CNCC | 大算力、大模型与科学智能——文继荣、纪荣嵘等CNCC技术论坛专家分享真知灼见！

文继荣

中国人民大学信息学院院长、高瓴人工智能学院执行院长

曾任微软亚洲研究院高级研究员和互联网搜索与挖掘组主任。长期从事大数据和人工智能领域的研究工作。2018年入选首批“北京市卓越青年科学家”。

大语言模型时代的搜索与推荐算法

大语言模型在近年来引起了极大的关注，代表了人工智能在语言理解、知识表示、逻辑推理等能力上的重大突破。和很多其它领域一样，信息检索目前也正在跨入“大模型时代”，致力于解决内部知识和外部知识的融合问题，以实现更精确更自然的信息获取。我将介绍我们在该领域的最新研究成果和思考。

纪荣嵘

厦门大学教授

主要研究方向为计算机视觉、多媒体技术和机器学习。研究侧重点是开发大数据驱动的计算机智能处理系统，进行视觉场景理解、视觉行为分析、多媒体内容理解、及视觉内容检索。当前的研究兴趣还包括面向视觉搜索的紧凑描述子、社会多媒体大数据分析、场景深度推理、人群行为理解、以及遥感图像分析等。百余篇科研论文发表于国际期刊PAMI、IJCV、TIP和国际会议CVPR、ICCV、IJCAI、AAAI、ACM Multimedia上，曾获得2007年微软学者奖、2011年ACM Multimedia最佳论文奖、2015年黑龙江省自然科学二等奖，2016年教育部技术发明一等奖，2018年福建省科技进步一等奖，2020年福建省科技进步一等奖，2022年霍英东青年科学奖。

从ChatGPT到国产多模态基础大模型

随着深度学习技术的快速发展，ChatGPT作为自然语言处理领域的重要突破，引起了广泛关注。本次探讨ChatGPT在自然语言处理领域中的重要性以及其所具有的优秀特性，继而引出国产多模态基础大模型的研发意义，以及如何通过结合多模态数据和深度学习技术来实现新型国产化基础模型的构建。具体来说，将讨论多模态数据的处理方法、模型构建的关键技术以及如何实现紧致化部署等相关技术点。本讲座的研究成果将为解决多模态大模型的部署难题和提高模型性能和效率提供借鉴和参考。

张伟伟

西北工业大学航空学院副院长

教育部长江学者教授，流体力学智能化国际联合研究所中方负责人。主要从事飞行器气动弹性力学、智能流体力学、非定常空气动力学与流动控制等方面的研究。在PAS、JFM等国内外知名刊物发表论文100余篇。主持国家自然科学基金等国家级项目10余项。发展了高效高精度的空气动力模型和气动弹性分析方法，揭示了复杂流固耦合问题的诱发机理，有力支撑了我国航空、航天、兵器等十多个单位20多个型号的研制，获得省部级科研成果奖5项。曾获得国家优秀青年基金、航空学会青年科技奖、空气动力学会首届青年科技奖等荣誉。担任中国空气动力学会理事，空气弹性力学专业委员会副主任，中国力学学会流固耦合力学专业委员会副主任，AST、TAML、AAMM等国际知名期刊编委，航空学报、空气动力学学报等期刊青年编委。

面向流体力学大模型的初步思考和展望

近年以ChatGPT为代表的系列深度神经网络大模型的成功实践，极大推动了智能技术和产业的发展。大规模数据、算力和算法的深度结合，为科学发现带来全新研究范式。流体力学涉及广泛的经典物理、数值方法和工程应用，正成为数据和知识驱动的AI for Science的先锋领域。报告首先概述自然语言处理、计算机视觉和天气预报等大模型研究进展，而后引出复杂流场建模、偏微分方程求解、飞行器多模态/多源气动数据智能融合和AI湍流建模等流体力学问题的研究现状，总结了流体力学大模型研究面临的多学科交叉、可解释性和大数据小样本等难题。基于AI大模型有望打造涵盖气动优化设计、智能流动控制、流-固-热耦合、生命科学和能源勘探等流体工业全场景的工程智能底座，从而进一步探索全新的流体力学研究范式、面向流体力学的人工智能框架、流体力学的物理规律。最后，结合大模型、科学智能的发展趋势及AI计算系统带来的新机遇，概述了大模型驱动的智能流体力学未来愿景。

冷静文

上海交通大学计算机科学与技术系教授/博导

面向深度学习系统的软硬件协同优化与进展

随着人工智能技术的飞速发展，其与计算系统的紧密融合已是信息科技领域的一大发展方向。近年来，大模型对计算能力的需求在短短两年间飙升了240倍，这一跨越性增长使得传统依赖摩尔定律的芯片技术显得捉襟见肘。然而，这种压力反而催生了诸如微体系结构和计算数值类型这些芯片处理器架构的新创意。与此同时，硬件的快速变革也对系统软件带来了前所未有的挑战。为了构建既高效又易用的专属AI计算系统，深度的软硬件协同设计成为关键。在本次报告中，我们将分享最新的研究成果，包括如何通过微架构创新来满足大模型的算力需求，以及如何设计层次化的自动化编译系统，旨在面向用户掩盖硬件复杂性，并能够灵活适应各种上层应用的多样化需求。

周斌

华为昇腾计算业务研发总裁

2010年加入华为，曾在华为2012实验室担任分布式并行技术实验室主任、AI基础软件高级研发总监等重要管理岗位，在编译器编程语言、分布式并行软件、人工智能等前沿技术领域具备丰富的技术创新和管理经验。

昇腾大模型基础设施解决方案

大模型训练带来计算领域的极大挑战，它极度依赖高密度计算、大显存和复杂通信能力。因此需要大规模集群来完成，这又带来集群管理、可靠性等诸多问题。华为依赖在ICT领域的长期积累，从芯片到集群，从基础软件到集群管理软件，提供全栈大模型基础设施。本次报告带来华为大模型全栈体系的介绍，包括硬件和软件，已经生态支持等最新情况。