制造企业可以通过哪些方式优化 HPC 的性能,比如优化代码、调整资源配置等?优化后可以提高仿真测试的速度吗?

对于HPC算力需求的不断增加和计算需求的不确定性，是否可以做到有效的资源需求预测，以免多建浪费，少建满足不了需求？

汽车制造行业遇到资源需求波峰波谷的，也就是某个时间任务特别的多，出现很多排队情况 ，如何合理编排？

向量数据库定位为大模型落地解决数据更新、知识图谱构建、消除幻觉等问题，当前向量数据库市场存在不同的技术路线和诸多厂商的产品，企业面临根据自身应用场景和大模型技术栈，选择适合自身需求的向量数据库的难题。通过本话题的探讨重点考察向量数据类型、向量检索算法、数据...(more)

1.背景：随着大型模型的发展，企业在人力、财力、物力等方面的资源投入变得尤为重要。这些资源的合理分配和支持对于大型模型的建设至关重要。2.痛点：企业在有限的资源条件下，如何优化资源配置，以最大化项目的效益，是一个亟待解决的问题。3.问题：企业如何建立ROI模型，以实现资源投...(more)

目前是否有什么评估指标，来评估大模型建设的成果？

考察向量数据库的高可用设计、运维设计、国产软硬件的兼容性设计，以及典型故障等运维实践。

大模式如何与原有架构（如数据湖、湖仓一体、数据仓库）相结合，成为了企业架构中需要考虑的问题。企业需要对现有的数据架构进行全面的评估，了解其功能、数据处理能力、存储容量、查询性能等，有助于确定大模型与原有架构结合的方式和可行性。企业还需定义统一的集成接口标准，使大...(more)

随着AI大模型的普及应用，保护隐私和数据安全的重要性愈加突出。通过加强数据安全保护、强化用户隐私保护以及进一步加强技术研究和创新，我们能够更好地应对AI大模型带来的智能涌现，并确保隐私和数据的安全性。...(more)

业务人员的业务需求，如何转换为对数据的请求？在众多数据表中， 如何找到和目标业务有关的数据表

金融行业对于决策的解释和透明度要求较高。大模型的黑盒特性和复杂性可能会对模型的解释性和可解释性提出挑战。确保模型的决策过程是可解释和可理解的，以满足监管和合规的要求，是一个重要的问题。如何确保大模型的决策过程是可解释和透明的？有哪些方法可以增加模型的解释性...(more)

议题中的业务数据主要是指金融行业应用系统运营过程中实时产生的业务属性相关数据，IT技术数据是指承载该应用系统机房、网络、服务器、操作系统、数据库等软硬件实时运行数据。主要面临困难：在金融行业中，如何将应用系统业务数据和IT技术数据进行充分融合，并利用大模型算法实...(more)

大模型在银行的应用领域可以覆盖从前台到后台的各个环节。银行的每条业务线、每个职能部门，都有可能挖掘大模型的应用潜力。在安全可控的前提下，一旦在银行实现大规模应用，将有望带来显著的成本降低和效率提升。那么，大模型在金融服务中的最新算法、技术和应用案例可以探讨一...(more)

行业通用硬件、中间件、数据库等平台日志相对标准，日志错误信息有相应文档，如果利用Chatgpt的能力，实现对于通用平台日志的分析能力。行业通用大模型无法很好的实现运维领域知识的学习，是否应打造一个运维行业的大模型，并以通用平台日志作为切入点。希望这次 主要交流的点首...(more)

1.该议题希望探究大模型在信用评估、欺诈检测和客户服务场景中的微调策略，分析其共性与差异，以优化模型性能。2.一些个人看法共同点：所有场景均需针对特定任务微调预训练模型，以提升性能。差异点：信用评估侧重信贷历史分析，欺诈检测需识别异常行为，客户服务强调自然语言处理。3....(more)

请问各位大拿，实际生产环境中，MySQL写到Redis读的过程是实时还是异步？即Redis是否需要立刻支持读到前端写的数据？如果是异步的，时延一般是多少，比如XX秒还是XX分钟？

传统大中型金融企业IT基础架构关键角色（存储岗、数据库岗、计算岗、网络岗等等），在大模型微调项目落地过程中应该提升哪些核心技能以及提升的路径建议？才能更好的去拥抱和应对大模型趋势，希望各位老师可以给我们这些IT基础架构的人员在拥抱大模型趋势下，应该需要提升哪些核心技...(more)

大模型训练过程比传统的分布式训练复杂,训练周期长达数月。本议题核心研讨如何运用存储技术手段提高大模型训练的数据存储效率。