共计 2702 个字符，预计需要花费 7 分钟才能阅读完成。
2023 Meet TVM · 深圳站于 2023 年 9 月 16 日在腾讯大厦胜利举办，百余名参与者亲临现场，凝听讲师们的精彩分享。
作者 | xixi
编辑 | 三羊
本文首发于 HyperAI 超神经微信公众平台~
由 MLC.AI 社区和 HyperAI 超神经主办，Openbayes 贝式计算和腾讯 AI Lab 协办的 2023 Meet TVM · 深圳站已圆满闭幕。 间断一周的大雨也抵挡不住社区搭档们的激情，百余位来自高校、大厂、芯片厂商、研究院的参与者从各地赶来，退出这场属于 AI 编译器的线下团聚。
本次流动咱们邀请到了来自上海交通大学、腾讯、MachineTime、燧原科技的 5 位资深讲师，联合本身业务中的利用，分享对于 TVM & MLIR 的最佳实际。
流动内容回顾
以下是流动内容简介以及现场的视频回顾。
关注微信公众号「HyperAI 超神经」，后盾回复关键字「TVM 深圳」，获取嘉宾残缺 PPT。
分享主题： 基于 TVM 的 CPU 端动静形态优化
内容简介： 传统的深度学习编译器（包含 TVM）短少动静形态反对，在解决语言模型（动静序列长度）和检测模型（动静宽 / 高）等状况时比拟乏力。基于此现状，咱们设计实现了一套基于 TVM 的 CPU 端动静形状算子优化计划，性能超过现有的动态形态计划，且简直不须要搜寻工夫。
分享视频：【2023 Meet TVM · 深圳】朱文熙 - 基于 TVM 的动静形态编译优化
分享主题： Automatically Design an AI Processor: Compiler is Dominant
内容简介： 随着以大语言模型为代表的 AIGC 的倒退和遍及，算力需要呈指数式增长。因而，AI 处理器芯片的设计以及相应的编程变得更加简单。
如何让两者变得更加简略高效，自动化的编译器 - 计算架构联结设计了一个潜在解决方案。
分享视频：【2023 Meet TVM · 深圳】解磊 -Design an AI processor: Compiler is Dominant
分享主题： MLIR 及其 AI 图编译实际
内容简介： 随着 AI 芯片和 AI 框架的蓬勃发展，AI 编译器也随之倒退起来，如 XLA、TVM 等。MLIR 作为通用和可复用的编译器框架，因为可能帮忙各硬件厂商疾速构建 DS AI 编译器，目前在 AI 编译系统中失去了宽泛的利用。
本次分享次要介绍 MLIR 的一些基本知识因素、MLIR 的 Codegen 流程以及构建 AI 编译器的实际步骤，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。
分享视频：【2023 Meet TVM · 深圳】苏刚 -MLIR 及其 AI 图编译实际
分享主题： 基于 MLIR 的 AI 编译器的设计与实现
内容简介： AI 和机器学习畛域有许多不同的软件框架（如 TensorFlow、PyTorch 等 )，硬件设施也日益多样化（CPU、GPU、TPU 等 )，AI 编译器作为连贯二者的桥梁，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大的根底组件，用来搭建畛域专用编译器。腾讯在 MLIR 的根底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，施展极致性能。
分享视频：【2023 Meet TVM · 深圳】张峰 - 基于 MLIR 的 AI 编译器的设计与实现
分享主题： 大模型时代机器学习零碎的时机与挑战
内容简介： 生成式人工智能和大型语言模型 (LLM) 畛域获得了重大进展，它们具备卓越的能力和从根本上扭转许多畛域的后劲。与此同时，它对于机器学习零碎带来了全新的时机和挑战。一方面，微小的算力需要导致对于系统优化的需要晋升；另一方面，繁多的模型构造和高性能硬件需要，使得本来凋谢的机器学习生态开始收敛。
分享视频：【2023 Meet TVM · 深圳】冯思远 - 大模型时代机器学习零碎的时机与挑战
北京站视频： 北京站回顾视频可在「HyperAI 超神经」视频号中观看
2023 Meet TVM · 年初团聚
往年 Q1-Q3，咱们胜利举办了 3 场线下 meetup，吸引了泛滥关注 AI 编译器畛域的敌人们，在不同的城市汇聚一堂，一起进行学习和探讨。
Q4 行将到来，咱们将举办 2023 Meet TVM 年初团聚，以此为往年的 2023 Meet TVM 系列流动画上完满的句号，诚挚邀请各位企业及社区搭档们以各种模式参加共创，无论是举荐讲师还是资助场地、茶歇，咱们都非常欢送。
让咱们一起致力共建国内最沉闷的 AI 编译器社区！最初分享一张现场的大合影❤️
获取 PPT： 关注微信公众号「HyperAI 超神经」，后盾回复关键字「TVM 深圳」，获取嘉宾残缺 PPT。
主办方及合作伙伴
作为本次流动的主办方，MLC.AI 社区成立于 2022 年 6 月，并由 Apache TVM 次要发明者、机器学习畛域驰名的青年学者陈天奇，率领团队上线了 MLC 线上课程，零碎介绍了机器学习编译的要害元素以及外围概念。
2022 年 11 月，在 MLC.AI 社区志愿者的共同努力下，首个残缺的 TVM 中文文档上线，并胜利托管至 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施——文档。
2023 年第四季度，咱们将举办 2023 Meet TVM · 年初团聚，届时欢送企业及社区搭档参加共创。
MLC 线上课程：https://mlc.ai/
TVM 中文文档：https://tvm.hyper.ai/
国内当先的人工智能及高性能计算社区，致力于为宽广国内开发者提供数据迷信畛域的优质公共资源，截至目前已为 1200+ 公开数据集提供国内下载节点，反对 300+ 人工智能及高性能计算相干的词条查问，托管了残缺的 TVM 中文文档，并行将上线多个根底及风行教程。
拜访官网：https://hyper.ai/
OpenBayes 贝式计算是国内当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疾速、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纳。
拜访官网：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 多位顶尖钻研科学家及 300 多位利用工程师。借助腾讯丰盛利用场景、大数据、计算力及一流人才方面的长期积攒，AI Lab 立足将来，凋谢单干，致力于一直晋升 AI 的认知、决策与创造力，向“Make AI Everywhere”的愿景迈步。
腾讯 AI Lab 强调钻研与利用并重倒退。根底钻研关注机器学习、计算机视觉、语音技术及自然语言解决等四大方向；技术利用聚焦在游戏、数字人、内容、社交四大畛域，并初探 AI 在工业、农业、医疗、医药、生命科学等畛域的钻研利用。
本文首发于 HyperAI 超神经微信公众平台~
