9.16 深圳腾讯大厦见！2023 Meet TVM 线下聚会定档

本文主要是介绍9.16 深圳腾讯大厦见！2023 Meet TVM 线下聚会定档，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

By 超神经

内容一览：2023 Meet TVM 线下聚会第 3 站将于 9 月 16 日在深圳腾讯大厦举办！本次 Meetup 包含 5 个关于 AI 编译器的精彩 talk，期待与大家在深圳相聚！

关键词：编译器线下活动 2023MeetTVM

今年 3 月和 6 月，2023 Meet TVM 系列活动分别在上海和北京成功举办，300 余位来自各大厂商、科研院所的伙伴们齐聚一堂，线上线下进了充分的交流和讨论。

阅读往期文章：

北京站：活动回顾 | 汇聚行业技术大咖，共享思维碰撞时刻，2023 Meet TVM · 北京站圆满落幕

上海站：活动回顾 | 2023 Meet TVM 首聚上海，百余位工程师共话机器学习编译的现在和未来

9 月中旬，TVM Meetup 第 3 站线下聚会定档深圳，这次我们邀请到了 5 位资深 AI 编译器专家，他们将在深圳腾讯大楼，为在场的朋友们带来精彩分享。

本次活动由 MLC.AI 及 HyperAI超神经主办，同时得到了 OpenBayes贝式计算和腾讯 AI Lab 的倾情赞助，现场也为大家准备了精美的周边礼品和茶歇，欢迎大家来玩！

2023 Meet TVM 深圳站活动信息

⏰ 时间：9 月 16 日（周六）13:30-17:30

📍 地点：深圳市南山区深南大道 10000 号腾讯大厦 2F 多功能厅

👬 人数：200（现场座位有限，请尽早报名）

🙌🏻 报名：扫描下方二维码报名

温馨提示：进入腾讯大厦须提供访客信息，请务必准确填写个人信息，以免影响入场，感谢大家的合作。

扫码备注「TVM 深圳」加入活动群：

📝 日程：

分享嘉宾及内容简介

13:40-14:20

朱文熙

腾讯 AI Lab

开悟平台工程经理

分享主题：基于 TVM 的动态形状编译优化

内容简介：传统的深度学习编译器（包括 TVM）缺少动态形状支持，在处理大语言模型（动态序列长度）和检测模型（动态宽/高）等情况时比较乏力。基于此现状，我们设计实现了一套基于 TVM 的 CPU 端动态形状算子优化方案，性能超过现有的静态形状方案，且几乎不需要搜索时间。

观看本场分享，你将了解：

1. 动态形状优化带来的挑战

2. TVM 社区的 dlight 相关工作

3. CPU 端动态形状优化的难点和解法

14:20-15:00

解磊

MachineTime

创始人

分享主题：Design an AI Processor: Compiler is Dominant

内容简介：随着以大语言模型为代表的 AIGC 的发展和普及，算力需求呈指数式增长。因此，AI 处理器芯片的设计以及相应的编程变得更加复杂。

如何让两者变得更加简单高效，自动化的编译器---计算架构联合设计了一个潜在的解决方案。

观看本场分享，你将了解：

1. AI 处理器的产品格局

2. 自动化 AI 处理器设计的研究近况

3. AI 处理器自动化设计的基础编译框架

15:00-15:40

苏刚

燧原科技

资深主任工程师

分享主题：MLIR 及其 AI 图编译实践

内容简介：随着 AI 芯片和 AI 框架的蓬勃发展，AI 编译器也随之发展起来，如 XLA, TVM 等。MLIR 作为通用和可复用的编译器框架，由于能够帮助各硬件厂商快速构建 DS AI 编译器，目前在 AI 编译系统中得到了广泛的利用。

本次分享主要介绍 MLIR 的一些基本知识要素、MLIR 的 Codegen 流程以及构建 AI 编译器的实践步骤，另外也将和大家讨论一下 MLIR 解决 AI 编译器关键问题的思路。

