知识是人工智能发展到更高水平的重要基石。随着人工智能技术由感知智能向认知智能变迁，知识图谱的重要性日益凸显。同时，知识图谱应用从通用向行业扩展，成为产业智能化升级的关键技术。面对越来越多的场景和行业需求，知识图谱覆盖的知识类型更加复杂，处理的信息更加丰富，应用形态也更加多样。

本次演讲将分享百度知识图谱技术的最新进展，包括大规模知识图谱构建、多模态语义理解以及行业知识图谱应用技术等，重点介绍覆盖企业知识生产、知识组织、知识应用全生命周期的百度知识中台解决方案，以及知识中台在能源、医疗、金融、法律等行业场景的应用实践。

演讲提纲：

1. 百度知识图谱概述
2. 关键技术进展
   • 知识图谱构建
   • 多模语义理解
   • 行业应用技术
3. 知识中台及行业应用实践
   • 百度知识中台
   • 能源行业实践
   • 医疗行业实践
   • 金融行业实践
   • 法律行业实践

你将获得：

• 百度知识图谱技术的最新进展
• 知识中台在多行业场景的应用实践

机器翻译是深度学习典型的端到端落地的场景，但是一个好的机器翻译模型，往往需要数以亿计的高质量双语语料来训练。如何在如此大规模的数据训练中提升速度，是一个需要关注的问题。同时机器翻译模型也非常庞大，如何支撑大模型的高效推理也是机器翻译落地中需要解决好的大问题。

华为机器翻译模型使用华为自研机器学习框架 Mindspore + 华为的昇腾芯片，并且通过优化模型结构和训练策略提升训练速度，通过“模型结构优化 + 华为自研推理框架 Optimus + 机器翻译定制的优化算子”提升推理速度。优化后机器翻译模型训练速度可以提升 5 倍多，推理速度提升 20 倍。

本次分享将给你带来华为机器翻译模型训练推理加速实践。

演讲提纲：

1. 机器翻译及工程落地简介
   • 机器翻译发展流程
   • 大数据量机器翻译训练难题
   • 大模型机器翻译模型推理难题
2. 华为机器翻译模型整体架构
   • 华为自研训练框架 MindeSpore 和 AI 芯片昇腾
   • 训练提速策略和效果
   • 华为自研机器翻译推理框架 Optimus
   • 推理提速策略和效果
3. 总结：基于业务的梯度下降，生成最佳 AI 翻译架构

你将获得：

• 深度学习训练推理加速的具体策略
• 针对 NLP 典型任务如何深度理解业务并针对性制定提速方案
• 机器翻译常见且有效的训练推理提速方法

随着公司业务的增长,数据也呈现出指数级的增长，海量数据的背后也产生了高昂的资源成本消耗这些成本也将严重影响业务的发展和利润空间，同时大规模的数据以及数以千计的用户参与，也极大影响了整个资源的效率。

本次演讲将分享我们在蚂蚁数据成本治理过程中，组织是如何设计和保障运行的、在存算分离的引擎架构下我们有哪些技术手段可以进一步降低单价和提升资源密度、围绕数据的全生命周期我们是如何识别和推动成本优化。

演讲提纲：

1. 蚂蚁大数据成本治理概述
2. 治理体系的概述
   • 治理过程组织和权责的定义
   • 治理单价和用量的优化
3. 蚂蚁数据成本治理实战
   • 单价治理实践
   • 用量治理实践
   • 平台体系建设实践

你将获得：

• 了解蚂蚁数据成本治理的实践和经验
• 掌握数据成本治理的方法