云边端协同智能模型技术论坛
8月22日（星期五）15：30-17：30
地点: 三楼贵宾厅

简介：
       教授，国家优青、万人青拔，于清华大学、香港科技大学获学士和博士学位，长期研究分布式系统与智算中心及其支撑的云计算与AI大模型等应用，承担国家实验室重大攻关项目、国家重点研发计划课题、国家自然科学基金等，带领团队依托国产自主可控算力打造330亿参数长窗口大模型和全生命周期工具集，成果应用于华为、百川、浪潮、工行、TCL等著名企业。曾获国家自然科学二等奖、教育部自然科学一等奖、霍英东教育基金会青年科学奖、华为开发者大赛全国总决赛“代码上太空”赛道冠军奖，发表高水平论文160余篇（包括AAAI、WWW、SIGCOMM、SIGMETRICS、ISCA、ASPLOS、ICLR、ACL、USENIX FAST、 ATC、MLSys、IEEE/ACM Transactions等顶会顶刊），入选全球前2%顶尖科学家榜单和爱思唯尔中国高被引学者。

报告题目： 国产算力和人工智能大模型的机遇、挑战与应用前景

报告摘要： 

        面向AI大模型和智能体兴起的机遇与挑战，全球智能计算和云计算产业届及科技界群雄逐鹿，本报告探讨基于国产云脑算力平台如何支撑中国大模型和工具集形成全链、自主可控、示范应用、持续演进，分享在训练千亿级大模型实践中发掘的科技难题和有组织创新团队建设进展。

简介：
       长江特岗学者，深圳大学特聘教授主要研究领域通用大数据处理。中国科学技术大学计算机学士和硕士、美国得克萨斯大学奥斯汀分校统计硕士和计算机博士、曾任甲骨文美国公司高级工程师，现任大数据系统计算技术国家工程实验室副主任，深圳计算科学研究院执行院长。提出了应对多样性挑战的大数据泛构模式，建立了基于度量空间的通用大数据管理分析理论框架，创新成果获2014教育部科技进步二等奖、2016军队科技进步二等奖、2021广东省教学成果一等奖、2022国家教学成果二等奖、2023“全国高校黄大年式教师团队”、2023中国计算机学会自然科学二等奖、2023中国电子学会自然科学二等奖、2024中国电子学会自然科学一等奖等国家、省部级及权威行业学术组织教学/科研奖励。

报告题目： 基于度量空间的图数据通用表征

报告摘要： 

        一次表征多次使用的通用表征是预训练模型的研究核心之一。传统机器学习往往限定于欧几里得范数，与图（graph）天然的非欧几里得特性间存在鸿沟。度量空间不限制数据内部结构，仅须数据间距离满足正定、对称、三角不等性，可以表征很多图数据。我们提出先将图表征为度量空间再向量化，然后多范数下训练和融合模型的新范式，研究面向度量空间的表征学习理论框架，包括多范数下的通用近似性，模型参数优化机制，多模态/多任务训练融合机制等。本研究有望为图数据通用表征探索新的路径。

简介：
       吴帆博士，现为上海交通大学计算机学院特聘教授、常务副院长，国家自然科学基金杰出青年科学基金获得者。在移动端智能计算、大小模型协同、无线网络等领域发表学术论文300余篇。先后担任IEEE Transactions on Mobile Computing等5个国际学术期刊编委。曾获教育部自然科学奖一等奖2项、上海市科技进步奖一等奖，以及7次国际学术会议论文奖。作为项目负责人承担科技创新2030“新一代人工智能”重大项目、国家自然科学基金重点项目等。

报告题目： 移动端轻量化智能计算

报告简介： 

        随着手机、可穿戴设备、机器人、无人车、无人机等移动终端设备在计算、存储等方面能力的大幅提升，在移动端设备上进行智能化的数据处理（例如特征计算、模型推断和训练）成为新趋势。本报告将会追寻端智能技术的发展脉络，分享我们团队在端侧智能推理、大规模联合学习以及端云协同分布式智能支撑系统等方面的研究进展。

简介：
       北京邮电大学教授、博导，国家杰出青年科学基金获得者，获十八届中国青年科技奖，担任中国指挥与控制学会时空安全信息服务专业委员会副主任委员。主持国家重点研发计划项目、国家自然科学基金企业联合基金、国防创新特区项目、国防科技173计划重点项目等项目20余项，获得IEEE ICC 2022等会议最佳论文奖6次，获教育部技术发明一等奖、中国电子学会技术发明一等奖、中国发明协会发明创业奖创新奖一等奖、吴文俊人工智能科技进步奖二等奖等，担任IEEE Transactions on Sustainable Computing副编辑、IEEE Transactions on Circuits and Systems for Video Technology副编辑、IEEE Open Journal of the Computer Society客座编辑、《天地一体化信息网络》编委会委员等。

报告题目：

报告简介： 

简介：
       清华大学计算机系长聘教授、博士生导师、高性能计算研究所所长。青海大学计算机技术与应用学院院长。国家杰出青年科学基金获得者。CCF高性能计算专委副主任、CCF杰出会员。主要研究领域包括并行计算、编程模型与编译优化。在并行计算与系统领域顶级会议和期刊发表论文100余篇，出版专著1部。研究成果获IEEE TPDS 2021最佳论文奖、IEEE CLUSTER 2021最佳论文奖、ACM ICS 2021最佳学生论文奖等。担任NPC 2018程序委员会主席、IEEE CLUSTER 2021领域主席，IEEE Transactions on Computers等多个国际学术期刊编委。担任清华大学学生超算团队教练，指导的团队十五次获得世界冠军。获教育部科技进步一等奖、中国计算机学会自然科学一等奖、CCF-IEEE CS青年科学家奖、高校计算机专业优秀教师奖励计划，日本大川基金。

报告题目： 大模型推理系统

报告简介： 

        大模型赋能千行百业，其推理系统作为支撑引擎，面临着推理成本高的挑战。本报告将从内存管理、编译优化、模型量化和并行策略四个关键维度，深入剖析大模型推理系统的关键技术。本报告将探讨高效的内存管理方法、编译优化、模型压缩与量化，以及并行推理策略，为构建高效、低成本的大模型推理系统提供参考。同时，我们针对国产智能算力研制了“赤兔”大模型推理引擎，有效提升国产算力上大模型的推理效率。