“云峰论剑” 聊聊当前的前沿研究/产品/实践案例
腾讯云架构同盟活动，以下是我参加本次活动的笔记。活动收获很多，听取不同角度的人们做的事情，带给我许多启发。在现场，参加这种线下活动，感觉特别好，这种感觉比线上参加完全比不了。下面把我参加活动的笔记分享出来，没有做排版优化，都是原始记录，内容均来自现场老师分享材料，如有侵权请联系我删除。
张智 出品人，朗毅科技 EVP & CIO
《微计算：一种微小代价的高效率人工智能方法》
黄翰 中山大学教授
人工智能的第一性是什么？
人类的第一性是本体性，第二性是功能性； 而人工智能的第一性是功能性。
人工智能的本质是知识的表示，简单来说就是把知识编码到计算机中。
工业文明决定了人工智能的发展。
实验室做大才好发论文。大力出奇迹，很多人喜欢做。
实现高效率算法的四个层次
- 智商：算法设计
- 人力：程序实现
- 方案：并行计算
- 金钱：升级设备
高效率算法设计的要领——“省”。省区多余和重复的计算量。
微计算方法：微搜索 + 微计算
进化算法是一种人工智能方法。
知识表示的形式：随机遍历与贪心方法
微搜索算法设计举例：多约束多目标优化；
应用研究：
- 基于微搜索的精确抠图算法；答题卡自动评分；
- 基于微搜索的双层次车辆路径问题高效求解
- 柔性作业车间生产调度
- ATCG-PC 问题的微搜索算法求解
- 软件智能测试服务
- 微小数据量的图像训练样本集
- 标一得万的医学图像自动增广软件
- 微学习方法构建高价值数据库
- 微小代价的神经网络结构搜索
- 微小代价的聚类结构生成
研究主题： 1.微计算
- 微计算方法赋能具身智能
- 生化计算机赋能数字生命工程
黄教授个人兴趣：
- 解决 AI 应用技术难题
- AI 科普与创作
《从个人记忆到团队资产：Agent Memory 的进化与开源之路》
黄依琳
问题背景
能力在增长，经验没有继承。
演进过程
真正丢失的是历史判断中的“为什么”。
个人记忆解决连续，团队记忆解决继承。
四类资产
- Chat Memory
- LLM-Wiki
- CodeGraph
- Skill
《恶劣条件下小目标检测的模型优化与实践》
李中华 中山大学，副教授，智能工程学院
研究背景
恶劣条件的多维度图谱
核心矛盾三角：精度、速度、鲁棒性
小目标检测方法演进脉络
- 两阶段方法：Faster R-cnn 系列
- 单阶段方法：YOLO /SSD 系列
- Anchor-free 方法：FCOS /TOOD
恶劣条件鲁棒性检测的两条技术路线
- 路线一：图像预处理增强
- 路线二：网络端到端鲁棒性
开放词汇大模型带来的范式转移
- 传统：封闭集检测
- 现在：开放词汇检测
模型优化的四层框架纵览
- 部署层
- 范式层
- 网络层
- 数据层
数据层：恶劣条件下的数据构建策略
- 真实采集+物理引导合成
- 缺陷热力统计指导采样
- 半监督增量自进化
网络层：轻量骨干与特征增强
- 轻量化骨干设计
- 多尺度特征融合
- IA-FEM 特征增强模块
部署层：边缘优化与人机协同兜底
- 模型压缩与边缘部署
- 人机协同闭环
- 在线自进化闭环
核心模块：IA-FEM 特征增强
实践：
- 智能制造质检：级联框架中的推理路由与业务处置
关键技术：围观表象三步法提示词工程
- 四维观察
- 表象描述
- 多粒度提炼
PCB 缺陷检测：残铜零样本捕获
- 智能分流放行（硬实时算力节能）
- 突发
- 人工协同兜底
焊缝缺陷检测：量化效果与实证
- 智能分流放行（保障高速节拍）
- 一场靶向探针（零样本捕获新缺陷）
- 人机协同复核（极端安全兜底）
质监系统的监控、复核与更新闭环
- 运行监控：延迟、吞吐、置信度
- 异常分流：超时、低置信度样本
- 人工复核：确认标签与业务处置
- 受控更新：评估、灰度、回退
四大维度的通用新范式
- 维度一：开放词汇世界模型底座
- 维度二：启发式两阶段级连路由
- 维度三：微观表象三步法工程范式
- 维度四：防遗忘增量自进化闭环
未来研究方向
- 统一恶劣条件建模
- 小目标超分辨率与检测一体化
- 端侧大模型：更小更快的开放词汇检测器
- 数字孪生驱动的合成数据闭环
《从单卡算力到系统价值：AI 推理架构的异构协同与实践》
张晶 / AMD
AI 推理架构的异构协同与实践
来自真实客户案例的 know-how：从成本约束、24GB OOM 到 CPU-GPU 工作负载重构
架构设计从约束开始
需求与验收标准：
- CAPEX / 采购成本
- Supply / 交付窗口
- Memory / 可用容量
- Latency / 吞吐
- Quality / 质量
- TCO / 单位产出
从单 GPU 到异构协同。
- 32GB GPU Only：采购风险
- 24GB GPU Only：运行时 OOM
- CPU + GPU：验证峰值显存/时延/质量
如何定位OOM：先复现失败，再隔离峰值显存贡献