江行智能迎來重量級人物加盟——陳龍博士正式出任公司Foundation Model CTO。這位兼具深厚學術(shù)背景與豐富產(chǎn)業(yè)經(jīng)驗的科學家，將引領(lǐng)江行在工業(yè)物理AI領(lǐng)域開啟新的技術(shù)篇章。陳龍擁有上海交通大學博士學位及西蒙菲莎大學博士后經(jīng)歷，曾在字節(jié)跳動擔任高級研究員，主導(dǎo)火山引擎大模型從架構(gòu)設(shè)計到落地實施的全流程工作，其學術(shù)成果被加拿大國家廣播公司CBC及MIT SOLVE等權(quán)威機構(gòu)報道。
翻開陳龍的履歷，一連串耀眼的數(shù)據(jù)印證著其學術(shù)影響力：30余篇CCF A類論文、20余篇IEEE/ACM Transactions期刊論文、超800次學術(shù)引用、兩次國際頂級會議最佳論文獎，以及10余項中國發(fā)明專利和2項美國專利。但這位學者并未止步于理論突破，在字節(jié)跳動期間，他深入?yún)⑴c超大規(guī)模算力集群管理，積累了將AI技術(shù)轉(zhuǎn)化為工業(yè)生產(chǎn)力的寶貴經(jīng)驗。"學術(shù)界追求理論邊界的拓展，而工業(yè)現(xiàn)場需要的是穩(wěn)定、可控、低成本的解決方案。"陳龍這樣解釋自己從實驗室走向生產(chǎn)線的選擇，這種"既要學術(shù)高度又要產(chǎn)業(yè)深度"的思維模式，與江行智能的技術(shù)理念不謀而合。
陳龍與江行的淵源可追溯至博士后研究階段。當時他以特聘專家身份參與公司大規(guī)模模型訓(xùn)練項目，這段經(jīng)歷讓他深刻認識到江行技術(shù)路線的獨特價值："不同于單純堆砌算力的做法，江行通過真實工業(yè)場景、基礎(chǔ)設(shè)施優(yōu)化和效率提升形成組合優(yōu)勢，這種務(wù)實路線與我對大規(guī)模算力集群落地的理解高度契合。"從外部顧問到核心管理層，這種轉(zhuǎn)變既源于技術(shù)理念的共鳴，更基于對工業(yè)AI發(fā)展方向的共同判斷。
在陳龍看來，基礎(chǔ)大模型正從"參數(shù)競賽"轉(zhuǎn)向"系統(tǒng)協(xié)同"的新階段。他指出當前行業(yè)面臨兩大挑戰(zhàn)：一是工業(yè)現(xiàn)場的動態(tài)特性導(dǎo)致三維模型快速失效，二是單一模型難以適配不同設(shè)備和動力學環(huán)境。針對這些問題，江行已構(gòu)建起覆蓋數(shù)據(jù)采集、仿真訓(xùn)練、模型推理的全鏈路能力，其JX-AutoEdge平臺通過云邊協(xié)同架構(gòu)，有效解決了邊緣計算節(jié)點的資源約束問題。"我們正在推進帶寬自適應(yīng)流式傳輸技術(shù)，確保邊緣設(shè)備能實時加載模型進行推理。"陳龍透露，這種技術(shù)布局使江行在高端訓(xùn)練芯片受限的環(huán)境下，依然保持算力架構(gòu)的優(yōu)化能力。
作為新任CTO，陳龍將重點推進"三層物理AI架構(gòu)"的貫通：底層打造多模態(tài)環(huán)境數(shù)據(jù)采集平臺，中層研發(fā)空間視覺語言模型（S-VLM）與長任務(wù)視覺語言動作模型（LT-VLA）的融合架構(gòu)，上層構(gòu)建多智能體協(xié)同引擎的工業(yè)封裝體系。在技術(shù)路線選擇上，他強調(diào)"混合優(yōu)化"策略："開源模型提供基礎(chǔ)能力，但真正的技術(shù)壁壘在于自研工業(yè)WAM（World Action Model），需要將泛化模型與電力、化工等垂直領(lǐng)域的專業(yè)知識深度融合。"這種"開源底座+行業(yè)定制"的模式，既保證技術(shù)迭代速度，又構(gòu)建起差異化競爭優(yōu)勢。
面對工業(yè)AI從技術(shù)突破到商業(yè)落地的關(guān)鍵跨越，陳龍?zhí)岢?仿真先行"的解決方案。針對真實工業(yè)場景樣本少、試錯成本高的問題，江行開發(fā)的JX-AutoWorld仿真平臺可模擬長尾故障和極端工況，通過"虛擬推演-真實部署"的閉環(huán)，將現(xiàn)場調(diào)試成本降低80%以上。"讓AI在仿真世界中犯完所有可能的錯誤，這是保障工業(yè)現(xiàn)場安全運行的關(guān)鍵。"陳龍解釋道，這種技術(shù)路徑已在實際項目中驗證有效性，某電力客戶的設(shè)備故障預(yù)測準確率因此提升35%。
談及選擇江行的深層原因，陳龍強調(diào)公司對"數(shù)據(jù)飛輪"的獨特理解："通過可控具身終端直接執(zhí)行真實環(huán)境任務(wù)，江行構(gòu)建起'部署-采集-訓(xùn)練-迭代'的完整閉環(huán)，這種能力在工業(yè)AI領(lǐng)域極為稀缺。"對于團隊建設(shè)，他有著明確規(guī)劃："我們需要既能攻克算法難題，又能解決工程問題的復(fù)合型人才，最終目標是建立行業(yè)技術(shù)標準與工程規(guī)范。"當被問及對公司的期待時，這位新任CTO的回答擲地有聲："讓物理AI真正改變工業(yè)現(xiàn)場的運行方式，這既是技術(shù)使命，也是商業(yè)機遇。"
