9月6-7日，2019中國AI開發者大會（AI ProCon 2019） 在北京拉開帷幕。本次大會由新一代人工智慧產業技術創新戰略聯盟（AITISA）指導，鵬城實驗室、北京智源人工智慧研究院支援，專業中文IT技術社群CSDN主辦。

60+中美頂尖AI專家、知名企業代表、逾千名 AI 開發者齊聚現場，就人工智慧的最新技術及深度實踐，進行為期兩天的全方位解讀及論證。大會將企業轉型、提高企業生產效能、驅動產業變革的落地AI技術帶到千萬開發者面前，讓這些實實在在的經驗助力開發者技術躍遷以及企業智慧化升級。

本次大會全力聚焦AI開發者，以“AI技術與應用”為核心，在主題報告之外，設定有 9 個技術專題論壇，深度聚焦人工智慧的技術創新與行業應用，他們從研究成果到技術實踐，再到產品架構設計、行業應用案例，全方位剖析深耕於企業內的 AI 技術，分享 AI 技術落地與轉型的硬核實踐經驗。

圍繞“只講技術”的宗旨，大會邀請到具有超強 AI 落地環境國內外領軍企業的重磅演講嘉賓，包括亞馬遜、Google、微軟、華為、百度、阿里、小米、滴滴、美團、快手、商湯、曠視等各大國內外一線企業的技術負責人親臨現場。

大會首日，共完成了六大主題報告，以及四大技術專題演講，以上AI業內知名技術專家就所在領域的研究成果及技術應用思考進行了精彩分享。AI科技大本營特此整理了大會首日內容，以饗讀者。

實力嘉賓亮相主題報告，共話AI技術落地與應用

大會伊始，CSDN 創始人&董事長、極客幫創始合夥人蔣濤以《AI 時代的開發者機會》為題開場致辭。蔣濤表示開發者是對技術變革最敏感的人群，在CSDN 2700萬用戶中，有230萬開發者正在閱讀、撰寫與研究 AI 技術。

為什麼AI時代如此重要？蔣濤說道：“AI可能是比移動網際網路、比我們過去面臨的技術革命更深遠的一次革命，AI會改變每一個行業，每個行業的領航者都將是行業大腦系統創新者，今後企業的競爭將成為行業大腦的競爭。”由此帶來了強烈的AI人才需求，以BAT、位元組跳動為代表的網際網路企業，加上以華為、網易、美團、平安、滴滴、商湯等數十種不同領域不同型別的企業均對AI人才有著巨大需求量。

鵬城實驗室人工智慧研究中心副主任田永鴻教授發表《鵬城雲腦——打造新一代人工智慧基礎理論開源開放創新平臺》主題演講。

田永鴻教授表示，人工智慧是當前國際科技競爭的重點領域，我們需要加快建立新一代人工智慧關鍵共性技術體系，在短板上抓緊佈局。

面對高水平人才不足，AI基礎理論和原創演算法差距較大，高階晶片、關鍵部件、高精度感測器等基礎薄弱，未形成具有國際影響力的人工智慧開源開放平臺等問題。對此，鵬城實驗室從平臺築基、標準張脈、開源賦能三個維度入手，著力建設具有國際影響力的 AI 超算平臺，支撐 AI 基礎研究與重大應用需求；建立 AI國家/團體標準，齊心協力，求同存異，加速開放共享；以開源開放形式AI賦能應用場景，促進AI發展，構建AI生態。

亞馬遜首席科學家李沐以《構建深度學習開源生態的努力和思考》為題，立足於深度學習技術，與大家共同探討他在構建深度學習開源生態的經驗。

李沐自2014年進入深度學習領域，從降低深度學習上手門檻、減少深度學習機器成本這兩點出發，在過去五年探索出一些開源的深度學習工具，包括Apache MXNet、GluonNLP、書籍《動手學深度學習》，來幫助不同層次的開發者。

另外，他談到機器成本是學習成本外的障礙，機器成本下降比不過演算法複雜度的增加，在新硬體上優化快速變化的深度學習模型很困難。對此，專門AI定製的晶片或者邊緣計算可以有效緩解，他們還採用編譯器解耦計算實現和硬體優化來促使支援新演算法和新硬體更簡單。最後他表示，深度學習開源的落地場景、使用者需求仍在快速變化，沒有塵埃落定，開發者應有開放的心態來擁抱這些改變。

華為雲通用AI服務總經理、語音語義創新Lab主任、首席科學家袁晶以《AI的落地和落地的AI》為題，立足於人工智慧技術，與大家共同探討人工智慧技術與行業AI落地實踐。

