COSCon'22

开源社/KAIYUANSHE

业界最具影响力的开源年度盛会 2022 第七届中国开源年会 (COSCon'22) 来啦！！！

本次年会将于 10月29日-30日由开源社举办。线上共设有1个主论坛和16个分论坛，线下分会场遍布成都、深圳、上海、北京等11个城市。扫描下方二维码即可报名，快来参与吧~

01

论坛介绍

人工智能相关的开源项目介绍，包括工具、模型、算法、数据集等。

02

论坛出品人及出品人标准

1.论坛出品人

谭中意

开源专家， LF AI & Data TAC成员

范晶晶

科鲸 CEO，开源组织Datawhale发起人

李扬

Wuhan2020 执行长，应急救援组件系统发起人，算法工程师。热心开源和公益。

2.论坛出品标准

必须是应用在人工智能领域内的开源项目，有一定的价值。

03

论坛讲师阵容

演讲者简介

高丰，开放数据中国联合创始人及执行主任、AI SPACE 合伙人。在高丰的领导下，开放数据中国持续面向政府及数据源提供如何建设开放透明数据项目的指导和咨询，并建立社群放大数据利用者的声音。

他是 SODA 赛事模式的设计者、上海开放数据创新应用大赛的联合发起人。他是上海白玉兰开源开放研究院开放数据顾问、复旦大学数字与移动治理实验室研究员、中国互联网协会青年专家。他在 2019年被选为耶鲁大学世界学者（World Fellow），并被授予“30位新生代数字人才”“数据科学 50 人”“英国杰出学友职业成就奖（中国）”。

演讲题目

《中国 AI 数据的开放开源与未来》

演讲简介

数据是人工智能的基石，但真正由中国自行创建并发布的数据集究竟是一个什么样的状况？这当中又有多少数据集符合开放开源的精神能够被自由地使用、分享和演绎呢？该演讲将基于白玉兰开源与开放数据中国在今年上半年所开展的一系列调查问卷、访谈和桌面调研为你描绘当前中国 AI 数据的开放开源的现状、问题和挑战，并基于此讨论寻求突破的路径和愿景。

目标听众群

关注 AI 领域数据开源开放的开发者、研究者、数据发布者和数据使用者

给开源生态体系带来的利益

进一步推动AI开源社区对数据开放问题的关注、参与和投入

演讲者简介

古思为，软件工程师、远程工作者、开源信徒。NebulaGraph DGL 项目作者。现任 vesoft 开发者布道师。

古思为（Wey）在白天很享受在公共空间、开源社区用魔法构建东西，并把习得魔法 scale 给社区中的更多巫师，在晚上偶尔喜欢唱歌。

你可以在 https://twitter.com/wey_gu，https://siwei.io/about/ 看到他，在播客开源面对面听到他共同主持的开源闲聊节目，在 https://siwei.io/talk/看到他的过往演讲，包括 CosCON 21' 的关于他的开源成长之路。

演讲题目

《如何用 GNN + 图数据库构建实时欺诈检测系统》

演讲简介

Fraud Detection 是所有互联网业务中不可绕过的话题，它在道高一尺魔高一丈的攻防中，维系着每一个服务的可用性、提供商的利益和所有用户的公平环境。

Fraud Detection 的方法从专家欺诈模式匹配、查询，传统机器学习到深度学习层出不穷，在不同的场景和需求模式下各有优势，在图数据库、图计算的基础软件、平台逐渐成熟的现在，基于图数据库的图查询方法、面向标注扩充的图算法、基于图特征的机器学习等方法因为开始利用数据之间的关联关系，也可以获得更好的效果。在此之上，基于 GNN （图神经网络）的方法因为将具体的关联关系在模型训练中嵌入表示，在理论和实践上都有了很多新的突破。

本次演讲中，古思为会为大家解谜基于图技术的欺诈检测方法，并给出他基于创建维护的 NebulaGraph DGL（Deep Graph Library) 开源项目的端到端示例开源项目的设计代码实现：一个实时欺诈检测系统，帮助大家快速了解整套方法的设计与落地的实操。

