鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

ISC.AI 2025创新百强颁奖典礼落幕,首发智能体专家驱动产业升级

编程导航
编程导航
2025-12-18 12:30
阅读 266
编程导航
2025-12-18 12:30
阅读 266

12月17日,ISC.AI 2025第六届创新百强(简称“创新百强”)颁奖典礼在京圆满落幕。

本届评选由ISC.AI平台、大模型产业联盟主办,并得到赛迪顾问、数世咨询、数说安全、光合行·AIGC、密码资本、北京新一代信息技术产教联合体、全国信息安全产教融合共同体、全国人工智能+安全产教融合共同体、全国数智安全行业产教融合共同体、河北省数字安全与人工智能行业产教融合共同体、BP商业伙伴、安在、看雪、安全419、嘶吼、安全客等产业、教育、媒体合作伙伴,悬镜安全、赛宁网安、从云科技、上海淇毓、天懋信息、经纬信安、帕拉迪等战略合作厂商,以及40余家投融资机构、科研院校的鼎力支持。

当日,政府代表、高校学者、企业负责人、投融资机构代表及媒体人士齐聚现场,围绕“数字安全、人工智能、智能体等前沿领域的核心技术突破方向”,“科技成果向产业应用转化的有效路径探索”,以及“科教融汇培养复合型人才的实践范式”等方向议题,展开多轮深度对话与经验分享,并共同见证了新一届创新百强荣耀榜单,以及多项具有领先创新成果的发布。

伴随人工智能向智能体形态的深层跃迁,打造一个更富活力、韧性、安全与竞争力的“AI+新质生产力”生态,已成为把握未来发展的关键机遇。

在领导致辞环节中,中关村朝阳园党工委委员、管委会副主任、区科信局局长陈雷表示,人工智能与数字安全的深度融合是未来重要趋势。朝阳区拥有丰富的全域应用场景和完备的政策体系,是数字安全解决方案的最佳试验田,也是相关企业创新创业的首选地。

ISC.AI 2025创新百强颁奖典礼落幕,首发智能体专家驱动产业升级

“十四五”期间,朝阳区已构建起以产业互联网、人工智能、数字安全为支柱的“3+X+N”产业创新体系,并推出“1+1+4”科技产业支持政策。

面向“十五五”,区域将进一步依托360等数字安全龙头企业,联动区内70余家AI企业生态,打造“AI+数字安全”特色产业园,并从资金、基金、人才、空间等方面提供全方位保障。欢迎本次评选的所有获奖企业、高校和创新机构走进朝阳、投资朝阳,携手共创,一路朝阳。

360数字安全集团总裁胡振泉表示,2025年是“智能体元年”。智能体在塑造AI时代“超级个体”与“超级组织”的同时,也被黑客利用、批量复制,这将推动网络对抗进入“人机对抗”新阶段。因此,安全行业必须率先拥抱智能体。

作为首家以智能体驱动安全业务的公司,360已展开系统实践:一方面以AI重构防护体系,基于安全大模型打造超百个可协同作战的安全智能体,复现高阶专家能力;另一方面针对大模型与智能体自身风险,提出“以模制模”的AI治理路径。

ISC.AI 2025创新百强颁奖典礼落幕,首发智能体专家驱动产业升级

未来,360将围绕三大方向持续赋能各界伙伴:一是攻坚核心技术,提升智能体在复杂场景中的自主决策与安全防护能力;二是开放智能体工厂,助力政企高效构建贴合业务需求的专属智能体;三是深化产教融合,持续输送具备技术与安全双重素养的复合型人才,携手在智能体浪潮中筑牢安全根基,致力让AI世界更安全、更美好。

360数字安全集团副总裁、ISC.AI品牌主理人卜思南表示,随着AI发展进入以智能体为核心的下半场,本届创新百强以“多、真、强”为指引全面升级。赛道拓展至数字安全、AI安全及AI应用三大方向,覆盖16个前沿领域,并创新采用“AI智能体+跨域专家团”双轨评审机制,系统识别高潜力创新项目。自11月启动以来,活动共吸引全国500余家企业、超100所高校参与,累计征集方案800余份,其中超过80%涉及智能体技术。

