主题介绍：\n 随着集群规模的增加，无论训练还是推理对硬件性能的利用均呈现指数难度上升，需要精细的软硬件协同来提升性能。腾讯云的Taco-LLM开箱即用性能方案基于Continuous Batching、预测解码、模型量化等技术，提高吞吐的同时，也降低了客户端延迟，并全面兼容hugging face主流大语言模型，可保障复杂多变的公有云应用场景。\n \n 主题大纲：\n 1. 大模型时代AI基础设施的机会和挑战；\n 2. 腾讯云自研计算、存储、网络架构；\n 3. 长稳训练；\n 4. 基于TKE的AI集群管理及故障自愈；\n 5. Nemo on TKE；\n 6. 客户案例；\n \n 听众收益：\n 1. 了解大模型时代“蒸汽机”：云上大规模算力集群的来龙去脉；\n 2. 交流大模型推理优化腾讯云的实战经验及独门秘诀；\n 3. 畅谈国产化替代背景下云计算及AI发展的思考；\n

主题介绍：\n 对于参数达到千亿、万亿级别的AI大模型来说，大带宽、低延时、广覆盖、少抖动的网络是实现高效训练的关键因素之一。腾讯云星脉高性能计算网络具备业界最高的3.2T通信带宽，可为AI大模型的训练提供高速公路级别的网络通道。\n \n 主题大纲：\n 1. 通过vtix控制调度系统，打造极致的低延时、高稳定公网访问体验；\n 2. 通过5G、IX/CX、合作POP等全球接入点布局，用户方便快捷网络接入；\n 3. 基于vdci/CCN精细化选路，打造云上端到端最短延时选路，提供最快端到端加速通道；\n \n 听众收益：\n 1. 新型钱包：推出EIP/WanIP节省计划，以预存钱包的形式提供更优惠的网络数据传输方案；\n 2. 套餐丰富：提供多种不同类型的套餐（全额预付/部分预付/0预付；全产品/单产品），满足不同需求用户的预期；\n 3. AI场景专属套餐：专门为高性能应用服务HAI定制了专属带宽+流量包套餐，应对AI场景下的模型和数据集的下载需求；\n

主题介绍：\n 大模型时代，训练、微调、推理都对算力和调度相较于此前的 CPU 计算提出了更严苛的要求。而 GPU 又是昂贵而稀缺的，如何利用有限的资源搞定模型从训练到推理应用发布全生命周期，是每一个工程团队急需解决的难题。本次分享聚焦该问题，探讨云原生 severless 浪潮下的行之有效的解法。\n \n 主题大纲：\n 1、Serverless 发展十年，服务百万开发者后，新的挑战与机遇是什么？\n 2、云原生 Serverless，深度融合 FaaS 和容器生态的全新架构，将如何赋能企业应用场景？\n 3、AIGC 火热，加剧了 GPU 算力紧缺昂贵与 AI 应用的训练微调推理部署运维的痛点难题，云原生 Serverless 如何一一化解，加速 AGI 创新落地？\n \n 听众收益：\n 针对大模型的训练、微调、推理场景的痛点问题一一拆解，从 GPU 资源准备到调度优化全过程解决方案讲解。\n

主题介绍：\n 本次分享主要讲述了腾讯云高性能文件存储CFS Turbo针对AGI时代下各类新兴的场景和需求，所做的技术优化和实践经验。 技术分享包含腾讯云高性能文件存储CFS Turbo数据条带化处理，一致性缓存、弹性扩展等技术，帮助用户实现TB级带宽、千万级IOPS的极致性能，加速AI应用的创新和发展。\n \n 主题大纲：\n 1. AGI时代下对存储的挑战和机遇；\n 2. AGI时代下存储的技术要素；\n 3. 腾讯云高性能并行文件存储 CFS Turbo 核心技术能力；\n 4. 腾讯云高性能并行文件存储 CFS Turbo 实践经验&案例；\n \n 听众收益：\n 了解AGI场景下对存储的各类要求，以及落地的实践经验。\n

主题介绍：\n 腾讯云向量数据库同时具备的性能和规模优势，支持高达10亿级的向量检索规模，延迟则控制在毫秒级，比传统单机插件式数据库检索规模提升了10倍。同时，腾讯云向量数据库还具备百万级每秒查询（QPS）的峰值能力，经腾讯内部海量场景实践，数据接入AI的效率比传统方案提升10倍，运行稳定性高达99.99%。\n \n 主题大纲：\n 1. 大模型时代数据库的机会&挑战；\n 2. 腾讯云向量数据库技术架构解析；\n 3. 腾讯云向量数据库能力介绍；\n 4. 典型客户案例；\n