2026年11月20日上海——在今日开幕的2026虹桥国际科技周上,矩阵起源(MatrixOrigin)AI首席科学家郭律于国家会展中心(上海)人工智能舞台发表主题演讲《不是更快,而是更对——AI Native时代数据基础设施的范式转移》。他提出,在 AI Native 时代,数据基础设施要解决的,不只是更快,而是更对——为 Agent 把事情做对。同日,郭律还参加了圆桌讨论"打造 AI 就绪型社会:推动应用普及与建设 AI 素养的重要性"。

郭律在虹桥国际科技周人工智能舞台发表主题演讲

郭律在虹桥国际科技周人工智能舞台发表主题演讲

郭律指出,过去数据库和数据平台默认的用户是人;现在,基础设施面对的是会连续决策的软件。Agent 会替人连续读库、调工具、做决策,出错的代价不再是改一张报表,而可能是一串错决策连锁下去。因此应先问"更对",而不只是"更快"。

他把 Agent 落地前的挑战概括为五道坎:幻觉与追溯、上下文治理、工具编排、合规与审计、成本与稳定。这些坎来自一个旧假设——基础设施是为人设计的;人用时可以再问、重说,Agent 连续跑起来,问题会同时出现。"五道坎先于产品,"郭律说,"要先看清失败模式,再谈怎么做对。"

在他看来,所谓"更对",不是把模型换成更大的,也不是把算力堆上去,而要让结果可追溯、记忆可治理、多步链路稳得住。他提出按"写得进、查得动、记得住、跑得稳、协得拢"分层,把"对"做成可工程化的默认能力。"这不是五张膏药分别去贴。"

他以半导体复杂规范为例指出,不敢用的原因往往不是没有问答,而是问答落不到版本和出处,工程上就不敢当作依据。关键不是"问一句答一句",而是把解析、检索、起草做成可审计的作业链,并在最后由人审签发。在一组困难集实测中(50份),矩阵起源解析栈按维度等权得分为84.5%,对照约为57%–59%,并在42份文档上领先。

谈及如何衡量"更对",他以一组自研链路的内部对照(W1)说明,在 Agent 会连续写入又要回看的负载下,正确性和可回放不必用稳定性来换。

郭律最后提出三个判断:当前瓶颈在"对",不在堆算力;应先认清解题组件,再谈堆模型;正确性必须进入基础设施,成为默认能力,而不是一次精彩的演示。

圆桌讨论"打造 AI 就绪型社会:推动应用普及与建设 AI 素养的重要性"现场

圆桌讨论"打造 AI 就绪型社会:推动应用普及与建设 AI 素养的重要性"现场

在同日圆桌讨论中,郭律与主持嘉宾、Omdia(Informa TechTarget)人工智能首席分析师苏廉节,以及亚洲集团陈澍、北京赛博英杰谭晓生、纬博海外投资集团韩关潮等嘉宾,就 AI 应用普及与素养建设进行了交流。他谈到,普及不只是提供一个聊天入口,还要让 AI 用得上业务数据、接得进工作流程,并能检验结果,企业要补的是从模型到任务之间的基础设施。AI 素养也不应再等同于会写提示词,而应掌握三项能力:说清目标与约束、判断答案是否有依据、知道哪些操作必须由人确认。"AI 素养不该只教人如何提问,更要教人如何验证、授权和承担责任。"信任则需要具体机制支撑,包括限定权限、保留执行记录、关键步骤人工确认,以及出错后的撤销与恢复。