AI是一種新的生產力，改變將涉及各個行業。例如教育、健康、媒體、製藥、物流、金融等各行各業都將在AI的加持下向更加智慧的方向發展。

袁晶強調，探索AI落地的唯一方式便是實踐，他特別介紹了華為全棧全場景AI，其中應用使能提供全流程服務（ModelArts），分層API和預整合方案；MindSpore支援端、邊、雲獨立的和協同的統一訓練和推理框架；CANN是晶片運算元庫和高度自動化運算元開發工具；Ascend是基於統一、可擴充套件架構的系列化AI IP和晶片。

華為開放多年AI研發積累，將更多的開放能力全面釋放。其中包括面向所有AI開發者打造的一站式AI開發平臺ModelArts，將大幅提升AI開發效率，降低開發門檻；HiLens端雲協同AI開發及應用平臺，提供一站式AI應用開發、分發、部署、管理平臺，Skill開發、Skill市場、裝置管理、資料管理等功能。華為全棧全場景AI服務與面向開發者的種種權益，華為將自己的能力開放出來，不僅可以讓開發者們緊抓AI技術紅利，更能促使整個AI行業在實踐中快速落地。

百度深度學習技術平臺部總監馬豔軍以《飛槳大規模分散式訓練和高速推理引擎》為題，分享了開源深度學習平臺飛槳的核心框架設計和技術。

馬豔軍表示，深度學習框架極大降低了研發門檻，但放眼深度學習開源框架現狀，國外的居多，開源深度學習框架飛槳則具備五大優勢：兼具動態圖和靜態圖兩種計算圖的優勢，精選應用效果最佳的演算法模型並官方支援，大規模稀疏引數場景工業實踐全面開源，端到端部署，提供系統化深度學習技術服務的平臺。

隨後，乂學教育-松鼠AI聯合創始人&CTO;樊星立足於人工智慧技術，為在場開發者分享了AI+教育的背景下，人工智慧技術對學習效率提升的革新之路。

會上，樊星列舉了傳統教育中的困境，並藉助AI得以突破以上難題。他隨後介紹了基於松鼠AI智適應學習引擎架構，利用人工智慧技術破解難題。其中，AI智適應學習引擎架構第一層基礎資料中的Content Map、Learning Map、Mistake Reasoning Ontology，將形成行為目標，利用資料收集與分析，評估學生狀態，嘗試推薦學習行為。

樊星認為，利用AI解決“好”教育迫在眉睫，AI將會為教育帶來這樣的革命：學生少做80%的題目；一考定終身的現象將會消失；教育將變得更加透明；每個孩子對學習上癮，掌握真正的學習能力與方法。

馭勢科技聯合創始人、董事長、CEO吳甘沙則講述了無人駕駛產業化的AI挑戰和機遇。吳甘沙表示，無人駕駛要尊重汽車產業長期存在的規律 ，要有敬畏之心。如今無人駕駛技術中，AI 感知不是重要的問題，決策才是重要的問題。而傳統AI是基於資料和規則，現在需基於學習，再是博弈+學習來設計。傳統無人車關注的是舒適性、安全性，現在需關注其競爭性和社會性。

談及下一步的AI發展，吳甘沙表示，現在的AI還很笨，根據條條框框來訓練。後續他們將從背景知識和常識，模仿學習、強化學習，因果推理，基於遷移學習的舉一反三等方面來提升AI的演算法能力。

緊接著，CSDN重磅釋出《CSDN 2019 Top 30+ 案例評選榜單》，該榜單是由CSDN聯合多個行業內技術專家，根據創新性、先進性、 引領性、效率性四大標準，從數百個優秀案例中評選出來的會影響未來社會發展變革性的 AI、IoT產品及解決方案。

四大技術專題，19位重磅嘉賓的技術風暴

知識圖譜技術專題

出品人：華為雲通用 AI 服務總經理、語音語義創新 Lab 主任、首席科學家 袁晶

為了提升效率、專業傳承、管理優化，我們需要從資料化轉型走向知識化轉型。對此，華為雲提出全棧、全生命週期知識計算解決方案。該方案華為雲知識圖譜雲服務，支援全量或增量，多源融合，是基於高效能自研圖引擎研發的。最後，他分享了其在企業場景中的落地應用，在石油勘探、生物醫療領域、政務知識圖譜構建，互動式智慧運營中心，靈活配置對話服務，華為雲智慧外呼機器人等均有實踐落地應用。

