深度学习相对于传统统计机器学习功能上更强大，但内核却更简洁，仅须张量计算和梯度下降算法这两个核心概念就可包罗万象，这为包括AI编译器，面向训练和推理的AI框架，向量引擎以及MLOps平台等方向的AI基础设施软件带来了前所未有的标准化机会。AI基础设施软件技术横跨深度学习算法、编程语言、编译器、数据库、分布式系统、高性能网络和AI芯片等多个前沿领域，也是当前学术界和产业界共同感到兴奋的新领域。2021年10月30日，由DataFun主办的DataFunSummit：AI基础软件架构峰会如约而至，本次峰会由阿里云林伟老师，腾讯潘欣老师，一流科技袁进辉老师精心策划而来，将全程直播！
AI基础设施软件的重要性毋庸多言，它承载了提升工程师生产效率，释放硬件计算能力，拓展硬件灵活性等诸多关键角色，毫无争议成为人工智能的“大脑”，恰逢开源和云原生两个发展大势，AI基础设施软件隐隐然正形成一个新的产业。下面就让我来看看都有哪些Topic以及日程安排吧！
随着AI技术深入到人们生活的各个领域，AI基础软件也经历了较大的发展，其中最核心的深度学习框架从萌芽期的Torch，Theano，到上升期的Caffe，TF，Pytorch，到如今整个生态的繁荣，比如DeepSpeed，无量，Ray，MLIR等等。另外AI基础软件的周边生态也呈现出非常繁荣的景象，比如模型部署Serving的TFServing，Triton，AutoML工具NNI，Katib，以及AIFlow比如TFX和KubeFlow。AI基础软件极大的推动了AI技术的发展和应用。另外我们也看到未来AI Everywhere的趋势越来越明显。将来大部分的微服务都会是AI模型服务，软件工程的过程也会从Programming变成Training。面向未来，还有非常多算法和工程上的挑战需要攻克。比如AI庞大算力和能源开销，AI芯片应用和调优人力成本较大，以及跨框架和软件的兼容等等。——峰会主席：潘欣 腾讯PCG机器学习平台部和应用架构平台部技术负责人
深度学习应用已无处不在，除了众所周知的计算机视觉、语音识别、自然语言处理以及互联网公司流量变现所倚重的搜索推荐广告技术，深度学习正以“软件2.0”的姿态进入到生物制药、新材料以及科学计算等领域。深度学习相对于传统统计机器学习功能上更强大，但内核却更简洁，仅须张量计算和梯度下降算法这两个核心概念就可包罗万象，这为包括AI编译器，面向训练和推理的AI框架，向量引擎以及MLOps平台等方向的AI基础设施软件带来了前所未有的标准化机会。AI基础设施软件技术横跨深度学习算法、编程语言、编译器、数据库、分布式系统、高性能网络和AI芯片等多个前沿领域，也是当前学术界和产业界共同感到兴奋的新领域。AI基础设施软件的重要性毋庸多言，它承载了提升工程师生产效率，释放硬件计算能力，拓展硬件灵活性等诸多关键角色，毫无争议成为人工智能的“大脑”，恰逢开源和云原生两个发展大势，AI基础设施软件隐隐然正形成一个新的产业。
多年以来，随着多内互联网业和人工智能创业浪潮的蓬勃发展，国内的人工智能应用的水平已进入世界前列，庞大的的场景和高水平的工程师群体为AI基础设施软件的发展提供了良好的发展机遇。在筹备此次活动的过程中，我们深切感受到，无论是AI基础设施软件的深度用户还是开发人员都希望更多的了解行业现状和发展趋势，需要一个学习和交流舞台。此次会议上将要分享的话题广度和深度都创新高，演讲嘉宾无论是来自科研机构，知名企业还是新锐初创企业，背后都是各个技术方向最有代表性、最有影响力的项目。我们期待组织这次峰会可以为国内AI基础设施软件的发展贡献一份微薄的力量。
