1024分论坛：人工智能创新应用的优化实践和多产业落地

Posted 2022-11-24 CSDN资讯

10 月 23 日-25 日，由湖南省工业和信息化厅、湖南湘江新区管理委员会指导，长沙市工业和信息化局、长沙信息产业园管委会和 CSDN 联合主办的“2022 长沙·中国 1024 程序员节”线上线下同步举办。 

在 10 月 25 日的人工智能新应用主题论坛上，来自中兴、Linux 基金会、第四范式、金智塔的 9 位嘉宾，向大家带来了人工智能技术现状及未来等重磅技术内容分享。

1、Accelerating Innovation in Open Source AI & Data

第一位进行主题分享的嘉宾是 Linux 基金会战略计划副总裁 LF AI & Data 首席执行官 Ibrahim Haddad，他带来的主题是《Accelerating Innovation in Open Source AI & Data》。

 他主要分享的是 LF AI & Data 的关键举措，以及在如何加速 AI 与数据层面的开源创新。在 LF AI & Data 整个生态系统中，目前已经汇聚了 40000 名活跃开发者同时为 330 个项目做贡献，这些工程师每周能创造 100 万行的代码，共计 5 亿行代码，可见其整个生态是非常活跃的。

2、人工智能技术现状及未来

紧接着是中兴通讯 AI 研发总工程师韩炳涛老师，带来《人工智能技术现状及未来-AI 芯片架构设计发展趋势》的分享。

 韩老师首先介绍了 AI 技术正在面临绿色可持续发展的难题，比如人工智能算法对算力需求增速远大于摩尔定律增速，这种增速背离带来的直接结果，就是 AI 计算成本和对环境的压力快速上升。目前，全世界 1% 的发电量被用于 AI 计算，全球AI计算能耗年增长率为37%，据此估算，下一个十年，AI 计算将消耗全世界发电量的 15% 左右，为了实现绿色可持续发展，就必须不断研究更有效率的 AI 架构。

 在此基础上通过分析了解 AI 芯片的第一性原理，得出了高能效 AI 芯片的设计，必须要考虑的关键因素，诸如减少芯片数据移动的距离、利用 AI 近似计算的特性、从架构上避免不必要的计算等。在这些基础之上来设计未来高能效 AI 芯片，相信在未来五年之内，这些技术都能走向商用，并且在很大程度上，降低 AI 所面临的功耗大的问题，能够把 AI 的能耗保持在现在的水平。

3、AI，从概念验证到产业落地

那么从人工智能到实践，能否一路坦途，带着这个问题，我们迎来第三位分享的老师，中兴通讯标准及开源高级工程师袁丽雅老师，她的分享主题是《AI，从概念验证到产业落地》

 本次主题分享主要分为三个模块，第一部分介绍人工智能产业的现状，包括趋势和面临的挑战，第二部分一起探讨如何通过 MLOps 去解决第一部分提到的挑战，同时介绍 MLOps 概念、技术栈以及简单的指南等，最后分享中兴在这方面的实践。

 袁老师最后还用 5Cs 进行了议题的总结，目前 AI 的趋势正在和产业做更深层次的融合，在融合的过程中大规模的部署就成为了更核心的追求，那如何根据不同的场景做定制化部署就是目前要考虑的关键问题。MLOps 本身是促进智能化转型的重要抓手，其技术发展也比较快，开源项目比较多，给开发者留下了非常多的机会去开拓。

虽然从概念验证到产业落地还有很长的路要走，但是在杰出的程序员和专家支持下，这一天会很快到来。

4、OneFlow:Large Scale Distributed Deep Learning Made Easy

第四位分享的嘉宾是 AI 领域大咖袁进辉老师，袁老师 2008 年从清华大学拿到计算机博士学位，2017 年创立 OneFlow。他今天分享的主题是《OneFlow:Large Scale Distributed Deep Learning Made Easy》，通过两个实际案例阐释怎么样让大规模分布式深度学习变得更简单，并且分享 OneFlow 在编程界面进行的抽象创新。

