估、产品、工程与运营需要形成闭环；模型能力只有进入这个 production loop，才能转化为稳定的业务价值。安全、治理、基础设施、可观测性和业务流程需要在生产化设计阶段一并纳入。高信任的小团队和 hands-on leadership 往往比扩大试点数量更关键。
- Build vs. buy：我们不自建的大模型的原因、两者差异化价值、控制权和迭代速度；在模型快速变化时保留评估、切换和持续学习的能力。
- 与同场嘉宾互补：Bo Li 可展开安全与治理，Ping Wu 可展开客户场景与 ROI，Shanshan Song 可展开基础设施，Yanbing Li 可追问可观测性与运营控制。
资料来源
HYSTA 官方简介｜2026 年会｜2025 年会｜Founders Club Demo Day｜Corporate Pass；主办方邀请函（已提供）。
2. 活动与 Panel 信息
活动概况
| 项目 | 信息 |
|---|---|
| 活动 | 2026 HYSTA Annual Conference（27th） |
| 主题 | AI at Scale: From Models to Systems to Markets |
| 日期 | Sep 26, 2026（周六） |
| 地点 | Santa Clara Convention Center｜5001 Great America Pkwy, Santa Clara, CA 95054 |
| Gio Panel | Enterprise AI at Scale: From Pilots to Production |
| 时间/场地 | 14:15–15:00｜Track 1 / Main Venue |
| Panelists | Giovanni Ge；Bo Li；Ping Wu；Shanshan Song |
| Moderator | Yanbing Li｜Chief Product Officer, Datadog；Chairwoman, HYSTA |
来源：HYSTA 2026 年会官网；主办方 agenda PDF（已提供）。邀请函写明活动 9:00 开始，详细 agenda 另列 8:00–9:00 check-in；建议按详细 agenda 安排行程。
日程与社交窗口
- 08:00–09:00｜Check-in and Networking：适合与HYSTA board、morning speakers 做短交流。
- 09:10–11:45｜Ion Stoica、下一代模型 panel、Ed Chi、Dawn Song fireside：与 Gio 议题关联度高，值得在会后衔接。
- 11:45–13:00｜Lunch and Networking
- 13:30–14:15｜AI Infrastructure panel：可提前听取 compute、cache、routing 与平台化话题，为panel做承接。
- 14:15–15:00｜Gio 所在 panel：Enterprise AI at Scale: From Pilots to Production。
- 17:00–17:30｜Lin Qiao keynote；17:30 后转入 VIP Gala Dinner & Awards Ceremony。
3. 同场嘉宾与公司档案
以下信息优先采用本人、学校、公司和会议官方资料；履历、产品与公司规模截至 2026年 9月公开信息。公开采访较少者，以署名文章和会议演讲补足。
会前确认：主办方 agenda 仍将 Bo Li 标注为 Virtue AI CEO / UIUC Professor；2026 年中，Bo Li 及 Virtue AI 部分团队加入 Meta Superintelligence Labs，Fortinet 随后于 2026 年 8 月收购 Virtue AI。现场称谓仍建议由主办方或本人确认。
Bo Li
UIUC / Meta Superintelligence Labs（现场称谓待确认）
PANEL
照片来源：University of Illinois 官方 faculty profile
核心履历
- University of Illinois Urbana-Champaign Abbasi Associate Professor，创办 Secure Learning Lab；研究主线为 AI security、trustworthy machine learning 与 alignment。
- 研究覆盖 robustness、security、privacy、generalization，以及数字与物理环境中的 adversarial attacks；应用延伸到计算机视觉、NLP、安全自动驾驶与 agentic systems。
- 主要荣誉包括 IJCAI Computers and Thought Award、MIT Technology Review 35 Innovators Under 35、NSF CAREER 等。
- 2026 年中，Bo Li 及 Virtue AI 部分团队加入 Meta Superintelligence Labs；同年 8 月，Fortinet 宣布收购 Virtue AI。HYSTA 议程仍沿用原称谓，现场介绍前需确认最新 affiliation。
代表论文、研究与产品
- DecodingTrust：系统评估 GPT 模型可信度的框架，获 NeurIPS 2023 Outstanding Paper，并获得 NSA 2024 年度最佳科学网络安全论文奖。
- 近期 agent security 研究包括 DecodingTrust-Agent Platform、MAStrike、BlueCodeAgent、RedCodeAgent、SoSBench 与 Any-Depth Alignment，重点从单模型扩展到 tool use、代码执行、memory 和多 agent 风险。
- Virtue AI 产品线包括用于持续红队测试的 VirtueRed、运行时防护 VirtueGuard、治理与合规能力 VirtueGov，以及 AgentSuite、MCPGuard 等 agent 安全工具。
公开访谈 / 演讲
