一句话看懂：阿里巴巴中国电商事业群、飞猪 CTO 陈烨博士已确认出席 2026 年 QCon 上海站主题演讲，分享 AI 为何沿着 Coding → Agent → 消费的路径演进，以及消费级 AI 真正的工程难点在哪里。
事件核心：发生了什么
2026 年 QCon 全球软件开发大会·上海站将于 10 月 22 日至 24 日举办。据 InfoQ CN 报道，阿里巴巴中国电商事业群、飞猪 CTO 陈烨博士已确认出席主题演讲，题目为《从 Coding 到消费：AI 的下一场革命》。
陈烨是威斯康星大学麦迪逊分校信息系统与计算机博士，发表过 30 余篇 NeurIPS、SIGIR、KDD、WWW 等顶会论文，三次获得 KDD、SIGIR 最佳论文奖，持有 10 项美国专利。他曾创立人工智能公司虎博科技，其多模态大语言模型 TigerBot 入选首批国家大模型备案名单，并曾任美团点评资深副总裁，主导构建搜索与效果广告平台。
本次分享的核心判断是：AI 先学会写代码，而不是先学会点外卖，关键在于 Coding 天然拥有编译器、单元测试、CI 等“Verifier”，反馈密集、即时且客观，任务完全发生在数字世界；而消费场景反馈稀疏、延迟且主观，交易与履约还要穿透商家、库存、配送等物理世界。陈烨将据此分析如何重新构造面向真实世界的验证与执行闭环。
为什么重要
这个议题切中了当前 AI 从数字任务走向真实商业场景时的核心工程瓶颈。目前公开信息显示，陈烨将把 Frontier Lab 的“Infra × Data × Compute”配方翻译到消费场景，讨论如何构建 AI-Native 的供给与服务网络、把静态与实时消费数据转化为训练资产，以及通过后训练建立持续迭代的数据飞轮。
在行业层面，这代表一种路线判断：下一阶段 AI 的竞争点，不只是模型参数或推理能力，而是能否把物理世界的履约过程变成可验证、可学习的训练信号。如果这个闭环成立，消费场景就不只是 AI 的落地方向，也可能成为通向更强通用智能的训练场。
对用户/开发者/创作者的影响
对开发者来说，这意味着 AI 应用的工程重心可能从“调用更强模型”转向“设计验证环路”。在 Coding 场景中，编译器与测试提供了现成反馈；在消费场景中，订单、履约、配送、售后等环节需要被改造成可度量的信号来源，这对数据管道、Agent 编排和后训练基础设施都提出新要求。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业和创作者而言，如果消费级 AI 的机会不在于再造一个 AI Chat，而在于让 AI 真正进入交易、服务与履约，那么产品设计需要更关注交易链条中的具体断点，而不是只做对话入口。目前公开信息显示，大会还将设置 Loop Engineering、千行百业 Agent 创新实践、Agent 自主进化、Vibe Coding 时代的新质量债、AI Native 架构等 20 个专题论坛，100 余位一线专家参与分享。
值得关注的后续
一是陈烨演讲中是否给出消费场景验证闭环的具体案例或数据，而非仅停留在方法论层面；二是飞猪在 AI 战略上是否会有可验证的产品或 API 落地；三是“消费作为训练场”这一判断能否被更多企业的工程实践验证。
来源：InfoQ CN
