AI 的价值,最终要在物理世界中兑现。当智能从云端向终端、设备与物理空间持续下沉... 展开 >



主要研究方向聚焦于仿生智能算法、高性能计算以及大数据与人工智能的交叉领域。在学术与工业应用方面成果显著,发表多篇高水平学术论文,申请/授权相关专利多项,其多项工作成果在学术界和工业界得到广泛应用。博士于西北工业大学获得流体机械仿生智能计算博士学位,奠定了其坚实的理论基础与研究能力。他长期投身于一线研发,参与过多个国家级重大课题的核心研发攻关工作,展现出解决复杂技术难题的强劲实力。
曾作为核心负责人,领导大型C++软件开发项目;主导了DMP平台的选型与建设;并全面主导了华院计算核心算法平台及众多模型产品的技术构建与市场推广,展现出对技术趋势的深刻洞察和极高的商业敏感度,成功将前沿算法研究与市场需求紧密结合。
AI 的价值,最终要在物理世界中兑现。当智能从云端向终端、设备与物理空间持续下沉,真正的挑战不只是模型够不够小、够不够快,而是如何在算力、延迟、隐私、硬件协同的多重约束下,让 AI 在现实环境中做出可靠的判断与行动。本专题聚焦这一"下沉"过程中的核心矛盾,探讨智能从"在线可用"走向"在场好用"的技术路径与产业逻辑。
大模型能力持续增强,但落地仍受算力、成本、隐私与场景约束。本报告从高效端侧视角出发,梳理技术演进与产业动向,探讨如何让智能更贴近用户与设备,在合规与体验之间取得平衡,并支撑多类终端与应用场景的规模化落地。
演讲提纲:
听众收益:
听众收益:



微信咨询

电话咨询
领取往期热门演讲视频