- 2026 年 Unite.AI 访谈中，她强调安全必须成为贯穿开发、部署和运行期的系统属性：预部署测试不够，agent 接入工具、API、数据库和真实工作流后才会暴露最严重的失效模式。
公司 Brief｜Virtue AI
- 成立：2024 年；联合创始人包括 Bo Li、Dawn Song、Sanmi Koyejo 与 Carlos Guestrin，定位是把前沿 AI security research 产品化。
- 业务方向：面向企业提供 AI-native security、governance 与 compliance 平台，覆盖持续红队测试、运行时 guardrails、agent / MCP 安全和审计治理。
- 当前状态：Bo Li 及 Virtue AI 部分团队于 2026 年中加入 Meta Superintelligence Labs；Fortinet 于同年 8 月收购 Virtue AI，相关技术将纳入 Fortinet 的 AI security portfolio。
最可能的 Panel 视角
- 她最可能把 production readiness 定义为“可发现、可测试、可约束、可审计”：模型、工具、memory、权限和执行环境应一起进入持续评估与运行时控制，评估范围也要覆盖离线 benchmark 和运行期表现。
资料入口
LinkedIn｜UIUC faculty profile｜Secure Learning Lab｜Virtue AI research｜Unite.AI interview
Ping Wu
CEO, Cresta
PANEL
照片来源：No Jitter 采访 / Cresta
核心履历
- 复旦大学计算机学士、UC Santa Barbara 计算机博士；在 Google 工作约 14 年，职业早期参与创立 Google mobile ads 业务。
- 2017 年共同创建 Google Contact Center AI；此后负责过 Dialogflow、Cloud Translation、NLP、Speech 等产品，并参与创立 Vertex AI / AutoML 产品体系。
- 2021 年加入 Cresta，2023 年出任 CEO；其经历横跨基础 AI 平台与 contact-center vertical workflow。
代表产品与工作
- 在 Google：Contact Center AI、Dialogflow、Cloud Speech / Translation / NLP、Vertex AI 与 AutoML，把研究能力包装成企业可调用的平台产品。
- 在 Cresta：AI Agent、Agent Assist、Conversation Intelligence / Insights、Knowledge Agent、Agent Operations Center，以及自动化 AI Agent Testing。
- 2026 年推出 Synthetic Customers，以持续更新的客户行为模型模拟细分人群和运营场景；公司也公开总结了百万级真实对话中的自动化优先级。
公开访谈 / 演讲
- WAVE 2025 opening keynote：以 human + AI workforce 为核心，主张统一运营人工坐席与 AI agents。
- CX Foundation 与 Adrian Swinscoe 访谈：反复强调 enterprise CX 不能只追求 automation rate；应同时看 cost-to-serve、revenue influence、quality、compliance 与客户体验。
公司 Brief｜Cresta
- 成立：2017 年，源自 Stanford AI Lab；联合创始人为Sebastian Thrun、Tim Shi与Zayd Enam
- 业务方向：企业 customer experience AI 平台，覆盖全自动 AI Agent、人工坐席实时辅助、对话洞察、知识与统一运营控制。
- 发展节点：2018年在 Intuit 落地 transformer-based real-time Agent Assist，2020年走出 stealth，2024年推出 AI Agent；公司官方披露 2026 年 ARR 达 1 亿美元。
最可能的 Panel 视角
- 他最可能强调从高价值、可测量 workflow 切入，以真实对话数据和明确 baseline 建立持续改进回路；评价 production 时，应同时衡量业务结果与风险改善情况，agent 上线数量只能作为辅助指标。
资料入口
LinkedIn｜Cresta CEO bio｜Cresta company history｜Knowledge Agent｜WAVE keynote｜Adrian Swinscoe interview
Shanshan Song
Head of Infrastructure, Harvey
PANEL
核心履历
- 拥有 20 余年大型基础设施与数据系统经验；公开履历显示其为中国科学技术大学学士、USC 博士，并完成 Berkeley Engineering Leadership Program。
- 2006–2014 年在 Oracle 从事数据库与存储系统；2014–2023 年在 VMware 负责 cloud storage、multi-cloud 与 application modernization，后任 Senior R&D Director。
- 2023 年加入 Uber，任 Senior Director of Engineering，领导 Storage、Search 与 Data Platforms；团队覆盖 Kafka、Flink、Pinot、Spark、Presto、MySQL、Redis、Cassandra、Docstore 与 OpenSearch 等关键平台。
- 现任 Harvey Head of Infrastructure，负责支撑受监管专业服务场景中的多模型推理、可靠性、容量、成本与安全运营。
代表工作与公开内容
- 联合署名 The Evolution of Uber’s Search Platform，梳理 Uber 如何把搜索从分散系统演进为基于 OpenSearch 的共享平台。
