专题演讲嘉宾：汪小康

随着 AI 应用在各行业加速渗透，全球化落地过程中核心瓶颈日益凸显。推理效率不足、GPU 集群稳定性波动，成为制约技术规模化落地的关键痛点。为破解这一难题，很多MaaS（模型即服务）平台应运而生，凭借其资源弹性调度与大规模API调用能力，解决了AI企业的问题。然而随着MaaS平台的发展，企业又再次面临成本高昂的挑战。一方面，高端GPU资源极度稀缺，MaaS平台很少有充足且高端的算力来支持推理和优化；另一方面，对于MaaS平台来说，市场上GPU云供应商众多，标准不统一导致选择困难与迁移成本高昂。同时，对于AI企业来说，全球化业务需要在多地域部署AI推理服务，但分散的资源管理增加了基础设施建设的复杂度与成本。

演讲提纲：

1. 看到问题：AI应用出海热，全球扩容、推理需求爆发
2. 提出方案：集成全球模型的MaaS平台——GMI Cloud Inference Engine
3. 众多MaaS平台同遇新难题：全球「高性价比算力资源」获取难、管理复杂度高
4. 解决难题：Inference Engine 2.0架构全新升级——统一调度平台深度解析

听众收益：

1. 了解MaaS平台底层的多云GPU资源整合方案：了解如何打破云厂商壁垒，构建统一的异构资源管理平台，降低迁移成本与技术风险
2. 学习全球化AI推理部署架构：深入理解多地域集群管理、就近路由、流量智能分发等关键技术，满足全球业务低延迟需求
3. 获取实战级调度系统设计经验：学习两级调度决策模型、资源拓扑感知、故障自动重调度等生产级调度系统的设计与实现方法
4. 提升资源利用率与降低成本：通过案例了解如何将GPU利用率从行业平均45%提升至75%以上，实现资源的高效利用