目标听众群

对图技术感兴趣的数据科学家、应用开发者

给开源生态体系带来的利益

图技术领域分为不同的方向：图数据库、图计算平台、图深度学习、图可视化。图数据库和图深度学习在开源社区中的联动是非常缺少的，NebulaGraph-DGL 这个项目将开源的图数据库和开源的图深度学习项目联系起来，让两个社区的贡献者可以建立更好的联结，享受到 1+1 > 2 的开源魔法。

演讲者简介

蔡恒兴，现任第四范式高级科学家。

中山大学硕士

全球顶级机器学习竞赛平台Kaggle Grandmaster（全球最高排名第11）

阿里天池数据科学家

国际顶级数据挖掘竞赛KDD CUP（2017季军、2018亚军、2020季军）

多媒体领域顶会ACM MM 2022挑战赛冠军

自然语言处理顶会EMNLP 2022挑战赛冠军

国内外数据挖掘竞赛共10个冠军、3个亚军

发表多篇英文期刊和会议论文，获得授权或受理专利十余项

曾任香港理工大学助理研究员、滴滴出行算法工程师

演讲题目

《AutoX开源自动机器学习解决方案》

演讲简介

机器学习算法应用中包含大量的表数据场景，利用自动机器学习技术能降低机器学习的门槛，使AI平民化。

本次报告介绍表数据场景下自动机器学习的相关核心技术，以及相应的开源产品AutoX。

目标听众群

希望以低门槛使用人工智能技术的人

给开源生态体系带来的利益

降低机器学习的使用门槛

演讲者简介

吴京京，自然语言处理算法工程师，python-wechaty作者，聊天机器人技术爱好者。

演讲题目

《基于python-wechaty和paddlenlp构建智能对话机器人》

演讲简介

python-wechaty是一个让开发者快速开发出智能聊天机器人的框架，使用一套代码即可运行在多种不同IM平台，例如微信、企业微信、微信公众号、钉钉、飞书以及WhatsApp等。PaddleNLP是一款简单易用且功能强大的自然语言处理开发库。聚合业界优质预训练模型并提供开箱即用的开发体验，覆盖NLP多场景的模型库搭配产业实践范例可满足开发者灵活定制的需求。

在此演讲中，将介绍基于python-wechaty对接IM平台，使用PaddleNLP开发更适合中文场景下的自然语言理解模型，然后基于BotMaker，实现模型服务的部署，和对话状态管理，最终实现对话机器人的整个开发闭环，更符合企业落地。

目标听众群

自然语言处理算法工程师，对话机器人爱好者

给开源生态体系带来的利益

让更多的人了解到wechaty；让更多的人了解任务型对话机器人的开发流程。

演讲者简介

公司介绍：Zilliz 是向量数据库系统领域的开拓者和全球领先者，研发面向 AI 生产系统的向量数据库系统。Zilliz以发掘非结构化数据价值为使命，致力于打造面向 AI 应用的新一代数据库技术，帮助企业便捷的开发 AI 应用。Zilliz 的产品能显著降低管理 AI 数据基础设施的成本，帮助 AI 技术赋能更多的企业、组织和个人。

Zilliz 由前甲骨文工程师星爵于 2017 年创立，得到了高瓴资本、五源资本、沙特阿美旗下 Prosperity 7资本、淡马锡旗下兰亭投资、云启资本和挚信资本等一线投资人的支持。Zilliz的技术和产品在全球范围内被超过 1000 家企业所采用，广泛应用于计算机视觉、图片检索、视频分析、自然语言处理、推荐系统、定向广告、个性化搜索、智能客服、欺诈检测、网络安全和新药发现等领域。

进行中的开源项目：Milvus

高雨辰是 Zilliz 首席工程师，目前在 Zilliz 负责 Milvus 开源产品的技术管理和社区维护。他曾在 RSVP.ai 担任技术 VP，负责打造多款在全球百强企业落地的 AI SaaS 产品。此前他先后在微软中国、谷歌美国和谷歌加拿大就职。高雨辰拥有滑铁卢大学计算机系硕士学位。