- 在 OpenSearchCon North America 2025 发表 keynote：Advancing Search and Observability at Uber with OpenSearch。
- 近期公开介绍 Harvey Unified Model Controller：每个 AI 请求可按健康度、延迟、质量、合规和成本在模型、供应商与区域之间路由，并支持多供应商 failover、capacity planning 与 observability。
公开采访 / 演讲
- 公开长篇采访相对有限；可重点参考 Uber Engineering 的女性工程负责人访谈、OpenSearchCon keynote，以及她对 Harvey model routing 与基础设施招聘方向的公开分享。
公司 Brief｜Harvey
- 成立：2022 年，由前 DeepMind 研究员 Gabe Pereyra 与前 O’Melveny 律师 Winston Weinberg 创立。
- 业务方向：面向法律与专业服务的 domain-specific AI 平台，主要产品包括 Assistant、Vault、Knowledge、Workflow Agents 与 Word integrations。
- 基础设施特征：自建 cloud agent infrastructure，强调 multi-model routing、zero data retention、隔离执行、可靠性与成本控制。
- 规模：Harvey 官方目前披露服务 2,400+ 客户、覆盖 70+ 国家，并进入 75+ 家 AmLaw 100 律所。
最可能的 Panel 视角
- 她最可能从 operational ownership 出发：生产系统必须明确谁负责 routing、capacity、latency、cost、observability、failover 与 incident response；模型可替换，但控制面不能缺位。
资料入口
LinkedIn｜Harvey company page｜Harvey founding story｜Harvey cloud agent infrastructure｜Uber search platform｜OpenSearchCon keynote
Yanbing Li
Chief Product Officer, Datadog；Chairwoman, HYSTA
PANEL
照片来源：Datadog DASH 官方 speaker profile
核心履历
- 清华大学学士、Cornell University 硕士、Princeton University 博士；2014 年参加 Stanford Executive Program。
- 在 VMware 历任多个高管职位，包括 Storage & Availability 业务 Senior VP / GM；随后任 Google VP of Product & Engineering，负责 Cloud Commerce、Cloud Operations 与 Service Infrastructure。
- 曾任 Aurora SVP of Engineering，领导商业化自动驾驶卡车所需的软件与工程体系；2024 年加入 Datadog 任 Chief Product Officer。
代表产品与工作
- 职业主线横跨 enterprise storage、cloud operations、service infrastructure、autonomous systems 与 observability，持续围绕高可靠平台的产品化和规模化。
- 在 Datadog 推动从单点监控工具向统一 observability and security platform 演进，并扩展到 AI / LLM observability、Bits AI 与 agentic workflows 的监控治理。
公开访谈 / 演讲
- DASH 2025 演讲 From Product to Integrated Platform：讨论如何把多产品能力整合为共享数据与工作流的平台。
- DASH 2026 与 Vercel CPO Tom Occhino 的 fireside chat，以及 Observability and Security for the AI Era / agentic AI observability 访谈，重点讨论 AI 应用的速度、可见性和运营控制。
公司 Brief｜Datadog
- 成立：2010 年；联合创始人为 Olivier Pomel 与 Alexis Lê-Quôc。
- 业务方向：AI-powered observability and security platform，把 applications、infrastructure、logs、用户体验、data、models 与 security 汇入统一平台。
- 主要产品：Infrastructure Monitoring、APM、Log Management、Digital Experience Monitoring、Cloud Security，以及 AI / LLM observability 与 incident / workflow automation。
最可能的 Panel 视角
- 她最可能强调“速度需要 visibility 和 control”：企业必须把模型行为、基础设施健康、成本、风险与最终客户结果连接起来，才能安全扩展跨模型和 agent workflows。
资料入口
LinkedIn｜Datadog official bio｜Datadog product overview｜DASH 2025 talk｜DASH 2026 fireside chat｜Agentic AI observability interview
4. Panel 主题观点与 Gio 发言准备
Gio 的定位
- 公开身份：AppLovin CTO；领导 Axon 2.0，并负责 engineering 与 product teams。
- 把 AI 放进全球规模产品、实时反馈的operator/builder。讲模型之外的系统：数据、实验、deployment、monitoring、cost、team ownership 和 decision velocity。
