盛夏八月，驕陽似火，草木蓊郁，一切都彰顯著野蠻而詩意的生命力。夏天是一個探索、成長、革新的季節。在這個屬于實踐者的時節里，51CTO帶來了一場以“驅動?創新?數智”為主題的AI盛會。

　　AI技術誕生不足百年，幾經浮沉后，在最近20年迎來了全面發展與落地的黃金時期。當前AI領域有哪些前沿技術成果和實戰創新突破？如何看待AI的下一個十年？這是縈繞在眾多技術人員腦海中的議題。

      8月6日，AISummit 全球人工智能技術大會以線上直播形式如期開幕。首日，近百位專家學者、技術大牛、管理精英齊聚一堂，與數萬名參會者一起共話人工智能時代下的“數智”浪潮。

高屋建瓴，解讀AI現狀與趨勢

　　開幕致辭中，51CTO副總裁兼總編崔康先生作為本次大會的主策劃表達了對大會的期許。他認為，人工智發展至今，不再像是一門IT領域的細分技術，更像是一種通用技術。其發展雖然一路向好，但也需直面當前存在的諸多矛盾。本次大會希望為這些矛盾提供若干啟發線索，找到一些解決路徑。同時，也希望“這場大會能夠告訴參會者，AI技術和AI開發者正在讓世界變得更加美好”。

　　上午的主論壇中，6位重磅嘉賓站在技術領導者的角度解讀了人工智能的技術現狀與趨勢、從業者需要關注的研究發現以及前沿技術在業界產生的影響。

　　中國人民大學高瓴人工智能學院副院長竇志成分享了對下一代智能搜索技術的展望。他對新一代智能搜索技術的發展趨勢和核心特征進行了解讀，同時就交互式、多模態、可解釋搜索、及以大模型為中心的去索引化搜索等技術做出了詳盡分析。

　　Meta/Facebook人工智能研究院研究員及高級經理田淵棟重點解析了現實世界場景決策的機遇與挑戰。當前，如何用深度神經網絡來處理結構化的數據，為一些離散優化問題找到替代人力啟發式策略的神經網絡方案，仍然是個未解難題。田淵棟據此介紹了如何使用強化學習和搜索方法搭配神經網絡，從而尋找復雜優化問題的啟發式算法。

　　科大訊飛研究院副院長潘青華以AI的行業落地為切入口，就人工智能技術發展趨勢給出了自身的判斷。圍繞如何形成情感貫穿、虛實結合的交互方式，如何打造多模態融合、軟硬一體的復雜智能系統，如何深耕行業更優解決方案進行了深入解答。

　　谷歌資深工程師及高級經理、MLPerf團隊負責人周宗偉基于近年來算力需求爆發式增長的背景，多角度總結了影響谷歌人工智能芯片設計的十點認識，就其對新一代準理芯片的架構、設計的影響進行梳理，并對谷歌芯片、軟件的協同演進進行了解讀。

　　火山引擎機器學習系統負責人項亮則主要介紹了大規模機器學習算力的技術演進。在主題演講中，他就大模型落地中所遇到的技術難點和邊界收益遞減進行了分析，對算力與機器學習行業間的促進與影響進行了深入剖析，同時也對未來算力發展趨勢進行了預測。

       微軟Bing廣告文本生成算法負責人劉屹則以微軟Bing DeepGen項目為例，闡釋了多樣化搜索廣告文本生成及在線實時匹配的議題。具體介紹了廣告文本生成技術，包括系統簡述、基礎和多樣化生成模型，廣告在線文本實時匹配的算法模型、模型特征及商業影響。

多維解讀，分論壇亮點重點看

　　下午舉辦的四場分論壇也是精彩紛呈、高潮迭起。其內容覆蓋“AI驅動下的搜索與推薦”、“MLOps最佳實踐”、“機器學習性能優化之路”、“計算機視覺應用與創新”四大議題16個細分話題方向。

AI驅動下的搜索與推薦

　　數字化轉型浪潮催生了搜索推薦技術的新的演進，推薦技術也迎來了與智能算法深度融合的階段。在“AI驅動下的搜索與推薦”分論壇，搜索與推薦領域的資深專家從業務實踐的角度，分享了智能搜索與推薦領域的前瞻思考。

