CNCC｜绿色计算是否可以成为低碳算力发展新趋势？

王国胤

CCF理事

重庆邮电大学 副校长/教授

曾任国际粗糙集学会(IRSS)理事长，现任中国人工智能学会(CAAI)副理事长、重庆市人工智能学会(CAQQI)理事长、重庆市信息安全协会(CISA)理事长，是IRSS/CAAI/CCF会士。主要从事粒计算、知识发现、认知计算、大数据智能等研究。主持国家级/省部级项目数十项，获国家级/省部级教学科研成果奖励13项。带领的团队获评“国家级教学团队”、“国家自然科学基金委员会创新研究群体”。

报告题目：多粒度认知计算与绿色计算

报告从人脑认知与智能计算融合出发，提出多粒度认知计算这一认知科学和智能科学的交叉学科前沿研究方向，讨论其主要理论研究问题，并结合绿色计算介绍其在复杂问题简化求解、优化调度节能等方面的应用。

吴飞

浙江大学 求是特聘教授/人工智能研究所所长/上海高等研究院常务副院长

国家杰出青年科学基金获得者。负责两项国家自然科学基金重点项目，曾担任教育部人工智能科技创新专家组工作组组长，现任科技部科技创新2030“新一代人工智能”重大科技项目指南编制专家、中国工程院院刊《Engineering》信息与电子工程学科执行主编、中国人工智能学会教育工作委员会主任委员。

报告题目：端云协同下分布式模型学习与进化

基于深度学习和迁移学习等技术，以“涌现”和“同质化”为特点的大模型或基石模型取得了突出成效。在 “泛在互联、端云协同、AI赋能”时代背景下，将大模型蒸馏压缩为终端可用个性化小模型，同时终端可用个性化小模型汇聚起来提升云端大模型的泛化能力，形成端云协同机器学习计算范式，体现“须弥纳于芥子”的哲学思想，是大模型赋能经济发展和社会进步要解决的关键问题。本报告将介绍大小模型协同进化分布式机器学习平台“洛犀”。在端云协同分布式架构下，洛犀平台对图式结构海量数据深度学习，所得大模型通过高精度压缩，约简为终端可用的小模型，小模型的实践向大模型汇聚累积起来，以不断提升云端大模型的认知推理能力。

崔慧敏

中科院计算所 研究员

研究方向为面向数据中心和异构体系结构的编译技术，近年来围绕大数据、AI等新型计算范式，研究它们在异构体系结构下的编译优化方法。崔慧敏作为负责人承担科技创新2030项目、多项自然科学基金、科技部重点研发计划等项目和课题，先后在PLDI、MICRO、PPoPP等国际会议和期刊上发表论文二十余篇。在PPoPP、SC、ISCA、CGO、PACT等顶级会议上担任程序委员会委员。

报告题目：异构编译与AI编译的结合与思考

近年来异构体系结构快速发展并快速应用到HPC、AI等多个领域，以CUDA/OpenCL为代表的底层编程模型为用户提供了灵活的自定义算子能力。但是底层的编译器仍然采用Host和Kernel分离的编译策略，这一策略不仅局限了特定平台上优化潜能的挖掘，也给程序跨平台移植时的性能带来了很大的影响。我们针对这一问题，构建了Host和Kernel融合的编译基础框架，从编译的基础分析、优化变换等角度展示了将Host和Kernel融合后所带来的性能和可移植性方面的优势。进一步我们将从通用编译器和AI编译器的角度讨论对AI应用的优化方法。

孙宇

百度 杰出研发架构师/文心大模型ERNIE负责人

从事自然语言处理研究与应用十余年。领导研发了知识增强文心大模型ERNIE、百度搜索引擎关键核心技术等世界领先技术，相关技术广泛服务于数亿网民。取得全球最大语义评测等世界冠军二十余个，发表顶级学术会议论文数十篇，公开与授权国内外专利七十余项。曾获国家技术发明二等奖、世界人工智能大会SAIL奖、中国电子学会科技进步一等奖、中国人工智能学会优秀科技成果奖、中国专利优秀奖等奖项。

报告题目：百度文心大模型ERNIE技术及应用

近年来，基于自监督学习的预训练大模型成为人工智能新的研究热点，该技术使用统一的模型和范式解决各类AI任务，打破了传统技术对于大规模标注数据的依赖，显著提升了AI模型的效果、通用性及泛化性。2019年，百度创新性提出了知识增强大模型，显著提升了大模型学习效率、效果和可解释性，在全球权威榜单GLUE、SuperGLUE登顶榜首，在金融、通信、企业服务、互联网等行业取得广泛应用。本次报告主要分享百度在预训练大模型领域的技术与应用实践。

苏腾

华为 MindSpore架构师

浙江大学博士，目前是MindSpore超大规模AI技术负责人。加入华为10年，长期从事大规模分布式并行计算系统研发，曾主导华为自研的分布式任务计算框架、分布式强一致性K-V存储框架、容器化资源管理与调度框架、Actor模型编程框架的设计开发，并在多个产品落地应用，在大规模分布式系统方向有丰富的实践经验。

报告题目：昇思MindSpore超大规模AI实践

以大模型、大数据、大算力驱动的超大规模AI正成为下一代人工智能的突破口，也是迈向通用强人工智能最有潜力的技术方向之一。昇思MindSpore构建了多维度混合并行、多维度内存优化、图算融合等关键技术，支撑了20+大模型的训练。并在2021年联合高校及科研院所协同创新，发布了鹏程盘古NLP大模型、中科院紫东太初图文音多模态大模型、鹏程神农蛋白质结构大模型、武大珞珈遥感大模型等。本次分享将从昇思MindSpore大模型实践出发，介绍昇思MindSpore超大规模AI训练、微调、压缩、部署全流程关键技术，如何使用这些关键技术在昇腾大集群上训练大模型，以及昇思MindSpore上的大模型如何助力产业发展。

张科

蚂蚁集团 计算智能部首席架构师/数据智能委员会绿色AI负责人

2009年中国科学院硕士毕业加入微软，主要工作有必应搜索引擎排序系统重构和广告主平台研发，开源深度学习模型标准ONNX以及推理引擎ONNXRuntime的主要作者之一。2020年回国后加入蚂蚁，负责蚂蚁AI基础设施建设。

报告题目：蚂蚁绿色AI实践

绿色AI是在“双碳”大背景下亟需严肃认真对待和大力创新投入的关键技术领域。本次分享将介绍蚂蚁集团在绿色算法和绿色算力上的重点项目和关键技术，阐述蚂蚁集团在全面努力推进绿色AI算法和工程全栈上系统解决的问题和遇到的挑战，包括如何衡量端到端模型研发生产到消费的绿色度；如何从整体业务视角出发，做到基于有限算力的智能算法匹配，达到更好业务效果；如何做到模型推理和训练等AI工程智能化，系统服务动态伸缩，让硬件细节对算法用户透明；以及如何池化和混部高性能集群，在没有或可接受的SLA影响下，达到更好的资源利用效率等。