- 强调 builder-first：领导者保持 hands-on，关键能力自建，成熟通用能力则务实采用。
- 强调长期用户价值：局部指标提升必须放进长期体验、生态健康与可持续增长中验证。
观点对照
| 安全与治理｜Bo Li | 业务价值｜Ping Wu | 生产与运营｜Shanshan + Yanbing |
|---|---|---|
| Agent discovery、evaluation、runtime controls、permissions、auditability | Baseline、ROI、workflow、human + AI、outcome metrics | Multi-model routing、capacity、latency、cost、observability、incident response |
可准备的主题框架：从 pilot 到 production 的五个维度
- 问题定义：是否有明确用户、明确 workflow、明确 baseline 和明确 failure cost。
- 评估体系：离线 eval、在线实验、用户结果、长期指标和人工 review 如何组合。
- 系统可靠性：multi-model routing、capacity、latency、fallback、observability 和 incident response。
- 安全与治理：data access、permissions、policy enforcement、auditability 和 red teaming。
- 组织与经济性：自建的合适时机？如何控制总成本？
可能会问到的问题（English）
以下只列可能问题，可根据 moderator 的实际提问选择相关观点；
- Why do so many enterprise AI pilots fail to reach production?
- What distinguishes a production-ready AI system from a successful demo?
- How should enterprises measure ROI without over-optimizing activity metrics or short-term proxies?
- When should an enterprise build its own AI capabilities versus buy from the ecosystem?
- What new reliability and cost challenges emerge with multi-model and agentic systems?
- How can safety and governance become part of fast iteration instead of a separate approval layer?
- Who should own the end-to-end outcome across business, product, engineering, infrastructure and risk?
- In a fast-moving model market, what creates a durable advantage for an enterprise AI product?
可准备的观点参考，如果观点错误的可以直接删掉
- Production readiness：对应一套持续运行、持续评估、持续改进且责任清晰的 operating model。
- Use-case selection：优先选择高价值、可测量、有明确用户和 owner、同时能够定义 baseline 与 failure cost 的 workflow。
- Metrics：区分 activity metrics 与 outcome metrics；把用户价值、可靠性、总成本、风险和长期行为放在同一套评估中。
- Production loop：让真实流量、失败分类和用户反馈持续回流到 evaluation、product 与 engineering，并在运行期反复验证。
- Reliability：multi-model routing、capacity、latency、fallback、observability 和 incident response 都是产品设计与后台基础设施的共同约束。
- Safety and governance：permissions、policy enforcement、auditability、red teaming 与 rollback 应直接进入产品和平台能力，按风险等级配置控制。
- Build vs. buy：自建差异化核心、反馈闭环及关键的 latency / cost 路径；成熟且可替换的通用能力可以采购，同时保留模型和供应商切换能力。
- Organization：明确 end-to-end owner，把 AI 工作放进产品与工程团队；小团队需要真实用户、生产权限、快速决策权和清晰的问责标准。
- Durable advantage：长期优势通常建立在可验证现实效果、快速切换、持续学习，以及稳定控制质量、成本和风险的系统与团队之上。
5. 会场值得建联的人
Ed Chi
VP of Research, Google DeepMind
NETWORK
照片来源：Google Research official profile
背景与值得了解
- 研究横跨推荐系统、长期用户价值、可靠机器学习、对话模型、LLM 与 universal assistant agents；其团队自 2013 年以来向 YouTube、News、Ads 和 Google Play 交付 420+ 项产品改进。
- 公开资料列出 150+ 篇论文与 39 项专利。他很少把自己定位成纯研究负责人，更接近把研究指标、用户行为和大规模产品结果连接起来的 research operator。
- 对 Gio 的额外价值：他同时理解推荐系统的长期反馈陷阱和 agent 的新评估问题，可直接讨论“短期 engagement 信号是否会误导可行动系统”。
论文 / 产品 / 近期采访