过去演讲经历：

华为云 AI 《DevRun 开发者沙龙》 主讲嘉宾

中国电信《5G引领，工业知识图谱及工业网络》高峰论坛 主讲嘉宾

《AWS User Group Data Everywhere》上海站 演讲嘉宾

演讲题目

《数据增长对于深度学习基础设施的新挑战》

演讲简介

随着5G、大数据、人工智能等技术的大力发展，人类社会所产生的数据从现实意义上达到了天文数字的级别。有机构预测到2025年的时候，人类产生的数据量将达到180ZB，而其中80%以上的数据都是非结构化数据。这些数据的处理无疑给深度学习算法的大规模应用产生的巨大的压力，而深度学习中对于Embedding的处理是整个深度学习的核心点所在。向量检索引擎和向量数据库则在这个大背景下孕育而生，结合了数据库最核心的技术和学术界最先进的算法，打造一款真正的Database for AI，助力深度学习算法和模型在工业界诸多场景下大规模落地。Milvus是目前全球开源界最火的一款向量数据库产品，采用了完全分布式、微服务、云原生的架构，目前在3000多家用户的众多场景中成功落地。

目标听众群

具有基本人工智能和深度学习知识，并且希望将算法和模型大规模落地的算法工程师和系统工程师

给开源生态体系带来的利益

听众可以了解到向量数据库是人工智能和大数据时代的产物，并且了解到向量数据库在工业界的落地案例

演讲者简介

李延凯，国内的最大隐私计算社区OpenMPC发起人、原语科技CEO兼CTO

北航计算机硕士

华控清交早期成员，核心架构师，参与实施了多个隐私计算项目实施

十余年技术管理经验，曾就职于字节跳动、百度金融、农总行软开等

8月份在OpenMPC与CSDN的Meetup活动上做了《开源隐私计算赋能数据合规流通》主题分享，线上流量达到近3万；

原语科技通过开源企业级隐私计算平台 Primihub以降低隐私计算技术应用门槛，促进更多数字化方案中嵌入隐私计算加速数据价值释放。

原语科技致力于以安全多方计算、联邦学习、同态加密、可信计算等为基础的隐私计算技术构建数据信任与安全，秉承技术开源、开放、透明即是安全，赋能数据价值的安全融合及释放，提升数据应用的深度、广度、精度，为全面构建未来数字型社会提供支撑。

原语科技致力于携手开源社区伙伴打造国际化的隐私计算技术平台。

演讲题目

《隐私计算构建新型数据要素流通基础设施》

演讲简介

• 当今社会，无论是简单的数据统计分析，或者是AI模型开发，都需要用到数据作为原始材料，数据在推动经济发展，促进社会治理和公共管理方面，起着重要作用。“新基建”、“数据要素”等有关政策相继发布，进一步明确了数据在国家战略层面的重要意义。随着数字化转型的推进，越来越多的企业和组织需要通过多方数据协同来释放数据更大的价值，提升生产效率，推进产业创新。同时，我国的数据经济产业正处于起步阶段，数据孤岛、技术沉淀不足、数据安全隐患等都成为了产业发展中亟待解决的问题。

• 在此背景下原语科技开发的企业级综合性隐私计算平台Primihub：通过应用安全多方计算、联邦学习、TEE、同态等隐私计算技术，在保护数据安全和用户隐私的前提下，促进数据高效流通。

生态影响力：

• 隐私计算技术在服务国家战略、服务改革、服务实体经济、服务民生、服务社会治理等领域的创新应用，可以助力数据的安全开放和应用，更好地开展数字化和智能化的数据新基建，同时刺激数据驱动的经济和商业模式不断创新，反向刺激数据要素的生产。

