专题演讲嘉宾：赵英俊

问题背景：在 ScalingLaw 的驱动下，万卡甚至十万卡集群训练成为大模型训练的标配，超大规模集群如何做到高可靠、高性能、易运维成为 AI Infra 面临的最大挑战。

解决方案：通过算力、通信融合优化，亲和性并行切分策略等手段实现高性能。通过故障预测、算网协同等实现高可靠。通过AI框架、多种调优工具和手段实现超大规模集群的优化运维。

实施后效果：超大规模集群实现性能提升，稳定性提升等。

演讲提纲：

1. AI Infra 发展趋势和面临的挑战
2. 超大规模集群需要解决的核心问题
3. 超大规模集群优化方案与实践

听众受益点：

• 如何快速组建万卡以上超大规模集群，技术架构、网络、基础设施等
• 超大规模集群优化点与提升方案，如何有效的应用到当前的 AI Infra 工作中
• 为未来建设更大算力集群以及优化提供参考路径