- Surrogate for Long-Term User Experience in Recommender Systems：研究如何用可观测代理指标预测推荐系统的长期用户体验。
- Self-Consistency Improves Chain of Thought Reasoning 与 LaMDA：分别代表推理可靠性和对话模型产品化路径。
- 2026 年 GQ Taiwan 专访聚焦 Gemini、universal assistant 与 AI 从研究走向长期基础设施。
Ion Stoica
UC Berkeley Professor；Co-founder, Databricks / Anyscale / Conviva
NETWORK
照片来源：Ion Stoica official Berkeley homepage
背景与值得了解
- UC Berkeley Sky Computing Lab Director，研究位于 distributed systems、cloud computing 与 AI systems 的交叉点；参与创造 Ray、Apache Spark、Apache Mesos、Chord 与 Tachyon。
- 先后联合创办 Conviva、Databricks 和 Anyscale。除论文影响力外，他反复把开源系统发展为企业基础设施公司的能力也值得关注。
- 近年观点从“如何扩展 AI workload”进一步转向可靠 agentic systems：evaluation、specification、proprietary data 与 human oversight 才是部署瓶颈。
论文 / 产品 / 近期采访
- Ray: A Distributed Framework for Emerging AI Applications；Specifications: The Missing Link to Making LLM Systems an Engineering Discipline。
- Ray on the Road 2025 fireside：讨论 agentic systems、可靠性、评估与软件工程新范式。
- Forbes 2025 profile / interview：讨论 Berkeley 如何把研究项目发展为开源生态与公司。
Lin Qiao
Co-founder & CEO, Fireworks AI；former Head of PyTorch, Meta
NETWORK
照片来源：Index Ventures 2026 interview
背景与值得了解
- 曾在 Meta 领导 PyTorch 与 AI infrastructure 工作，2022 年创办 Fireworks AI，业务聚焦高性能推理、模型定制与 specialized intelligence。
- 她主张企业根据质量、延迟、成本、可控性和数据边界组合不同模型，开放模型是其中一种选择；推理层成为持续优化与差异化的位置。
- 对 Gio 的额外价值：她既经历过超大公司内部 AI stack，也在创业公司把 inference economics、open models 和 enterprise adoption 做成商业产品。
- 履历交集：Gio 任职 Meta 期间，Lin Qiao 也在 Meta 领导 PyTorch 与 AI infrastructure；两人的技术议题都涉及大规模 ML 系统。
产品 / 近期采访
- Fireworks 平台提供 serverless / on-demand inference、fine-tuning、model routing 与企业级部署能力。
- Index Ventures 2026 对谈：从 IBM、LinkedIn、Meta/PyTorch 到创办 Fireworks，并讨论 specialized models 成为企业默认路径。
- Sequoia Training Data 与 Turing Post 访谈：重点讨论快速推理、小模型、agents 和生成式 AI 的单位经济性。
Dawn Song
UC Berkeley Professor；AI security researcher, Meta Superintelligence Labs
NETWORK
照片来源：UC Berkeley Research official profile
背景与值得了解
- 长期研究 computer security、privacy、applied cryptography、AI safety 与 decentralized systems；是 UC Berkeley RDI Co-director，并参与创办 Oasis Labs 与 Virtue AI。
- 获得 MacArthur Fellowship、Guggenheim Fellowship、MIT TR35、ACM SIGSAC Outstanding Innovation Award，以及多项 Test-of-Time / Best Paper awards。
- 2026 年公开报道显示她同时在 Meta Superintelligence Labs 推进 AI safety / security research；她与 Bo Li 有长期研究及创业协作关系。
论文 / 近期采访
- 代表方向包括 adversarial machine learning、隐私保护系统、AI / agent security；代表性工作包括 DecodingTrust，以及用于衡量真实经济任务能力的 Agents’ Last Exam（ALE）benchmark。
- UC Berkeley 2026 Q&A：讨论 agentic AI 的承诺与风险、可验证性、human augmentation 及 economically valuable tasks。
- TechRadar 2026 interview：强调 agent 应增强人类，同时配套新的安全评估与系统级控制。
Bill Jia
VP of Engineering, Core ML/AI, Google
NETWORK
照片来源：Bill Jia LinkedIn public profile
背景与值得了解
- 在 Meta 工作 14 年，参与 PyTorch 1.0、ONNX、AI infrastructure 与大规模训练系统；2024 年加入 Google，负责 Core ML/AI 相关工程。
