针对分布式训练服务器的集群进行架构设计，是为了更好地解决机器学习中分布式训练中的通讯问题。目前机器学习中主要由两种分布式架构： 参数服务器架构（Parameter Server，PS）去中心化架构（Decentralized Network） 其中，分布式训练通常在计算集群上进行，集群的每个节点分别执行一部分计算。不同节点的计算之间有数据依赖和共享，需要将数据在不同节点间传输，这就是通

“大模型”不是新东西。 在这波大模型热潮之前，工业界便已存在各种规模的模型。但由于工业领域大多涉及关键决策，实际应用时较为慎重。 有了大模型的加持，工业界的人工智能应用，迎来了全新的契机。但在这个群“模”乱舞的时代，大模型离工业界大规模应用还有多远？有哪些亟待突破的真正的核心技术？ 带着这些问题，我们希望借WAIC 2023 全球人工智能大会举办的机会，找到一家一线的工业界实践者，探寻其中的