2022年12月30日，SegmentFault Community与亚马逊云技术联合举办的& amp# 039；2022 re:Invent Recap:创新驱动力——深度学习技术洞察力和实践& amp# 039；在线沙龙活动圆满结束。

近年来，AI在自然语言处理(NLP)领域不断创新，推出了新的聊天机器人模型& amp# 039；ChatGPT & amp# 039；等AIGC范式的内容制作工具迅速崛起。随着越来越多AIGC创业新贵迅速占领市场，业界对寒冬新AI创业浪潮的期待也彻底点燃，如何通过深度技术帮助所有开发者使产品创新更加容易，成为了新的挑战。

从2012年开始的亚马逊云技术re:Invent全球会议是云计算领域业界关注的活动，每年都受到全球开发者的关注。本沙龙将围绕AI深度学习技术展开进一步讨论，并在基本原理和大量工作实践案例中分享AI技术在产品创新方面的实践经验和AI工程师的创新创新。Zilliz首席工程师赵恩伟、NebulaGraph项目开发者布道师Guss、亚马逊云技术解决方案设计师林业、亚马逊云技术机器学习解决方案设计师李雪青应邀参加了此次沙龙，并发表了主题演讲。

目前，AI正在向产业化方向发展，深度学习平台是企业和开发人员应用AI技术所必需的& amp# 039；杀手& amp# 039；正在成为。最近公布的IDC数据显示，选择开源深度学习框架使用AI技术的企业和开发人员比例达到了86.2%。那么，在深度学习技术转换过程中，如何简化应用程序开发过程和数据管理问题呢？Zilliz首席工程师赵恩伟首先是& amp# 039；Milvus:深度学习应用& amp# 039；工业革命& amp# 039；的新发动机& amp# 039；分享这个主题，从社区实践的角度，在深度学习产业化浪潮中，Milvus用自己的性能优势解读了等级数据解决等多个场景需求。

Milvus研究小组将数据framework标准化后产业化的& amp# 039；窗口& amp# 039；通过成功抢占赛道，自2019年4月1.0版本正式发布以来，不断重复，2020年3月加入Linux基金会，发展成为比较成熟的开源产品。在这次分享中，焦恩伟最初在海量数据下& amp# 039；搜索图片& amp# 039；介绍了Demo系统和矢量数据库Milvus概念及其体系结构的构建方法。Milvus 2.0是基于亚马逊云技术的微服务云基础体系结构SaaS，包含很多组件和节点。此外，Milvus的云服务版本——Zilliz云基于亚马逊云技术云平台提供服务，允许群集之间使用相同的资源池进行计算聚合，从而大大降低用户的节点开销和成本。焦恩伟还分享了深度学习的应用案例，并展示了新一代Milvus进化计划。

Jiao Enwei详细解读了Milvus的性能优势，并从视频检查、商品推荐、商品搜索、App推荐等案例分析了Milvus在社区中的广泛应用空间，通过AI中队、AI业务、高性能、大数据等四个场景分析了Milvus的适用人群。他表示，矢量数据在深度学习场景中有着广泛而广泛的应用前景，接下来，他将更加积极地包容AI生态系统，期待与业界上下游企业合作。他说，在今后的规划过程中，下一个阶段Milvus支持SQL，降低了使用AI、学习门槛，增加了更多的非R & ampampd学生也提到，将使他们能够快速享受当前的技术变化。同时构建多租户平台，为各业务部门提供服务，提供最高级别的性能优化和丰富的AI生态访问。最后，焦恩伟也回答了网友提出的互动问题，如& amp# 039；Muas性能调整方法& amp# 039；& amp# 039；什么因素会影响CPU的利用？& amp# 039；& ampquot& ampquot矢量数据库的主要应用方向& ampquot肖恩分别给出了答案。

在AI时代，利用神经网络学习地图结构数据、提取地图结构数据特征模式以满足地图学习工作需要的算法已广泛应用于日常数字生活的各个领域。在第二次演讲中，NebulaGraph项目开发人员布道师考试由& amp# 039；构建基于pic神经网络的实时欺诈检测系统& amp# 039；主题为& amp# 039；绘画深度学习& amp# 039；和& amp# 039；图片数据库& amp# 039；通过对构建实时欺诈检测系统的方法进行了深入的解释。

旧思想介绍了当前图片神经网络的发展背景，解释了为什么要通过这个算法方案构建系统，以及可以组织、查询、存储海量地图业务的图片数据库概况。然后对基于图的神经网络方法和GNN欺诈检测进行深入解释，并在实践中共享实时欺诈检测系统(GNN)图形数据库)NebulaGraph DGL的实际应用和正在使用的开源项目。在此期间，他重点展示了如何将成功的DGL图表神经网络模型纳入在线服务，并演示了Demo结合图片数据库的实时功能构建整个欺诈检测系统的过程。

根据老想法，NebulaGraph项目从2018年创立之初开始，从day zero到超大型规模、千亿点规模、万亿规模的演变，不断重复，在有成千上万用户的开源社区磨练着完美的周边生态系统。的开源项目。DGL最初由纽约大学和亚马逊云技术发起，是最受欢迎的图片神经网络框架之一，提供与非常优雅的基本框架无关的GNN接口和非常强大的分布式教育功能，同时社区也很活跃。最后，旧思想对在线网民也是& ampquot一定深度学习基础该如何入门& ampquot，& ampquot道神经网络目前可研究的方向和今后的发展趋势& ampquot对的问题提出了答案。

此后，亚马逊云技术解决方案设计师林业、亚马逊云技术机器学习解决方案设计师李雪青也从当前话题技术和实战的角度& amp# 039；Amazon SageMaker游戏AIGC & amp# 039；哇& amp# 039；SageMaker的新功能深度解读：机器学习模式治理实践& amp# 039；以为主题分享了。

根据Gartner数据，到2023年，20%的内容将由生成的AI创建，到2025年，我们生产的AI生产的数据比例将达到10%。林业重点关注当前热点AIGC，介绍AIGC概况和当前AIGC主流应用场景，& ampquot如何利用亚马逊云技术的平台实现AIGC的Stable Diffusion模型应用程序& ampquot演示了。

林业主要选择了Stable Diffusion和Bloom这两种AIGC模式进行了初步说明。其中Bloom是亚马逊云技术今年7月正式推出的开源项目，最终达到了1760亿个参数规模，可以应用于各种场景。他还为Amazon SageMaker Studio一站式机器开发了IDE开发平台，并开发了Amazon SageMaker JumpStart、sage maker jump start Stable Diffusion和SageMaker JumpStart Bloom

作为AI的核心，机器学习在减少模型失败和规避风险方面必须具备完整的规范。在本次在线沙龙的最后一个主题中，李雪青从两个方面介绍了亚马逊云技术的优点。比如非常完整的机器学习产品类型、亚马逊自研教育芯片Amazon training、自研推理芯片Amazon ingredient等。然后，通过Amazon SageMaker概述，重点讨论了基于Amazon Sage Maker Notebook Instance的JUPYTERLAB开发环境的笔记本电脑实例、算法工程师的日常实验和代码调试、开源深度磁带库功能图神经网络的各种业务方案等。

——3354——3——3————3333——3——-3——33——

在四位讲师的精彩分享和与广大开发者的积极互动下，我们在热烈的技术交流氛围中结束了本沙龙，为2022年画上了圆满的句号。新年将继续举行更多精彩的活动。期待大家的关心！

视频播放链接：https://ke.segmentfault.com/C.