- 当前公开内容覆盖 Gemini / GenMedia 的 pre-training、post-training 与 serving，JAX / XLA、TPU、TorchTPU、SGLang on TPU，以及 LiteRT / on-device AI。
- 对 Gio 的额外价值：他同时经历 Meta 和 Google 两种超大规模 AI stack，且持续推动 open source 与多框架、多硬件可移植性。
- 履历交集（同期任职，未确认直接合作）：Gio 任职 Meta 期间，Bill Jia 也在 Meta 负责 AI infrastructure / platform 等工程；两人的工作主题在大规模 ML 系统与生产化上存在邻接。
产品 / 近期内容
- TorchTPU：让 PyTorch workload 原生运行于 Google TPU，并面向 vLLM、TorchTitan 等生态降低迁移摩擦。
- LiteRT：统一 TensorFlow、JAX 与 PyTorch 模型在 edge CPU / GPU / NPU 上的编译和运行。
- HYSTA 2024 fireside bio 提供其 Meta 时期背景；近期公开分享集中在 TPU performance-per-dollar、training / inference 专用硬件和 workload fungibility。
Li Fan
Chief Technology & AI Officer, Circle
NETWORK
照片来源：Circle official leadership bio
背景与值得了解
- 现负责 Circle 的企业级 AI strategy 与 transformation；此前任 Circle CTO、Lime CTO / interim CPO、Pinterest SVP Engineering、Google Senior Director Engineering、Baidu VP Engineering。
- 她当前工作的重点已从单纯管理技术平台转向重设计 workflow、组织能力和决策机制，让 AI 成为 operating model。
- 对 Gio 的额外价值：Circle 处于受监管金融与全球支付场景，能提供“AI 转型如何与合规、风险和跨职能治理结合”的 operator 视角。
近期采访 / 演讲
- Circle Executive Insights：讨论 AI、Web3、组织生产力与 AI-driven innovation。
- WeAreDevelopers speaker profile 汇总其公开议题；近期演讲强调 measurable business impact、enterprise-wide adoption，以及 AI 从工具变成组织运行方式。
Reynold Xin
Co-founder & Chief Architect, Databricks
NETWORK
照片来源：Databricks Data + AI Summit official profile
背景与值得了解
- Databricks 联合创始人兼 Chief Architect，也是 Apache Spark 的核心创造者之一；领导或参与 GraphX、Project Tungsten、Structured Streaming、DataFrames 与 Spark 2.0。
- 当前关注点从 lakehouse 延伸到 agentic data architecture：Genie、Lakebase、LTAP、ontology、governance，以及 agents 作为数据库主要用户后的权限与成本模型。
- 对 Gio 的额外价值：他会把“模型能力”拉回企业数据的语义、权限和实时性；适合讨论反馈回路如何建立在可信 operational data 上。
论文 / 近期采访
- Spark SQL: Relational Data Processing in Spark 与 Unity Catalog: Open and Universal Governance for the Lakehouse and Beyond。
- DataFramed 2026：AI Agents Are Now Your Database’s Main User，讨论 ontology、governance、Lakebase / LTAP、实时数据和 agent cost。
- 近期访谈 The Hard Part Starts After the AI Demo，主题与本次 panel 的 pilots-to-production 高度重合。
Yangqing Jia
Co-founder & CEO, Intent Lab
NETWORK
照片来源：Yangqing Jia LinkedIn public profile
背景与值得了解
- Caffe 作者，参与创建 Caffe2、ONNX 与 PyTorch 1.0；曾负责 Facebook AI infrastructure、Alibaba data / AI platform，并创办 Lepton AI。
- Lepton AI 加入 NVIDIA 后，他于 2026 年创办 Intent Lab，目标是让 autonomous software team 从模糊意图出发，端到端完成设计、实现、验证并持续运营。
- 对 Gio 的额外价值：其最新判断聚焦于把快速生成的代码转化为可长期拥有、验证和演进的 production system；代码生成本身的重要性已经下降。
论文 / 产品 / 近期内容
- Caffe: Convolutional Architecture for Fast Feature Embedding；该项目及 DeCAF、R-CNN 获得十年 Test-of-Time recognition。
- Intent Lab 首批公开结果包括重构 TRT-LLM inference engine，以及从一句需求现代化数据库并通过数百万项 acceptance tests。
- 其 2026 launch post 系统阐释了 fleet、software ownership 与“从代码到生产系统”的缺口。