人工智能时代：打造AI基础平台是关键 ｜ QCon+

现阶段，在政策和市场的双重驱动下，人工智能已经获得长足的进步和发展。随着 AI 技术在业务中的广泛应用，搭建自己的 AI 平台便成为了最近两年很多企业的重点战略规划。

如何打造能够满足不同业务需求的高性能 AI 基础平台？如何满足不同产品、不同阶段对 AI 能力的诉求？

QCon+ 案例研习社即将上线《高性能 AI 平台的建设与应用》专题，腾讯、虎牙和华为等大厂的技术专家分别介绍了 AI 技术在企业各业务场景的应用实践，解读深度学习的一些前沿技术，获取关键技术解决方案。以下是专题案例详情：

案例一：

腾讯从 GPU 集群建设，到大规模的虚拟机 / 容器调度，最后到深度学习框架和组件的优化，都能提供全栈的解决方案，帮助 AI 工程师达成目标。目前支撑了腾讯内部游戏 AI、CV、信息流、NLP 等主流业务场景下的深度学习模型训练。

演讲提纲：

1. 业务场景需求
2. 深度学习平台整体架构
3. 大规模 GPU 调度系统
4. 深度学习加速
5. 业务效果和演进方向

你将收获：

1. 对深度学习平台有完整全貌了解
2. 介绍深度学习的一些前沿技术和其实际落地情况

案例二：

针对大规模标注数据交付难的问题，虎牙 AI 平台在引入外部标注团队的同时，开发了 AI 辅助标注技术，提升标注的人均和平台交付效率。

在模型生产环节，虎牙 AI 平台提供了多种产品形态满足不同 AI 应用、不同阶段的需求，比如 Notebook 用于数据处理、模型构建，工作流平台满足模型自动化迭代的需求，大规模分布式训练平台解决模型训练时间过长的痛点。

最后，虎牙 AI 平台的跨平台推理加速引擎，帮助算法工程师屏蔽底层复杂的异构计算环境，实现跨平台的模型优化和一键部署。

演讲提纲：

1. AI 技术在直播场景中的应用及面临的挑战
2. 虎牙 AI 平台技术架构演进
3. 一站式机器学习平台建设
4. 规划和展望

你将收获：

1. 机器学习端到端的工作流程
2. 混合云架构下的 AI 基础设施建设
3. 互动直播场景的 AI 工程实践

案例三：

当前边缘 AI 的主流模式是“云上训练，端边侧推理”，但是边侧模型性能受限于资源，训练数据仍需上云，另外边侧模型同质，效果不能达到最佳。面对边缘资源受限、地理分布、数据有偏、场景化等特点。

此案例将介绍一个基于开源 KubeEdge 平台的边云协同 AI 框架 SolarCorona，提供边云协同推理和边云协同训练能力，能快速开发具备边云系统 AI 能力的边缘应用，在边侧资源受限、小样本冷启动、数据隐私保护条件下，显著提升模型推理准确度 10~20%。SolarCorona 框架包括多目标模型组的生成、边侧模型增量学习和边侧数据不满足 IID 条件时的联邦迁移学习等特性。

演讲提纲：

1. 边缘 AI 现状与技术挑战
2. 边云协同 AI 框架 SolarCorona 架构
3. 边云多模型协同推理微服务
4. 边云协同训练微服务
5. 案例介绍

你将收获：