专题：Keynote 主题演讲

物流行业作为传统的实体行业，因其链路长、场景复杂、涉及线下人员与设备众多的实体业因素，受限于数智化程度较低、主要依托密集的人工提升效率传统行业视角。然而，随着新质生产力的不断发展，大量的新兴技术已应用于物流行业，让这个古老的行业焕发生机。

顺丰作为物流行业的先行者，通过将大数据、人工智能、数字孪生、运筹等新兴技术应用于实际的生产运营中，对规划调度、小哥管理、中转场运营等多个场景进行了深度数智化，达成了提高效率、降低成本、安全绿色等多重目标。

本次演讲通过介绍新质生产力是如何塑造科技的顺丰，共同探讨产业互联网在实践过程中的机遇与挑战。

演讲提纲：

1. 顺丰数智化实践历程
2. 连接全局：数据中台、物流网络的智能决策体系
3. 人与人之间的连接：40+万小哥的智慧管理
4. 线上与线下之间的连接：物流领域数字孪生、慧眼神瞳
5. 帮助更多企业完成连接：智慧供应链
6. AIGC
7. 低空经济
8. 碳中和

本次分享将围绕 AI 颠覆程序员/开发者生产力展开，随着大模型、AI 的快速发展，AI编程助手的引入为软件开发带来了质的飞跃。

演讲提纲：

1. 进入大模型时代，AI 编程的发展实现了哪些突破
2. 从全球视角来看，开发者对于 AI 编程的需求差异、AI 编程工具能力
3. AI 编程工具基于大模型的设计要点、难点、改进思路
4. AI 编程如何颠覆程序员的生产力
5. 未来在AI编程领域有哪些趋势？

你将获得：

• 了解 AI 编程带来的革命性巨变
• 从开发者自身的生命力出发，如何用 AI 激活开发效率，提升生产力
• 全面了解 AI 编程的设计要点、落地实现和未来趋势

随着数字化转型的持续推进，企业对 IT 基础设施提出了更高的要求。传统的数据库系统在灵活性、可扩展性和管理成本等方面都面临着挑战。而云原生技术的兴起，为数据库系统的现代化转型提供了全新的可能性。
近年来，云原生数据库凭借其卓越的弹性、高可用性和运维自动化等优势，在企业 IT 架构中扮演着日益重要的角色。相比传统数据库，云原生数据库可以更好地适应快速变化的业务需求，支撑企业敏捷创新。KubeBlocks 是一款面向新时代的云原生数据库解决方案。本演讲分享 KubeBlocks 的架构设计和关键技术实现，希望能为企业数据库私有云之旅提供有价值的参考。让我们一起探讨云原生数据库如何助力企业IT转型，开启数字化发展的新篇章。

演讲提纲：

1. 私有云、混合云——企业的 IT 基础设施进入云原生时代
2. 数据库私有云在企业 IT 转型中的重要性
3. KubeBlocks 云原生数据库的设计理念及核心特点
4. KubeBlocks 的架构设计
5. KubeBlocks 的关键技术实现
6. 总结与展望

听众受益点：

• 全面理解云原生数据库架构的概念、特点和应用，更好地应用技术理念。
• 将了解到成本优先设计在云原生数据库架构中的重要性，并学会如何通过这一设计原则来降低运维成本、提高资源利用率，从而实现更高效的数据库管理。
• 演讲中将分享实践案例，展示容器化、微服务架构、自动化运维等技术在成本优先的云原生数据库架构中的应用效果，帮助听众更好地理解和掌握相关技术。

Engineering Platforms in Practice

Multiple forces have converged recently to put internal technical platforms in the spotlight for digital businesses. This talk encapsulates key insights drawn from various teams who have delivered engineering platforms in diverse organisations and industries around the world.  I’ll cover some commonalities in what makes them successful and discuss some real examples. Crucial elements include empathising with the developer experience, enlisting executive support, establishing a sound operating model and most importantly, communicating the value of the platform. Measuring value is a key but using the wrong metrics can make things worse. This talk is tailored for staff engineers, managers, and technology executives who want to make continual, measurable improvements in their engineering organisation's effectiveness.

工程平台实践

最近，多种力量汇聚在一起，使内部技术平台成为数字业务的焦点。本演讲概括了来自为世界各地不同组织和行业提供工程平台的各个团队的重要见解。我将介绍它们成功的一些共性，并讨论一些真实的例子。关键要素包括理解开发者体验、争取高管支持、建立健全的运营模式，最重要的是传达平台的价值。衡量价值是关键，但使用错误的指标会让事情变得更糟。演讲内容的核心是为希望持续、可衡量地提高工程组织效率的工程师、经理和技术管理者提供一些行业参考。

过去一年多，大模型技术飞速发展，驱动了人工智能开发应用范式的变革，已经开始深刻影响产业发展。与此同时，AI Infrastructure的重要性也更加凸显。大模型以及对应的大数据、大算力，带来了训练推理效率和成本的巨大压力，大模型基础设施能力已上升为核心竞争力。另一方面也要注意到，大模型下开发者面临的痛点难点也相对传统深度学习模型有了很大不同，技术的快速演进也带来了全新的需求。本报告将全面阐述深度学习平台在大模型时代面临的挑战和机遇，并结合飞桨平台支撑文心大模型快速迭代和产业应用的实践，介绍大模型下大规模分布式训练和高效推理部署的关键技术和经验心得，探讨大模型技术及深度学习平台未来的发展趋势。

演讲提纲：

1. 大模型的发展概要和技术特点
2. 大模型带来的开发应用范式变革
3. 大模型训练和推理部署的挑战
4. 大模型时代深度学习平台的发展思考
5. 大模型大规模分布式训练技术与实践
6. 大模型高效推理部署技术与实践
7. 深度学习平台对大模型全流程开发应用的支撑
8. 未来发展趋势探讨

听众收益点：

• 对大模型关键技术特性和技术挑战的更好认知
• 全面了解深度学习平台对大模型技术迭代和应用落地的作用
• 通过对飞桨+文心大模型的实践经验分享，更好理解相关技术，并有所启发
• 激发对大模型技术和AI基础设施未来发展的思考