官宣！大模型技术与开源生态发展论坛全议程来了

大模型技术作为人工智能领域中的一颗璀璨明星，正在不断地改变着我们的生活和工作方式。当越来越多的大模型取得了参数规模与模型效果上的突破，在不同的应用场景中的持续探索也不可避免地遇到了许多挑战，其中最主要的计算资源和训练效率的问题困扰业界已久。

由于模型参数规模的爆炸式增长，训练和推理所需的计算资源和时间也在急剧增加。这不仅增加了成本和能耗，还限制了模型在实际应用中的部署和推广。因此，如何提高大模型的训练效率和降低计算资源消耗，是当前和未来研究的重要方向。同时，基于基础大模型的持续训练、与应用开发，也是开发者们关注的重点。

由中关村论坛办公室、北京市网信办、北京市发改委、北京市经信局、海淀区人民政府指导，中关村科学城管委会、CSDN 中国开发者网络联合主办的“中关村开源生态论坛暨大模型智能应用技术大会”将在北京·海淀隆重举行。其“大模型技术与开源生态发展”分会场将邀请一线大模型技术专家分享他们的模型生态与工程实践经验，帮助开发者们更好地基于现阶段模型持续探索更前沿的应用。

接下来，让我们一起来围观都有哪些重磅嘉宾与精彩议程吧。

现在预约直播、直达精彩~

扫描海报下方的二维码报名参会，还有限时优惠！

大模型技术与开源生态发展

完整议程

参会嘉宾&分享主题

演讲主题：

基于 LLM 的 Agent 赋能软件研发

分享嘉宾

李沫南  Boolan 首席技术顾问、资深大模型技术专家

资深软件专家，对自然语言处理、全文检索系统、数据库引擎、编程语言理论和 Rust 编程语言有深入研究，Coreseek 和 LogInsight 的创始人、联合创始人，曾任 PingCAP 技术顾问。CoreSeek 检索系统曾广泛用于中文互联网 BBS 社区。

分享摘要：大语言模型已经在代码生成方面得到了广泛应用，并逐步渗透到了软件研发的各领域。由于缺少合适的着力点，在软件研发的其他方面，大语言模型的应用仍处于概念展示阶段。我们从大语言模型的工作原理和其能力限制出发，展示一条将大语言模型可靠的引入软件研发全生命周期的可能的路径。

演讲主题：

大模型时代工程架构及思想的变与不变

分享嘉宾

张铁蕾 水木分子技术工程副总裁

张铁蕾，现任水木分子技术工程副总裁，带领团队在业内推进生物医药大模型和新一代药物研发助手 ChatDD 的架构设计和工程落地。毕业于清华大学计算机系，有十余年的互联网创业、从业经验，在 AI、分布式系统、大数据处理等技术领域有深入的研究和落地经验。曾在快手担任商业化事业部业务中台研发中心负责人，主持研发了品牌广告平台、CRM 等多个大型工程系统。加入快手之前，曾任职于阿里巴巴人工智能实验室，担任天猫精灵对话引擎和智能运营技术团队负责人，与同事共同打造出天猫精灵第一代对话引擎 AliGenie。在职业生涯的早期，张铁蕾曾作为开放平台技术负责人参与人人网早期创业，并作为联合创始人和 CTO 创办北京发现角科技有限公司。

分享摘要：工程师在大模型时代面临的崭新问题和挑战；在 Prompt Engineering、幻觉消除、RAG、流式与异步、推理资源挑战、大规模数据处理等方面，工程架构上的新要求和新思路；在新时代，AI 工程师思路上的转变，等等。

演讲主题：

⼤模型在⽹络安全⾏业的应⽤与实践

分享嘉宾

闫绍华  亚信安全 5G 安全研究院院长

闫绍华，研究生学历，拥有 18 年网络安全和移动通信经验，曾就职于 Fortinet，Nokia，和 360 等安全和通信公司，历任 Nokia 核心网系统架构师，360 服务端技术委员会主席，360 终端安全技术总监，目前担任亚信安全 5G 安全研究院院长，拥有  20+网络安全相关技术专利，在网络安全，AI 大模型领域拥有丰富的经验。

分享摘要：本议题将分享亚信安全的⽹络安全业务和⼤模型技术深度结合，利⽤⼤模型能⼒来⼤幅提升安全运营效率和智能化⽔平，特别是告警降噪，安全辅助分析，安全知识库，安全报告自动生成等等；同时，在大模型安全领域，亚信安全重点打造大模型安全网关产品，对大模型的提示词注入攻击，敏感信息泄露，后门攻击，数据训练投毒等提供安全防护能力。

演讲主题：

AI 驱动软件工程系统实践

分享嘉宾

徐磊 英捷创软 CEO、首席架构师

徐磊，英捷创软首席架构师、CEO，SmartIDE 开源项目创始人，AISE 创始人，资深软件工程专家，微软最有价值专家 MVP，微软区域技术总监 RD，华为云MVP，认证ScrumMaster，EXINDevOpsMaster、Professional 认证讲师，敏捷精益社区 IDCF 创始人，GitHub 中国区授权服务团队负责人，首批 GitHubStar 奖项获得者。专注于软件工程，敏捷精益商业创新方面的管理咨询和产品开发。客户涵盖从电信，能源，传统生产制造，金融和电商等各行业。