　　阿里媽媽資深技術專家、外投廣告技術負責人王亮就聯邦學習的概念及聯邦學習在阿里廣告投放中的應用進行了解讀；騰訊資深研究員、在線視頻知識圖譜負責人馬建強以騰訊視頻搜索的垂直搜索為背景，重點介紹了視頻搜索的主要技術場景、算法架構及進展、短視頻向量召回、長視頻IP知識圖譜的應用等內容；美團搜索排序負責人陳勝以“美團搜索排序平臺的建設與實踐”為主題，詳細解讀了美團搜索的技術架構、排序平臺的落地建設、排序算法的優化中的點點滴滴；快手高級推薦算法專家臧曉雪帶來了快手在因果推斷和圖神經網絡算法的最新研究。

MLOps最佳實踐

　　人工智能在企業規模化應用中，存在研發上線周期長、數據和模型難匹配等挑戰。MLOps應運而生。在“MLOps最佳實踐”分論壇，專家們圍繞研發運維周期、持續訓練和持續監控、模型版本和血緣、數據線上線下一致性、高效數據供給等熱點方向，探討了MLOps的實戰效果和前沿趨勢。

       開放原子基金會 TOC副主席、LF AI & Data TAC成員譚中意介紹了MLOps的概念、定位、主要內容、常見項目，以及評估一個AI團隊MLOps的能力和水平的標準；第四范式系統架構師、OpenMLDB研發負責人盧冕圍繞開源機器學習數據庫 OpenMLDB，分析了其如何實現機器學習特征開發即上線的目標，及如何保證特征計算的正確性、高效性；網易云音樂人工智能研究員、技術總監吳官林從云音樂業務背景出發，闡釋模型實時化落地方案、結合FeatureStore進一步輻射到更多場景的思考與實踐；中國工商銀行軟件開發中心大數據和人工智能實驗室副主任黃炳重點介紹了工商銀行的MLOps實踐，涵蓋模型研發、模型交付、模型管理、模型迭代運營的全生命周期管理體系的建設流程及技術實踐。

機器學習性能優化之路

　　機器學習領域，企業對于算法的性能要求不斷提升：如何保證系統的穩定性？如何用工程手段解決樣本不足和模型實時性問題？如何提高易用性？在“機器學習性能優化之路”分論壇，各專家就此分享了各自的見解。

　　滴滴首席工程師楊洋針對傳統數據運營的痛點，講解了個性化推薦在數據運營中的創新應用，并就未來數據運營所需要完善的技術和業務進行了展望；同濟大學百人計劃特聘研究員、博士生導師王昊奮就文本+知識的多策略問答和兩種形式的多模態問答中涉及的關鍵技術以及常用數據集進行了解讀；快手高級算法專家蔡慶芃以強化學習在快手短視頻推薦系統的技術落地為案例，解讀了快手基于強化學習進行在線尋參、兩階段約束強化學習算法、如何優化達成APP活躍度的實戰經驗；網易云音樂算法平臺研發專家黃彬介紹了網易云音樂在線預估系統的實踐與思考，包括如何建設一套高性能、易用的預估系統、以及如何通過工程手段解決樣本和模型實時化等問題。

計算機視覺應用與創新

　　計算機視覺（CV）作為AI技術的急先鋒，是很多創新型關鍵技術的基礎。在“計算機視覺應用與創新”分論壇，CV領域的專家就視頻質量監控、視頻智能創作、自動駕駛等多個場景進行了深度解析。

　　阿里巴巴優酷技術中心總監、摩酷實驗室負責人李靜針對短視頻創作領域存在的問題，提出利用AI完善短視頻創作流程，分享了優酷AI視頻智能生產系統的探索與實踐；SSIMWAVE聯合創始人及首席研究員曾凱就如何解決端到端的視頻質量監控系統可能出現的問題，基于AI的客觀視頻質量評價算法進行了講解；螞蟻集團大安全圖像相似溯源算法負責人唐董琦以螞蟻安全科技“思源”相似溯源引擎為實踐案例，圍繞開放場景下如何進行識別與追溯進行了技術拆解；如果智行感知技術專家馬志國就自動駕駛中的激光雷達解決方案進行分析，講解自動駕駛中涉及的感知技術，同時就數據與自動駕駛間的關系進行了深度剖析。

更多精彩，敬請期待

　　以本次AISummit大會為契機，51CTO在未來也將持續與生態合作伙伴展開探索和嘗試，為廣大技術人員搭建一個人工智能領域的深度交流與分享平臺。8月7號，大會還將迎來智能語音、智慧金融、元宇宙等專場，關注本次大會的朋友們可以期待精彩繼續。