专题：Keynote 主题演讲

2024 中国技术力量年度榜单发布

近年来，随着大语言模型（LLM）与多模态大模型（MLLM）的高速发展，文本、图像以及其他模态信息的生成在质量上取得了长足进步，成为大模型最主流的应用之一。但在真实应用场景中，大模型面临的生成需求复杂多样，而现有大模型在处理不同的用户指令时，生成结果依然无法非常准确地遵循指令的条件，从而大大限制了大模型的应用场景和效果。

本演讲将介绍主流大模型在文本或图像生成时面临的可控性挑战，对部分现象成因的分析，并介绍阿里国际AI团队在优化可控生成方向上所作的创新探索工作。

演讲提纲：

1. 大模型可控性挑战
2. LLM和MLLM可控成因分析
3. 主流可控生成策略
4. 文图可控生成的探索研究
5. 总结与展望

听众收益：

• 了解大模型在文本和图像可控生成面临的挑战和可能的原因
• 了解大模型文图可控生成目前的解决方法和进展
   

随着大模型在行业的落地，大模型逐步成为数智化系统的关键基础设施，其潜在的主体地位和应用广度，也带来了新的安全风险和安全挑战。企业研发和应用大模型的过程中，如何正确认识大模型的安全风险，更好的发现、评估和解决相应的安全问题，对于模型落地至关重要。

本次演讲将介绍大模型落地过程中的各类安全风险，然后从系统安全、内容安全、内容可信三个方面讲述遇到的技术挑战和研究进展，并结合不同场景给出大模型安全的解决方案。

演讲提纲：

1. 大模型安全挑战
2. 大模型软件生态安全
3. 大模型内容安全
4. 大模型幻觉检测
5. 大模型安全解决方案
6. 总结与展望

听众收益：

• 了解大模型落地过程中的各类安全风险
• 了解大模型安全技术挑战和研究进展
• 了解大模型安全解决方案

随着人工智能（AI）技术的快速演进，数据库技术在智能化应用的落地过程中发挥了越来越重要的作用。本次演讲将深入探讨数据库技术如何与AI应用协同工作，包括数据库管理中的AI应用（AI for DB），以及数据库为AI提供支持的方式（DB for AI）。演讲将重点分析当前技术趋势、面临的主要挑战，以及在实际应用中如何通过技术架构优化来提升AI模型的性能和数据库的智能化管理能力。

演讲提纲：

1. 数字化转型浪潮与企业智能化转型的重要性
2. AI 趋势下对底层软件的考验
3. AI for DB & DB for AI 的具体应用及思考
4. 总结与展望

听众收益：

在 Al 和大模型的浪潮中，产品需求正经历革命性变化。梁宁老师将在本次演讲中运用其“价值、共识、模式”分析框架，深入探讨：

• 如何借助 Al 和大模型，打造竞争力强的产品和品牌？
• 企业如何通过 Al 实现智能交互和精准洞察，挖掘真实需求、与各方建立共识？
• 怎样利用 Al 构建竞争力系统，创造符合时代趋势的商业模式？

企业应用大语言模式（LLM）构建应用会面临幻觉，领域知识，数据孤岛等等多重挑战，TiDB 在 ChatGPT 问世后一个月就发布了 Text2Query 产品，开启了 Data+AI 的技术创新；2024 年，TiDB 发布了向量搜索特性，并打造了基于 TiDB 的 GraphRAG 完整解决方案，以 GraphRAG 支撑的数据库运维问答框架 TiDB.AI 已经在真实环境中支持全球和中国的数据库问答，基于这个框架的泛化可以让企业构建一个端到端的 GraphRAG 行业解决方案，从而让企业客户基于一个数据库就可以构建大模型应用，基于 TiDB GraphRAG 已经让 Dify 的 AI 开放框架拥有了数万开发者。本演讲将围绕 TiDB GraphRAG 的需求与解决方案阐述此方案的架构和业务价值，也会介绍 TiDB 在 XC 背景下的场景适配。

AI 大模型技术发展迅猛，智算成本高企成为行业面临的挑战。本演讲聚焦智能算力服务领域的最新发展趋势、分析智算成本的痛点，提出有效的解决策略，并介绍英博云在这一领域的创新工作。

演讲提纲：

1、背景与趋势
    - 智能算力服务的发展趋势
    - 智能算力服务的成本结构
2、行业痛点
    - 算力成本高企制约大模型产业繁荣
    - 原因：集群建设和运维成本高、集群故障高、卡利用率低、模型算力利用率低
3、解决思路与方法
    - 单位有效算力成本概念与计算公式
    - 降本四件套：高性价比智算集群建设、系统化运维服务、智能调度、训推优化
    - 智算中心建设运维与容器云
4、总结与展望

听众收益

1. 更全面理解算力服务行业现状 
2. 把握行业痛点及挑战 
3. 学习降本增效的创新方法 
4. 了解算力行业前沿产品和解决方案 
5. 清晰对接英博云产品和服务，有助寻找技术合作与支持 
6. 在成本管理、资源调度和系统优化上获得启发

适合人群：

演讲面向算力行业相关人士，包括但不限于：企业管理者，技术团队，科研机构，行业投资者等