推荐系统如何大幅降本提效，同时保证业务效果无损？｜QCon

围绕着 AI 这个大命题，去年，QCon 全球软件开发大会（上海站）2021，策划了「算力革新」「未来数字世界」「人工智能前沿技术」三个专题，带领大家从底层的芯片、GPU、CPU，到多种算法模型，再到迈向元宇宙时代的数字人、三维建模技术等最上层的前沿应用，领略了 AI 在工业界的发展。

今年的北京站，我们的 AI 之路会怎么走？其实整个大思路是没有变的，依然是从下至上，即「AI 的底层基础设施」「ML 模型效率及易用性」「AI 应用」。AI 在各行各业的应用不需多说，这次，我们想重点与你讨论下前面两个命题，为什么是它们？

因为，我们认为，AI 落地的关键，不是多先进的模型和算法，而是工程。经历了最早期的快速发展，现阶段的 AI 工程转向关注效率和易用性。比如，针对推荐系统这种最常见的 AI 技术，它已经成为了众多互联网公司的核心技术，支撑着电商、长短视频、Feed 流、推荐广告等多种业务场景，而它其实也是消耗算力最多的地方。那么针对这样的 AI 系统，要如何大幅降本提效，并且能同时保证业务效果无损，还能提升各种 ROI？在工程优化的过程中，是否有新的思想可以借鉴，比如 DDD？

基础不牢，地动山摇，有了坚实的底层基础，上层的应用才能更加稳定可靠，这是我们本次重点关注 AI 基础架构的变革的初衷。伴随着人工智能在各行各业的深入应用，其所需的算力日益增多，对性能的要求也越来越高，相对应的，底层的 AI 基础架构就必须跟着一起升级，才能满足以上要求。因此，业界诞生了为 AI 所生的数据库、数据湖，使得特征工程以及机器学习模型可以更快更好地上线。

2022 年 5 月 12-14 日，QCon 全球软件开发大会落地北京，以此思路我们设置了「AI 基础架构」与「ML 模型效率与易用性」专题，邀请腾讯应用架构和机器学习平台部技术负责人潘欣、第四范式研发副总裁、基础技术负责人郑曌等在 AI 应用业务经验丰富的专家，聚焦 AI 基础设施变革以及 AI 工程的效率和易用性，共同探讨交流。

专题演讲方向可点击底部【阅读原文】查看。QCon 北京站现场门票火热售卖中，8 折倒计时即将结束，感兴趣的同学扫描图中二维码或可以直接联系票务经理咨询：13269078023（同微信）。

点个在看少个 bug 👇