观看本场分享，你将了解：

1. AI 编译器的构建元素

2. MLIR 的基本知识和用途

3. MLIR 构建 AI 编译器的基本步骤

16:00-16:40

张峰

腾讯

高级工程师

分享主题：基于 MLIR 的 AI 编译器的设计与实现

内容简介：AI 和机器学习领域有许多不同的软件框架（如 TensorFlow、PyTorch 等)，硬件设备也日益多样化（CPU、GPU、TPU 等)，AI 编译器作为连接二者的桥梁，存在着诸多挑战。

MLIR 作为一套编译器基础设施，它提供一系列可复用的易扩展的基础组件，用来搭建领域专用编译器。腾讯在 MLIR 的基础上搭建了一套端到端的 AI 编译器，为用户的 AI 模型提供编译优化，从而简化模型在多种 AI 芯片上的部署，发挥极致性能。

观看本场分享，你将了解：

1. 腾讯 AI 编译器的整体流程

2. MLIR 的一些基础设施介绍及其提供的便利性

3. Linalg dialect 为基础的 tiling 和 fusion 介绍

16:40-17:20

冯思远

Apache TVM PMC

上海交通大学博士生

分享主题：大模型时代机器学习系统的机遇与挑战

内容简介：生成式人工智能和大型语言模型 (LLM) 领域取得了重大进展，它们具有卓越的能力和从根本上改变许多领域的潜力。与此同时，他对于机器学习系统带来了全新的机遇和挑战。一方面，巨大的算力需求导致对于系统优化的需求提升；另一方面，单一的模型结构和高性能硬件需求，使得原本开放的机器学习生态开始收敛。

观看本场分享，你将了解：

1. 大模型时代的机器学习系统现状

2. MLC-LLM 最近的进展与更新

3. 后大模型时代的机器学习系统展望

主办方及合作伙伴简介

作为本次活动的主办方，MLC.AI 社区成立于 2022 年 6 月，并由 Apache TVM 主要发明者、机器学习领域著名的青年学者陈天奇，带领团队上线了 MLC 线上课程，系统介绍了机器学习编译的关键元素以及核心概念。

2022 年 11 月，在 MLC.AI 社区志愿者的共同努力下，首个完整的 TVM 中文文档上线，并成功托管至 HyperAI超神经官网，进一步为对机器学习编译感兴趣的国内开发者，提供了接触并学习一门新技术的基础设置——文档。

2023 年第四季度，「2023 Meet TVM」系列活动将在杭州举办，届时欢迎企业及社区伙伴参与共创。

MLC 线上课程：https://mlc.ai/

TVM 中文文档：https://tvm.hyper.ai/

国内领先的人工智能及高性能计算社区，致力于为广大国内开发者提供数据科学领域的优质公共资源，截至目前已为 1200+ 公开数据集提供国内下载节点，支持 300+ 人工智能及高性能计算相关的词条查询，托管了完整的 TVM 中文文档，并即将上线多个基础及流行教程。

访问官网：https://hyper.ai/

OpenBayes贝式计算是国内领先的高性能计算服务提供商，通过为新一代异构芯片嫁接经典软件生态及机器学习模型，进而为工业企业及高校科研提供更加快速、易用的数据科学计算产品，其产品已被数十家大型工业场景或头部科研院所所采用。

访问官网：https://openbayes.com/

腾讯 AI Lab 是腾讯的企业级 AI 实验室，于 2016 年 4 月在深圳成立，目前有 100 多位顶尖研究科学家及 300 多位应用工程师。借助腾讯丰富应用场景、大数据、计算力及一流人才方面的长期积累，AI Lab 立足未来，开放合作，致力于不断提升 AI 的认知、决策与创造力，向“Make AI Everywhere”的愿景迈步。

腾讯 AI Lab 强调研究与应用并重发展。基础研究关注机器学习、计算机视觉、语音技术及自然语言处理等四大方向；技术应用聚焦在游戏、数字人、内容、社交四大领域，并初探 AI 在工业、农业、医疗、医药、生命科学等领域的研究应用。