专题：Keynote主题演讲

近几年，AIGC 领域出现了很多创新和变化。给定 prompt 作为输入，机器可以生成各种不同样式且非常真实的文本，图片，视频，语音等。这种创作型的工作对于计算机来说是一件非常困难的事情，因为它需要完全依赖于人类特有的创造力。然而，一批基于深度学习的生成模型（简称深度生成模型），包括 Jukebox，DALLE.2， Imagen，Stable Diffusion，Flamingo，及 ChatGPT 等的问世，让机器也可以做出一些不可思议的创作。

本次演讲会以较为直观的方式和大家分享深度生成模型的一些经典实现方法，以及在当前具有代表性的两个模型应用，最后还会对该领域价值以及未来的发展方向进行一些探讨。

演讲提纲：

1. 什么是 AIGC
2. 深度生成模型的实现
3. 深度生成模型的应用
4. 对深度生成模型一些的探讨

你将获得：

• AIGC 是基于深度生成模型的应用；
• 了解经典的深度生成模型的实现，包括 VAE，GAN，Diffusion 及 AE；
• 了解深度生成模型的应用，包括 GPT 系列和 Stable Diffusion 模型；
• 了解深度生成模型的的价值以及未来的发展方向。

传统企业在数字化转型的过程中遇到很多困难，组织的问题，技术问题，人才的问题，业务不理解的问题，如何通过有效的架构演进和敏捷迭代（含方法论的落地），帮助传统企业的 ToB 业务线找到“业技融合”的方向，通过几次的技术更迭，最终，让系统可以成为业务价值点的关键一环。

演讲提纲：

1. 施耐德公司介绍和业务方向
2. 施耐德数字化服务的产品介绍
3. 10年架构的演进过程
   • 第一阶段（单一应用导向）：业务诉求，技术架构的设计，组织的结构
   • 第二阶段（多应用导向）：业务诉求，技术架构的演进，原有组织的困境和新组织的结构
   • 第三阶段（平台赋能导向）：业务诉求，技术架构的演进，原有组织的困境和新组织的结构
   • 第四阶段（应用整合导向）：业务诉求，技术架构的演进，原有组织的困境和新组织的结构
4. 总结，回顾技术架构要点

你将获得：

• 施耐德公司的数字化能力
• 传统企业的业务变革过程
• 技术架构的演进如何适配业务的变革
• 组织如何支撑技术的变化

In this talk I will discuss a common and pernicious form of technical debt--called design debt, or architecture debt. I will briefly present the theoretical foundation behind this form of debt and present a broad set of evidence demonstrating its dramatic effects on project outcomes. That is the bad news.  The good news is that we can automatically pinpoint the causes and scope of such debt. I will describe how we can automatically locate it, measure it, and create the business case for removing it.

Finally, I will explain how we can remove--pay down--this debt via refactoring. I will also sketch some of my experiences doing all of this in real-world projects, along with the outcomes.