復旦大學教授、博士生導師，復旦大學知識工場實驗室負責人 肖仰華

隨著大資料時代的到來，使得自動化知識獲取成為可能，知識工程有望突破知識庫的規模與質量瓶頸。知識工程在知識圖譜技術引領下進入大資料知識工程全新階段（BigKE），BigKE將顯著提升機器認知智慧水平。

OpenKG 聯合創始人王昊奮

人工智慧時代的感知型企業需要融合使用全量資料，將面臨多源異構資料難以融合、資料模式動態變遷困難、非結構化資料計算機難以理解、資料使用專業程度過高、分散的資料難以統一消費利用的挑戰。基於知識圖譜的認知智慧中臺完成知識圖譜簡單使用到生態打造的躍遷，可實現敏捷並規模化創新，並最終實現大資料智慧。

美團點評 NLP 中心知識圖譜團隊負責人 張富崢

美團大腦在搜尋推薦場景中有精確性、多樣性、可解釋性三大應用：為商家和商品引入了更多的語義關係，深層次發現使用者興趣；提供不同的關係連接種類，利於搜尋推薦結果的發散，避免結果越來越限於單一型別；連線使用者的興趣歷史和搜尋推薦結果，提高使用者對結果的滿意度。

阿里巴巴業務平臺商品知識圖譜負責人 張偉

阿里巴巴知識引擎由4個模組、10種演算法和其他工具搭建。在知識建模上，用TransE來分析上下位對、同義詞對；知識獲取運用到Transformer的文字分類模型、短文字NER+Entity Linking；知識融合上，基於ML的實體對齊、基於規則的實體對齊的創新技術實現。張偉還分享了知識推理Jena-RDF-Json框架，這個推理引擎是基於規則槽填充、規則、深度學習生成關係邊，基於規則畫像，規則過濾演算法結果，將知識放大。這些技術應用在零售場景中，能更智慧地分析使用者搜尋行為和挖掘，讓使用者更精準的搜尋結果。

AI開源技術專題

鵬城實驗室人工智慧研究中心副主任 邱景飛

為什麼要開源？邱景飛總結了五點：豐富行業應用，帶動行業生態；集中資源形成聯盟；技術共享和同業交流；作為產品特性獲取競爭優勢；體現社會責任及優化形象。會上，邱景飛還重點向現場的開發者介紹瞭如何開源的6項要點：第一，確定開源專案；第二，確定程式碼平臺；第三，選擇許可證；第四，編寫專案說明；第五，編寫貢獻說明；第六，建立行為準則。

阿里媽媽搜尋廣告排序和機制演算法負責人 林偉

圖深度學習面臨著許多技術挑戰，比如資料結構方面，是超大規模、動態更新的，同時計算模式也發生了變化，這就對平臺提出了新的要求。當前，圖深度學習有基於 Random Walk、Neighbor Aggregation 兩種主要 Pattern。Euler 採用分層靈活可擴充套件設計、大規模高效能異構圖學習、靈活多樣的圖演算法支援、通用 GNN 訓練加速的設計理念，支援圖分割和高效穩定的分散式訓練，可以輕鬆支撐數十億點、數百億邊的計算規模。

亞馬遜AWS AI應用科學家 馬超

與傳統基於張量 (Tensor) 的神經網路相比，圖神經網路將圖 (Graph) 作為輸入，從而學習和推演圖中節點之間的關係，該方法已被證明在許多場景可以取得很好的效果。然而，使用傳統的深度學習框架（比如 TensorFlow、Pytorch、MXNet）並不能方便地進行圖神經網路的開發和訓練，而 DGL 作為專門面向圖神經網路的框架，可以很好地彌補這一缺陷。由此，馬超從 API、系統優化、可擴充套件性等多個維度深入分享如何使用 DGL 進行大規模神經網路的開發和訓練。

小米深度學習框架負責人 何亮亮

何亮亮向開發者們詳細介紹了MACE開源深度學習框架的設計思路、優化方法以及典型應用案例。這將幫助開發者瞭解移動端深度學習框架的原理和特點，以及端側深度學習應用的落地關鍵技術和實踐，助力開發者更高效地開發端側人工智慧應用。

華為MindSpore資深架構師 於璠

AI行業研究到全場景應用存在巨大鴻溝，開發門檻高、運營成本高、部署時間長的業界挑戰；新程式設計正規化、新執行模式、新協作方式的技術創新，促使著MindSpore跨越應用鴻溝，助力普惠AI。於璠詳細介紹了MindSpore的設計理念，第一，新程式設計正規化，AI演算法即程式碼，降低AI 開發門檻；第二，新執行模式，Ascend Natave的執行引擎；第三，全場景按需協同，更好的資源效率和隱私保護。

