深度學習相對於傳統統計機器學習功能上更強大，但內核卻更簡潔，僅須張量計算和梯度下降算法這兩個核心概念就可包羅萬象，這為包括AI編譯器，面向訓練和推理的AI框架，向量引擎以及MLOps平臺等方向的AI基礎設施軟體帶來了前所未有的標準化機會。AI基礎設施軟體技術橫跨深度學習算法、程式語言、編譯器、資料庫、分布式系統、高性能網絡和AI晶片等多個前沿領域，也是當前學術界和產業界共同感到興奮的新領域。2021年10月30日，由DataFun主辦的DataFunSummit：AI基礎軟體架構峰會如約而至，本次峰會由阿里雲林偉老師，騰訊潘欣老師，一流科技袁進輝老師精心策劃而來，將全程直播！
AI基礎設施軟體的重要性毋庸多言，它承載了提升工程師生產效率，釋放硬體計算能力，拓展硬體靈活性等諸多關鍵角色，毫無爭議成為人工智慧的「大腦」，恰逢開源和雲原生兩個發展大勢，AI基礎設施軟體隱隱然正形成一個新的產業。下面就讓我來看看都有哪些Topic以及日程安排吧！
隨著AI技術深入到人們生活的各個領域，AI基礎軟體也經歷了較大的發展，其中最核心的深度學習框架從萌芽期的Torch，Theano，到上升期的Caffe，TF，Pytorch，到如今整個生態的繁榮，比如DeepSpeed，無量，Ray，MLIR等等。另外AI基礎軟體的周邊生態也呈現出非常繁榮的景象，比如模型部署Serving的TFServing，Triton，AutoML工具NNI，Katib，以及AIFlow比如TFX和KubeFlow。AI基礎軟體極大的推動了AI技術的發展和應用。另外我們也看到未來AI Everywhere的趨勢越來越明顯。將來大部分的微服務都會是AI模型服務，軟體工程的過程也會從Programming變成Training。面向未來，還有非常多算法和工程上的挑戰需要攻克。比如AI龐大算力和能源開銷，AI晶片應用和調優人力成本較大，以及跨框架和軟體的兼容等等。——峰會主席：潘欣 騰訊PCG機器學習平臺部和應用架構平臺部技術負責人
深度學習應用已無處不在，除了眾所周知的計算機視覺、語音識別、自然語言處理以及網際網路公司流量變現所倚重的搜索推薦廣告技術，深度學習正以「軟體2.0」的姿態進入到生物製藥、新材料以及科學計算等領域。深度學習相對於傳統統計機器學習功能上更強大，但內核卻更簡潔，僅須張量計算和梯度下降算法這兩個核心概念就可包羅萬象，這為包括AI編譯器，面向訓練和推理的AI框架，向量引擎以及MLOps平臺等方向的AI基礎設施軟體帶來了前所未有的標準化機會。AI基礎設施軟體技術橫跨深度學習算法、程式語言、編譯器、資料庫、分布式系統、高性能網絡和AI晶片等多個前沿領域，也是當前學術界和產業界共同感到興奮的新領域。AI基礎設施軟體的重要性毋庸多言，它承載了提升工程師生產效率，釋放硬體計算能力，拓展硬體靈活性等諸多關鍵角色，毫無爭議成為人工智慧的「大腦」，恰逢開源和雲原生兩個發展大勢，AI基礎設施軟體隱隱然正形成一個新的產業。
多年以來，隨著多內網際網路業和人工智慧創業浪潮的蓬勃發展，國內的人工智慧應用的水平已進入世界前列，龐大的的場景和高水平的工程師群體為AI基礎設施軟體的發展提供了良好的發展機遇。在籌備此次活動的過程中，我們深切感受到，無論是AI基礎設施軟體的深度用戶還是開發人員都希望更多的了解行業現狀和發展趨勢，需要一個學習和交流舞臺。此次會議上將要分享的話題廣度和深度都創新高，演講嘉賓無論是來自科研機構，知名企業還是新銳初創企業，背後都是各個技術方向最有代表性、最有影響力的項目。我們期待組織這次峰會可以為國內AI基礎設施軟體的發展貢獻一份微薄的力量。