ISC.AI 2025创新百强颁奖典礼落幕,首发智能体专家驱动产业升级

他强调,AI时代亟需技术、业务与安全能力兼备的复合型人才。为此,评选积极联动全国多个产教融合联合体,共同构建“教、产、研”协同培养生态。同时,基于纳米AI平台赋能,本届评选深度整合全部申报材料,创新推出“智能体专家”,旨在为产业提供持续可追溯的决策参考与人才洞察,切实推动创新成果与产业需求深度融合。

随后,赛博英杰创始人兼CEO谭晓生与数世咨询创始人李少鹏分别以《新一代人工智能对网络安全产业的重塑》、《数字安全企业创新与发展之路》为题,全面解析了AI浪潮下的行业变革,为数字安全的未来发展提供了前瞻洞见与务实策略。

围绕科技创新与产业创新融合的核心议题,悬镜安全CCO董毅与山石网科安全计算与运营产品线产品总监朱凯数字供应链安全治理、智能体重塑安全等角度,分享了各自在实践中的领先应用成果与行业思考。

为进一步培育具备高水平实践能力的复合型AI智能体人才,本次创新百强颁奖典礼现场正式发布了《360人工智能智能体工程师标准及认证》,率先构建起产教融合、科教融汇的新型合作平台。

360集团高级副总裁、数智化集团CEO殷宇辉,360集团首席科学家、360数字安全集团CTO潘剑锋,360数字安全集团副总裁、ISC.AI品牌主理人卜思南等企业代表,与青岛恒星科技学院大数据与智能信息工程学院党总支书记朱成波,北京信息职业技术学院产业互联网学院院长徐振华,湖南科技职业学院软件学院副教授任科,毕节职业技术学院党委委员、副院长王天军,北京北大方正软件职业技术学院助理校长、人工智能学院院长彭晓东等校方代表,共同见证了该计划的发布,此举标志着校企双方在推动科研与实践深度融合方面迈出了关键一步。

ISC.AI 2025创新百强颁奖典礼落幕,首发智能体专家驱动产业升级

未来,ISC.AI将进一步携手校企,深化产学研协同,共同探索智能体人才培养新路径,持续完善新质人才赋能体系,致力于打造数字创新人才高地,为科技与产业深度融合提供有力支撑。

基于“AI智能体+跨域专家团”双轮驱动的协同评审机制,本届评选结果在产业与学术界的多位专家见证下正式揭晓。数字安全、人工智能安全与人工智能三大赛道的百余家优秀企业荣登年度创新百强榜单,树立了行业创新发展的新标杆。

同时,重庆大学、广东科技学院、湖南科技职业学院、青岛恒星科技学院基于在推动科技进步与产学研融合方面的突出贡献,荣膺“科创杰出成果奖”。

随后,中关村朝阳园管委会产业促进一处处长陈磊与360数字安全集团总裁胡振泉共同揭晓了“创新力十强”获奖厂商,进一步聚焦并彰显了产业内的顶尖创新力量。

此外,本届评选深度融合评审结果与行业调研数据,在颁奖典礼上重磅发布了两项关键成果:《ISC.AI 2025创新性案例》与《ISC.AI 2025创新能力全景图谱》。同时,所有评审过程中积累的企业数据、解决方案、榜单信息以及落地成果,均已收录于“ISC.AI 2025创新百强智能体专家”。该智能体将为行业用户、投资机构及相关单位提供持续洞察,助力精准把握创新动向、明晰技术开发生态、研判产业发展态势。

未来,随着智能体技术持续向自主化、协同化与场景化演进,其将成为驱动数字化转型向纵深发展的核心引擎。在此趋势下,ISC.AI创新百强将持续发挥其作为产业创新“连接器”与“加速器”的关键作用,通过构建开放协同的智能生态、促进技术成果与产业需求高效对接,发掘并培育更多创新力量,为数字中国建设注入持续动能。

版权所有,未经授权不得以任何形式转载及使用,违者必究。
原文链接: ISC.AI 2025创新百强颁奖典礼落幕,首发智能体专家驱动产业升级
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230