• 作为数据流通的底层基础设施技术体系，支持国家数字经济、人工智能、大数据产业、国有企业数字化转型等发展战略，打击黑产数据及通过爬虫等非合规形式的大数据渠道，通过数据生产要素的激活和交易帮助企业实现业务和收入增长，提升社会数据资源价值，并为新基建形成了一个完整的“数据生态”。基于各个物联网设备、大数据中心采集的海量数据基础上实现智能安防、智能制造、智慧城市等领域的场景。

目标听众群

开发者、数据拥有方、数据需求方、数据从业者、数据安全需求方、互联网从业者

给开源生态体系带来的利益

原语科技隐私计算平台Primihub，集成密码学、机器学习技术和硬件等多种安全方案，打破数据孤岛，不暴露各参与方敏感数据，实现数据可用不可见，满足安全、合规的需求。

演讲者简介

王楠，Jina AI 联合创始人兼 CTO，博士毕业于德国波鸿鲁尔大学。

自 2009 年开始从事深度学习相关研究，之后先后担任德国知名电商 Zalando 高级数据科学家，腾讯高级研究员，在搜索和推荐领域的具有丰富的模型设计、实现和部署经验。

专注于机器学习和深度学习算法在 NLP 和搜索领域的实际应用。作为开源神经搜索框架 Jina 的核心贡献者，热衷于开源软件和云原生技术。

演讲题目

《DocsQA：智能文档问答系统》

演讲简介

对于很多开源社区的维护者来说，都有这样的一个困扰。维护者往往要花大量时间回答社区提问，而这些问题其实在文档中都可以找到答案。DocsQA是面向开源软件提供的免费智能文档问答SaaS服务，目前为fastapi、kornia、jina等在内的十几款开源软件提供文档智能问答服务。本次演讲我们会针对其中的技术实现进行讲解，并分享我们在搭建过程中遇到的问题和解决方案。

目标听众群

对智能文档问答系统搭建感兴趣的开源开发者 以及社区文档维护者

给开源生态体系带来的利益

为开源社区提供一套文档问答的解决方案

演讲者简介

许志耿，商汤科技高级系统研究员，开源推理引擎「OpenPPL」CPU 与加速器方向负责人。

本硕毕业于上海交通大学计算机系，研究方向为高性能计算。曾参与神威·太湖之光超级计算机上的科学计算核心深度优化；建立了 AI 加速器上的商汤自研推理引擎。在 PARCO、IPDPS、ICPP 等国际会议和期刊上发表过多篇论文。

目前在商汤科技高性能计算与推理部门负责 CPU、DSP 和 NPU 等架构方向的推理引擎研发与业务落地。

演讲题目

《OpenPPL | AI 推理加速在国产 CPU 平台上的实践与挑战》

演讲简介

随着 AI 应用落地日趋成熟，AI 加速硬件逐渐从「单一专用」向「通用高性能」转变。而作为处理器技术「皇冠上的明珠」，CPU 仍然是未来 AI 高性能计算平台的重要支撑。

在如今国产 CPU 蓬勃发展的背景下，OpenPPL 基于在通用架构上积累的高性能推理技术，对主流国产 CPU 平台进行了适配与深入调优。

目标听众群

本演讲主要面向 AI 行业的开发者，听众将能从演讲中收获关于 AI 推理引擎的基础知识、典型的优化方法和最佳实践。同时，通过介绍 OpenPPL 在国产 CPU 平台的技术实践与业务落地案例，期望能给听众带来「学以致用」的收获和国产自研之路的启发。

给开源生态体系带来的利益

OpenPPL 是国内少数的开源高性能推理框架，并且积极对各类开源架构进行支持。而在性能上，商汤比肩的是 Intel 和 NVIDIA。

我们认为，国产性能框架只有真正开源后，才能为更多开发者所使用，使框架从数据和业务中来、再回到中去，形成完整闭环。

当前 AI 的应用，早已从消费场景走向自动驾驶、智慧医疗等工业级应用。AI 的技术离不开深度学习。训练和推理，是深度学习的一体两面，有了「训练」对大量数据进行碰撞、挖掘，再利用「推理」框架得到想要的结果，就能实现智能的精准达成。