分享摘要：从 2023 年 6 月开始，徐磊正式构建团队开始“ AI 驱动软件工程-AISE ”平台的开发，并在 3 个月内将第一个版本部署到了某全球大型银行的中国区研发中心，在 9 月底有超过 3500 名用户日常使用。本次分享将把 AISE 这一典型的大模型应用系统的开发经验总结展示给大家，并聚焦在 3 个关键问题：

1、模型能力是否决定一切，开源模型能力到底如何？

2、大模型应用系统与传统应用系统的区别？

3、提示词工程的 3 个阶段：单提示词优化、多提示词调度、提示词流。

演讲主题：

从开源软件到 AI 大模型的生态范式革新

分享嘉宾

林旅强  零一万物 01.AI 开源负责人

林旅强(Richard)，零一万物开源负责人，开源社联合创始人，有 15 年+的开源和开发者关系经验，活跃于多个社区。曾任华为云AI开发者生态总监、中央研究院开源专家，译有《开发者关系：方法与实践》中国首部 DevRel 专书。

分享摘要：本议题聚焦于 AI 大模型生态中的开源概念及其所带来的变革。讲者将从一个开源人的角度出发，深入探讨“开源”在AI大模型领域中的意义、它所扮演的积极角色，以及在开源大模型和传统开源软件之间的对比。其中，演讲将会就若干个知名 LLM（如Llama、Yi模型等）的开源许可设计及其开源生态的实际情况，来分析其在遵循或偏离开源标准和社区期待的不同方面，并探讨这些差异对整个技术和产业生态系统的潜在影响。

演讲主题：

QuickCreator 出海 0 到 1 实战

分享嘉宾

阎志涛  北京快用云科技术有限公司联合创始人

阎志涛，北京快用云科技术有限公司联合创始人。微信公众号《老阎杂货铺》主理人。前 TalkingData 早期团队成员，研发副总裁，CTO。前 IBM，Oracle 资深技术专家。目前创业在出海 AI 生成 SEO 博客，记录并分享自己出海的经验和踩过的坑。

分享摘要：本议题将介绍出海 AI 生成 SEO 博客产品 QuickCreator 的从 0 到 1 的过程。包括 ：

1、一个内部效率项目变成产品的过程；

2、如何收获最早的客户；

3、如何收集客户的真实反馈；

4、海外营销渠道分析；

5、踩过的坑。

演讲主题：

AI 基础设施对云计算的挑战

分享嘉宾

王璞  达坦科技（DatenLord）联合创始人

王璞博士，达坦科技（DatenLord）联合创始人。王璞博士拥有多年云计算领域的经验，擅长分布式计算、海量数据处理、大规模机器学习。曾供职 Google 美国总部，负责 Google 广告部门海量数据处理平台开发。2014 年回国创业，创立数人云，专注容器技术在国内的落地和推广。2018 年，数人云被收购。2020 年，创立达坦科技（DatenLord），致力打造新一代云原生存储平台，专注解决企业级客户在跨云、跨数据中心方面的异构存储、数据统一访问需求。王璞拥有美国 George Mason 大学计算机博士学位，北大计算机专业硕士学位和北航力学专业学士学位。王璞发表数十篇论文，被引用累计上千次，并拥有多项云计算专利、软著。王璞于 2020 年评选为腾讯云 TVP。

分享摘要：随着 AI 时代的来临，AI 应用逐渐成为云计算和数据中心的重要应用场景。未来数据中心里有可能超过 50 %的应用是 AI 相关。

过去十几年云计算高速发展，云计算技术以 CPU为主，诞生了一系列虚拟化相关技术，并支撑云计算的快速普及落地。但是 AI 应用以 GPU 为主，GPU 的技术栈跟 CPU 完全不一样，GPU 上的虚拟化目前还不是很常用，而且 CUDA 还有很多闭源的部分。本次分享着重探讨 GPU 对云计算现有技术栈的挑战，以及如何把云计算技术应用于 AI 推理场景。

演讲主题：

AIInfra：大模型热潮背后的“基建工程”

分享嘉宾

徐宗泽  MetaGPT 核心成员 、DeepWisdom VP

徐宗泽，DeepWisdom 合伙人之一，团队 AgentOS 事业部经理。佩斯大学硕士，河海大学（在读）博士；在 DeepWisdom 负责包括电力、零售、金融等多个领域的 AI Infra 的应用落地；拥有数千万级 AIInfra 能源项目实践落地经验，MetaGPT 团队核心成员。

分享摘要：随着 AI 技术的迅速发展，大模型如 ChatGPT 等正引领新的 AI 变革。然而，这背后的挑战在于如何有效管理和运营这些复杂的 AI 系统。目前，多数 AI 项目难以从原型转化为生产实体，主要原因包括跨团队协作难度、过程和资产管理不足、以及长周期的生产和交付。本次分享旨在探讨如何通过 MLOps（机器学习运维）构建高效的AI研发和运营体系，解决团队协作、流程标准化和快速交付的问题，从而提高 AI 项目的生产转化率。通过这些措施，DeepWisdom 通过构建全自动 AI 研发运营中台，实施了标准化、自动化的 MLOps 实践。这包括自动化、持续性、版本化、可监控、可测试、可追溯、可复现、可协作等原则，以实现机器学习模型的全生命周期管理。DeepWisdom 提高了 AI 项目的转化率和生产效率。这不仅支持了 AI 技术的快速发展和应用，还推动了数字经济与实体经济的深度融合，为 AI 产业的持续发展提供了坚实的基础。