 5、Adlik：深度学习推理优化实践，助力智能业务应用落地

在深度学习框架之外，很多开发者对推理侧的性能头疼不已，如何解决推理侧性能优化的问题也是一直要解决的。

 接下来分享的嘉宾是来自中兴通讯 AI 平台资深专家刘涛，刘涛老师带来的分享是《Adlik：深度学习推理优化实践，助力智能业务应用落地》

 分享中首先阐述 Adlik 模型部署存在的挑战，如何确保模型以最优性能运行？如何高效部署模型？如何将模型和业务结合等。通过介绍 Adlik 架构优势、Adlik 解决模型部署过程中遇到的挑战问题，以及 Adlik 社区上的贡献，为大家带来了展示了更加敏捷高效的推理侧环境。

6、Feature store（特征平台）的前世今生

第 6 为分享的嘉宾是来自第四范式架构师谭中意老师，谭老师是开源界的风云人物，此次来到人工智能新应用论坛做技术分享，他的议题是《Feature Store（特征平台）的前世今生》。

 谭老师首先介绍了 Feature Store 项目的起源与特征，解释了何为特征平台--特征平台是一个让多个团队共享、发现和使用经过高度定制的特征的一个平台，用在机器学习领域中。接下来介绍了 Feature Store 的现状，包括其发展历史、媒体活动现状等。

 还介绍了 Feature Store 的一些典型产品如 Tecton、hopsworks、AWS SageMaker、OpenMLDB 等。

最后谭老师表示，作为 MLOps 的关键基石之一，Feature Store会得到更多的应用，国外还是以 SaaS 或者集成机器学习平台的一部分，国内会以私有云的方式集成进入客户的已有机器学习平台。总的来说，Feature Store 的应用前景还是很光明的。

7、Neursafe：助力 AI 安全生产和应用

 第七位参与分享的嘉宾是来自中兴通讯资深系统架构师唐波老师，唐老师带来的主题是《Neursafe：助力 AI 安全生产和应用》。

当前，隐私计算越来越受到重视，对数据依赖性非常高的人工智能将如何解决隐私的问题，AI 的应用普及，安全和可信危及凸显。”

唐老师从 AI 安全的背景、联邦解决方案、AI 攻防解决方案，以及 Neursafe 项目实践的角度，给大家展示了隐私计算的具体解决方案。

8、数据智能，跨越孤岛

数据隐私中非常重要的联邦学习技术，可以有效的将数据孤岛整合起来，承接唐老师的主题，接下来分享的是来自金智塔隐私计算平台首席架构师巫锡斌，巫老师带来的主题是《数据智能，跨越孤岛》。

 主要围绕在数据周围新的生产要素前提下，如何应用隐私计算的技术，打破数据孤岛，充分释放数据价值。

 巫老师的分享从隐私计算的政策背景，到隐私计算的三大技术路线（密码学技术、分布式学习、可信硬件）出发，通过对三大路线的优劣进行对比，解释了隐私计算的落地实践和困难挑战。

9、AI 开源项目选择孵化的过程分享

最后带来分享的是本次人工智能新应用论坛的主持人兼出品人中兴通讯开源战略总监、LF AI& DATA 基金会董事孟伟老师，他分享的题目是《AI 开源项目选择孵化的过程分享 》。

孟伟老师表示从人工智能框架、工具链，以及联邦学习都产生了众多的开源项目，如何选择合适的开源项目并将其孵化是一个难题。

 议题中，孟老师从开源项目的目的、原因、受众对象出发，通过形象的比喻解释了什么项目适合开源。解释了当前选择 AI 赛道进行开源项目是完全没问题的。

最后感谢大家的观看，也欢迎大家去官网分论坛查看精彩直播回放。

视频地址：人工智能新应用-CSDN直播

也可以扫描下方二维码进入大会交流群分享技术问题和心得体会。