本次演讲，也是希望能有更多 AI 从业者乃至更广泛的开发者能够了解并认识到国产 AI 框架的能力，并一同利用开源的 AI 能力做出更多有价值的应用。

演讲者简介

兰青，亚马逊云科技算法工程师，硕士毕业于美国哥伦比亚大学， 本科毕业于英国利物浦大学。兰青是DJL 深度学习框架的作者之一，也是 Apache MXNet PPMC成员之一，精通深度学习框架架构以及 Java 开发， 致力于研究并解决用户在机器学习推理和训练中遇到的难题。

曾写过多篇博文和多次演讲讲解开源技术，推行开源文化，鼓励新一代开发者拥抱开源

演讲题目

《使用开源DJLServing单机部署百亿参数机器学习模型》

演讲简介

随着机器学习领域不断演进，性能更强，体量更大的语言模型如GPT2, OPT, GPT3等模型提供了更好更优的推理表现。因为算力的要求，这些模型往往需要GPU加速才可以完成延迟率和吞吐量的要求。但是，由于GPU显存大小的限制，一个gpu无法放进一整个模型。这个时候，我们需要更优更快的多模型分割技术以及多gpu协同计算的能力。在这个背景下，亚马逊云科技推出了一系列使用DJLServing，一个开源的机器学习模型服务器的解决方案。这套解决方案同时也适用于Amazon SageMaker推理平台。在这个分享会中，您将获得从模型分割，压缩，蒸馏，及性能优化等技术分享，同时也可以掌握基于开源DJLServing的大模型推理调优等技术。

目标听众群

机器学习领域开发者、开源爱好者，听众了解通过开源的更优更快的多模型分割技术以及多gpu协同计算的能力，解决大力量与演模型的延迟率和吞吐量问题。

给开源生态体系带来的利益

激发更多中国大陆的程序员用开源的方式参与公益性应用软件开发的兴趣。

演讲者简介

黄风，华为MindSpore框架研发工程师；硕士毕业于浙江大学计算机学院；核心工作为参加自动并行代码相关开发；曾参加过多个大模型训练包括鹏城盘古模型千亿模型等

演讲题目

《MindSpore Transformer大模型和推荐大模型关键技术》

演讲简介

Transformer大模型成为当前人工智能技术发展的重要方向，其在多个领域的实际任务中都有大幅度超越传统模型的表现。无监督预训练配合下游快速微调的模型成为了人工智能新的范式。另一方面，相较于传统的模型，大规模的参数使得Transformer大模型的训练、微调、以及推理都面临着诸多挑战。本次议题主要和大家分享MindSpore Transformer大模型和推荐大模型中的关键技术

目标听众群

深度学习开发者以及大模型应用相关从业人员，增强大模型技术了解和MindSpore解决方案

给开源生态体系带来的利益

帮助大模型相关从业人员更好的进行大模型技术开发

演讲者简介

李薇，“OpenXLab浦源”人工智能开源开放体系，包含了“OpenDataLab浦数”等九大开源项目，覆盖从感知到决策、从平面到立体、从数据到计算、从技术到人文教育等方面，将推动人工智能对产学研各领域全面赋能，为推动人工智能科研与技术突破、交叉创新、产业落地提供全方位平台支撑。

目前OpenDataLab 平台已拥有 3500+ 数据集、1300+ 任务类型、40TB 数据集规模，涵盖 30+的应用场景、20+ 标注类型、多种数据类型，数据集具备统一的数据集组织结构标准与标注格式标准，能够通过多种维度在平台上进行检索。所有数据集均提供国内开发者进行免费、高速、便捷的数据下载。OpenDataLab秉承“智慧共享、开源高效”的核心理念，致力于打造具有国际影响力的数据开源平台。

演讲题目

《建设开源数据生态体系  助力高水平科技创新》

演讲简介

数据是人工智能行业必不可少的生产要素，而获取数据难，数据加工难，数据分享难等问题对人工智能算法研究产生了较大的制约，因此OpenDataLab致力于建设开源数据生态体系，通过建立数据资源共享，数据处理工具箱，数据标准语言，助力人工智能的研发和创新。

