从 ChatGPT 对于基础设施的高度要求可以发现，AIGC 类的大模型不仅从算力维度给产业带来新的技术挑战，更从商业模型上带来了突破和变革，AI 模型服务化已经成为未来人工智能应用部署的发展趋势。本次分享将探讨，在面对这些挑战和趋势时，英特尔硬件平台与OpenVINO 工具套件如何帮助广大开发者降低 AI 模型的部署门槛，优化大模型任务性能。

演讲大纲：

1、AIGC 图像生成任务 demo

2、大模型发展趋势与商业落地模式

3、AI 模型服务化部署解决方案

演讲嘉宾： 英特尔 AI 软件工程师杨亦诚，拥有多年人工智能项目的落地经验，曾作为解决方案工程师多次参与工业边缘 AI 项目的方案设计与现场交付。现负责 Intel 边缘智能生态的软件技术支持与推广工作。

近年来，随着 AIGC（Artificial Intelligence Generated Content）概念的兴起和相关技术的不断发展，而文本作为生成内容的重要一环，文本生成技术也经历了重大的变革，这一发展给相关研究领域和应用场景带来了新的机遇。本次演讲将聚焦于文本生成技术的进步和变革，并探讨由此带来的新的应用场景。同时，也将一起展望未来的发展趋势，以期更好地了解这一技术领域的发展方向。

演讲大纲：

1. 引言
2. 文本生成技术的发展
3. 文本生成技术的新变革
4. 文本生成技术未来发展趋势
5. 总结

演讲嘉宾： 字节跳动 NLP 算法工程师陈家泽，毕业于北京大学，后加入字节跳动人工智能实验室，负责 NLP 中台的能力建设。长期从事文本生成的研究与业务应用，曾在 ACL、EMNLP 等会议上发表多篇论文。

随着高质量 AIGC 的大规模普及，千亿规模大模型的训练不再高不可攀，Google 不断推出的 LaMDA、Imagen、PaLM、Parti 等生成任务大模型也打磨出了 PAX 这种轻松训练千亿规模参数的大模型框架，随着 Cloud TPU v4 对外部客户的 GA, 您也可以在 Google Cloud 上轻松训练一个属于自己的千亿参数大模型。本演讲让您洞悉背后的具体细节。

演讲大纲：

1. Google 近期主要大模型概览
2. TPU v4: 训练大模型的算力
3. PAX: 训练大模型的框架

演讲嘉宾： Google Cloud 机器学习专家王顺，主要负责用户 AI/ML 相关业务在 Google Cloud 上的部署和实践，主要服务 TPU/GPU 大模型训练任务上云、利用 Vertex AI/AutoML 提升模型的性能和迭代效率，以及垂直行业的 AI 解决方案，比如电商的推荐搜索、制造业的智能检测和生物医药行业使用深度学习加速药物发现等。

基础大模型推动了 AI 范式的转变。智谱 AI 千亿参数量的大模型 ChatGLM-130B 经过微调训练，可以从文本，图像，代码等不同数据中学习，适应不同领域的任务。近期开源 ChatGLM-6B 更是可以在消费级的显卡上进行本地部署，CodeGeeX 在代码生成的场景中，正在成为 Github Copilot 的平替。未来绝大多数代码都将由AI驱动产生，每个开发者都需要寻找成为 AI2.0 程序员的路径，本次分享将为你拨开 AIGC 工作原理和应用场景的迷雾。

演讲大纲：

1. 自动代码生成与预训练模型背景
2. CodeGeeX 模型实现
3. VS Code 与 JetBrains IEDs 插件实现与功能
4. 未来开源开发计划

演讲嘉宾： 清华大学 KEG 知识工程实验室研究助理郑勤锴，清华大学知识工程实验室研究助理，本科及硕士毕业于上海交通大学，并取得巴黎高等电信学校工程师学位，研究领域是基于预训练模型的代码生成。