共计 2894 个字符，预计需要花费 8 分钟才能阅读完成。
往年 3 月和 6 月，2023 Meet TVM 系列流动别离在上海和北京胜利举办，300 余位来自各大厂商、科研院所的搭档们齐聚一堂，线上线下进了充沛的交换和探讨。
浏览往期文章：
北京站：流动回顾 | 汇聚行业技术大咖，共享思维碰撞时刻，2023 Meet TVM · 北京站圆满闭幕
上海站：流动回顾 | 2023 Meet TVM 首聚上海，百余位工程师共话机器学习编译的当初和将来
9 月中旬，TVM Meetup 第 3 站线下团聚定档深圳，这次咱们邀请到了 5 位资深 AI 编译器专家，他们将在深圳腾讯大楼，为在场的敌人们带来精彩分享。
本次流动由 MLC.AI 及 HyperAI 超神经主办，同时失去了 OpenBayes 贝式计算和腾讯 AI Lab 的倾情资助，现场也为大家筹备了精美的周边礼品和茶歇，欢送大家来玩！
2023 Meet TVM 深圳站流动信息
工夫：9 月 16 日（周六）13:30-17:30
地点：深圳市南山区深南小道 10000 号腾讯大厦 2F 多功能厅
人数：200（现场座位无限，请尽早报名）
报名：扫描下方二维码报名
舒适提醒：进入腾讯大厦须提供访客信息，请务必精确填写个人信息，免得影响入场，感激大家的单干。
扫码备注「TVM 深圳」退出流动群：
日程：
分享嘉宾及内容简介
工夫：13:40-14:20
Speaker：朱文熙（腾讯 AI Lab，开悟平台工程经理）
分享主题：基于 TVM 的动静形态编译优化
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，在解决大语言模型（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。
观看本场分享，你将理解：
- 动静形态优化带来的挑战
- TVM 社区的 dlight 相干工作
- CPU 端动静形态优化的难点和解法
工夫：14:20-15:00
Speaker：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的解决方案。
观看本场分享，你将理解：
- AI 处理器的产品格局
- 自动化 AI 处理器设计的钻研近况
- AI 处理器自动化设计的根底编译框架
工夫：15:00-15:40
Speaker：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。
观看本场分享，你将理解：
- AI 编译器的构建元素
- MLIR 的基本知识和用处
- MLIR 构建 AI 编译器的根本步骤
工夫：16:00-16:40
Speaker：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。
观看本场分享，你将理解：
- 腾讯 AI 编译器的整体流程
- MLIR 的一些基础设施介绍及其提供的便利性
- Linalg dialect 为根底的 tiling 和 fusion 介绍
工夫：16:40-17:20
Speaker：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，他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。
观看本场分享，你将理解：
- 大模型时代的机器学习零碎现状
- MLC-LLM 最近的停顿与更新
- 后大模型时代的机器学习零碎瞻望
主办方及合作伙伴简介
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根底设置——文档。
2023 年第四季度，「2023 Meet TVM」系列流动将在杭州举办，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。
流动行：扫码跳转至流动行报名
扫码备注「TVM 深圳」退出流动群
思考到本场流动的场地空间状况，咱们仅凋谢了 200 个到场名额，倡议大家尽早报名锁定席位。
2023 Meet TVM 系列流动现已开启，9 月 16 日 13:30-17:30，期待与大家在深圳相聚！