目标听众群

人工智能行业人群

给开源生态体系带来的利益

推动人工智能数据开源开放

演讲者简介

张海宁，现任VMware中国研发先进技术中心技术总监， 云原生实验室主任，联邦学习开源项目 FATE 开发专委会主席，Harbor企业级容器镜像仓库开源项目创始人，《Harbor权威指南》《区块链技术指南》作者之一。目前着重关注容器、区块链和云计算等领域的研究和开发工作。

演讲题目

《VMware AI新进展》

演讲简介

人工智能时代中通常有三大要素，分别是算法、算力和数据。其中数据被认为是AI发展的动力的源泉，是新时代的石油，国务院在2020年指出数据是生产要素之一。数据使用如何保护隐私，避免数据泄露，符合相关监管法规是重要的技术挑战。联邦学习是解决数据隐私问题，合规使用数据的有效方案。VMware深度参与业内首个工业级别的联邦学习项目FATE的开发以及运营，并即将开源一个生命周期管理工具FedLCM，用于管理多云环境下的联邦学习平台，同时还支持多种联邦学习的框架。

随着云计算和移动计算的发展和成熟，边缘计算模式也迅速兴起。如何在异构边缘平台上方便、灵活、高效地执行、并从云侧运维AI任务，是我们关注并正在解决的挑战。另一方面，数据中心是承载云计算任务的基础设施，也是IT领域中能源消耗巨大的主要原因。在通过AI技术在数据中心整体运维上降低能耗、减少排放、控制成本、提高效率方面，我们最近也取得了一些验证的成果。

目标听众群

关注人工智能技术的开发者

演讲者简介

路广，现任职于VMware首席技术官办公室，专注边缘计算和可持续性领域的创新技术和产品方案。他具有20年跨国商业软件产品和互联网/云服务开发和管理经验。他于2009年加入VMware，曾在云基础设施、网络和高级安全、现代应用管理、电信等事业群/部门管理产品研发团队。之前他曾供职于Sun、微软和Aol的研发部门。他是EdgeX Foundry中国项目和社区共同维护者，曾是OpenOffice.org的早期工程师和布道者。他拥有清华大学电气工程学士和硕士学位。

演讲题目

《VMware AI新进展》

演讲简介

人工智能时代中通常有三大要素，分别是算法、算力和数据。其中数据被认为是AI发展的动力的源泉，是新时代的石油，国务院在2020年指出数据是生产要素之一。数据使用如何保护隐私，避免数据泄露，符合相关监管法规是重要的技术挑战。联邦学习是解决数据隐私问题，合规使用数据的有效方案。VMware深度参与业内首个工业级别的联邦学习项目FATE的开发以及运营，并即将开源一个生命周期管理工具FedLCM，用于管理多云环境下的联邦学习平台，同时还支持多种联邦学习的框架。

随着云计算和移动计算的发展和成熟，边缘计算模式也迅速兴起。如何在异构边缘平台上方便、灵活、高效地执行、并从云侧运维AI任务，是我们关注并正在解决的挑战。另一方面，数据中心是承载云计算任务的基础设施，也是IT领域中能源消耗巨大的主要原因。在通过AI技术在数据中心整体运维上降低能耗、减少排放、控制成本、提高效率方面，我们最近也取得了一些验证的成果。

目标听众群

关注人工智能技术的开发者

演讲者简介

李枫，先后就职于摩托罗拉, 三星等IT公司, 现为独立开发者。在移动平台上积累了十年以上的研发经验, 近几年主要专注于云计算/边缘计算基础设施（包括AI,  Virtualization, Program Runtime, Network, 5G, RISC-V, EDA等软硬件领域）。

是《灰帽黑客 第4版：正义黑客的道德规范、渗透测试、攻击方法和漏洞分析技术（ISBN：9787302428671）和《恶意网络环境下的Linux防御之道 》（ISBN: 9787115544384）中文版的主要译者。

