主题介绍：
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。

主题大纲：
1. 大模型时代AI基础设施的机会和挑战；
2. 腾讯云自研计算、存储、网络架构；
3. 长稳训练；
4. 基于TKE的AI集群管理及故障自愈；
5. Nemo on TKE；
6. 客户案例；

听众收益：
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；
2. 交流大模型推理优化腾讯云的实战经验及独门秘诀；
3. 畅谈国产化替代背景下云计算及AI发展的思考；

主题介绍：
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。

主题大纲：
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；
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；
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；

听众收益：
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；
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；
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；

主题介绍：
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。

主题大纲：
1、Serverless 发展十年，服务百万开发者后，新的挑战与机遇是什么？
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？
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？

听众收益：
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。

主题介绍：
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。

主题大纲：
1. AGI时代下对存储的挑战和机遇；
2. AGI时代下存储的技术要素；
3. 腾讯云高性能并行文件存储 CFS Turbo 核心技术能力；
4. 腾讯云高性能并行文件存储 CFS Turbo 实践经验&案例；

听众收益：
了解AGI场景下对存储的各类要求，以及落地的实践经验。

主题介绍：
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%。

主题大纲：
1. 大模型时代数据库的机会&挑战；
2. 腾讯云向量数据库技术架构解析；
3. 腾讯云向量数据库能力介绍；
4. 典型客户案例；