5G驅動AIoT技術專題

出品人：微軟（中國）首席技術官 韋青

在5G的普及過程中會逐漸產生全新的連線與計算模式。應用的革命：沉浸式，觸覺式，合作式

；智慧的普及：AI/ML驅動的無線電、天線、資源和運維；蜂窩通訊從戶外到戶內。

北京郵電大學教授、博士生導師 孫松林

他介紹了物聯網的發展規律及特點：流量總量低、時延容忍度高，終端CT大部分時間靜默，每天傳送的資料量極低，且允許一定的傳輸延遲；終端靜止、位置固定，少量終端都需要移動性，大量的物聯網終端長期處於靜止狀態；逆向流量，與“人”的連線不同，物聯網的流量模型不再是以下行為主，可能是以上行為主。

華為IoT標準產業與創新總監 張朝輝

為什麼通訊等規模化行業是AI應用效果顯著的第一波？在張朝輝看來，通訊行業的網路效應，要求高度的標準化保障全網全程的一致性，從而形成了規模，尤其是一致性資料的規模。internet服務天然的與裝置解耦基於通訊基礎設施，也具備了規模效應。規模化又加速了迭代和創新。行業市場AIoT規模之路在何方？一言以蔽之，他認為碎片化阻礙了行業市場走向AI創新的正迴圈。如何消除碎片化，形成規模化資料是產業生態需要面對的關鍵問題

雲知聲董事長、CTO 樑家恩

AIoT的空間很大，但是我們仍然任重而道遠。我們要把手機應用分散到各個IoT當中，應該是整體的智慧應用，使用者真正互動起來讓模式發生改變，這個產業才能真正形成，底層無論是邊緣計算還是資料，這些真正起來之後，才能夠有效支撐IoT的發展。

金山雲AIoT事業部高階研發總監 肖江

AIoT是IoT的發展方向，IoT需要AI來提升其價值。5G是連線AI與IoT的橋樑，其高頻寬、高可靠低時延、大連線，開拓了AIoT更廣闊的應用領域。AIoT有很大的發展空間，面臨著重大機遇， 唯創新者強。

推薦系統技術專題

出品人：阿里媽媽深度學習演算法平臺負責人 朱小強

網際網路技術發展到今天，個性化非常重要，如何充分洞察使用者的興趣、習慣提供更好的個性化體驗，是需要融入血液的事情。推薦系統本身其實是一個資訊配置的問題，如何能夠把合適的物品推薦給合適的使用者。當商品數量量級已經達到人無法計算的程度，我們需要用資料和演算法解決這個問題。這是推薦系統遵循的基本正規化。

快手科技推薦架構負責人 任愷

他分享了短視訊推薦系統架構設計與前沿技術中的探索。今年6月，快手日活突破了2億，對推薦系統提出巨大挑戰。快手採用四種手段對整個推薦系統進行優化。第一，採用多階段的排序方式優化排序；第二，快手通過計算儲存分離的形式提高拓展性，逐步對推薦系統各個服務進行拆分，使得每個服務單獨進行擴充套件；第三，資料和模型實時化，把資料和模型的時效性推到極致，有效將最新最熱的視訊推薦給使用者；第四，軟體和硬體結合，異構計算與異構儲存提升單機效能，在硬體發展中挖掘到新的效能，構建出更強大的推薦服務。

華為諾亞方舟實驗室推薦與搜尋專案組資深研究員 唐睿明

他介紹了華為諾亞方舟實驗室在深度學習、強化學習與 AutoML 結合上的最新進展，如聚焦在建模特徵之間相互關係的PIN模型，互動特徵自動化探索 AutoGroup，正在計劃進行的 AutoML 工作等。在他看來，深度學習演算法將成為業界主流，平臺+算力+演算法+資料是深度學習推薦系統能力的核心競爭力。

京東集團高階總監 殷大偉

殷大偉介紹了工業界電商的架構。他表示，在工業界，電商的架構基本上是在數百億級的商品中為使用者推薦感興趣的商品。在此過程中，京東用到了檢索，如基於商品圖譜（知識圖譜）的方法，定位在商品上的關係，以及基於Embedding的方法。因為電商場均考慮的因素非常複雜，如迴歸時長、App駐留時長等，輸入訊號也相應非常複雜，京東會用Statc-action Embedding的方法，預測使用者的駐留時長，並採取相應的措施。

精彩技術分享繼續

9月7日，機器學習、計算機視覺、自然語言處理、AI+DevOps、AI+小程式五大技術專題等你來，精彩技術內容分享不容錯過。