对技术创新具有浓厚的兴趣和实践能力，热心参与开源社区的各种活动，多次参加各类IT会议并作技术分享。

之前做过的各种技术演讲（皆为第一作者）可见于下面的链接：

https://github.com/XianBeiTuoBaFeng2015/MySlides

演讲题目

《Ray--分布式计算和人工智能中的瑞士军刀》

演讲简介

源自伯克利Riselab的知名开源软件项目目前已进入2.x发展阶段，Ray是用于扩展AI和Python应用程序的统一框架。它主要由一个核心分布式运行时和一个用于加速各种ML工作负载的库工具包(Ray AIR)构成。由于设计和实现的先进性，Ray已获得业界高度关注与认可，并且在生产环境下Ray及其衍生产品也得到了越来越广泛的真实应用，Ray的出现与演进也极大推动了分布式人工智能的发展。本议题以Ray为中心，将包含下列内容；

1）最新Ray 2.0的趋向和架构设计；

2）基于ARM平台的Ray项目实践--使用开源硬件平台如树莓派和基于瑞芯微RK系列处理器的开发板来尝试

搭建Ray集群；

3）尝试使用官方CPython之外的Python运行时来加速Ray;

4)  Ray项目的重构--Ray项目软件层解析和探讨使用Python+Rust来代替目前Python+C++的软件层。

另附主要技术栈的相关链接如下：

https://ray.io/

https://github.com/ray-project

https://en.wikipedia.org/wiki/ARM_architecture

https://en.wikipedia.org/wiki/Raspberry_Pi

https://www.rock-chips.com/

https://en.wikipedia.org/wiki/Python_(programming_language)

https://en.wikipedia.org/wiki/C%2B%2B

https://en.wikipedia.org/wiki/Rust_(programming_language)

目标听众群

对分布式计算（主要目标是人工智能及大数据处理）感兴趣的同学，可以从本话题中更深入地了解源自UC Berkeley RISELab的Ray分布式计算框架， 更好地理解其背后的设计思想和动机，以及潜在的改进和派生。RISELab是在分布式计算、大数据处理、人工智能等领域世界知名的实验室，其前身AMPLab推出过很多著名开源项目如Apache Spark和Alluxio

给开源生态体系带来的利益

随着人工智能和大数据处理的进一步发展对高性能分布式计算和集群计算提出更高的要求，业界迫切需要高效灵活易用的新一代分布式计算框架/人工智能引擎。RISELab适时推出的Ray项目具有独特的设计视角和新颖的实现思路，同时还着力于广泛采用现代运维技术和DevOps友好的实践、以及和人工智能/数据处理知名第三方项目的集成。 本话题不仅将探讨上述技术栈，同时也会引入自己的思考和探索--Ray项目潜在的改进和派生。

本次大会的线上互动群（COSCon'22 @开源人团聚）也如约而至。加入社群，了解大会一手信息，精彩周边拿不停！

03

年度合作伙伴

扫描二维码即可报名 点击「海报分享」生成个人专属海报

出品丨COSCon'22组委会

编辑丨李佳阳

设计丨苏子馨 朱亿钦 王梦玉

更多精彩丨COSCon'22

#

Vol.1

#

Vol.2

KAIYUANSHE/   开源社

#

开源社成立于 2014 年，是由志愿贡献于开源事业的个人成员，依 “贡献、共识、共治” 原则所组成，始终维持厂商中立、公益、非营利的特点，是最早以 “开源治理、国际接轨、社区发展、开源项目” 为使命的开源社区联合体。开源社积极与支持开源的社区、企业以及政府相关单位紧密合作，以 “立足中国、贡献全球” 为愿景，旨在共创健康可持续发展的开源生态，推动中国开源社区成为全球开源体系的积极参与及贡献者。

2017 年，开源社转型为完全由个人成员组成，参照 ASF 等国际顶级开源基金会的治理模式运作。近八年来，链接了数万名开源人，集聚了上千名社区成员及志愿者、海内外数百位讲师，合作了数百家赞助、媒体、社区伙伴。