Page1 自我介绍
腾讯云计算总经理李力，很高兴见到大家。我的标签是腾讯云的第一行代码和第一台虚拟机，这个故事也很有意思，今年刚好也是中秋和国庆连在一起

Page2 AI新时代
云计算发展十五年，作为亲历者，到底有什么心得？
发展确实非常迅速，但是与十五前的预测有点不一样：1. computing or hosting 2. 消费互联网 or 产业互联网
而现在到了一个新的时间节点，如何离用户更近，云计算的未来会有几个方向的发展：
1. 算力尤其是智能算力的发展
2. 把云带回家，统一和标准的算力覆盖，分布式云
3. 云原生，以云的方式使用云
4. 轻量云，回归到开发者为主的用户群体

Page5 算力需求
前面讲过的hosting还是computing，在云当中，大部分的需求是hosting的
而ai的浪潮加速了这个改变
通过数据、算法和算力，我们可以做到以前远远做不了的计算量，从而实现神经网络
我们后面会讲到，对于这种改变，云有它独特的优势，也同时需要解决一些特定的挑战

Page6大模型的需求
大模型的参数从数亿发展到十亿级甚至万亿级，也第一次让人们感受到了agi通用人工智能的到来
那它带来的需求和挑战就更大了

Page7 ModelOps，不仅是GPU
这就是最终而推导出来的一个产品架构图
**分层介绍一下**

Page8 第二部分引入：训练
我们先讲讲在训练场景的技术挑战和应对思路，这可能也是目前aigc在算法以下最主要的工作

Page9 训练的目标是尽快完成任务
多台机器和卡参与计算，共同完成任务
跟hosting的区别是：对性能有要求（需要快），对容灾有要求（需要考虑结果）

Page10 自下而上、软硬结合，确保又快又稳
逐层展开

Page11 自研硬件
既有优势，展开讲一下云的基础设施在aigc时代的新的机遇

Page12 星脉网络
3.2t rdma集群，用于混元的多年积累

Page13 存储加速
也是既有优势，存储产品能力的深度融合

Page14 智能容错
云原生的节点管理
优化了客户授权、故障迁移、镜像优化、内存初始化、网卡初始化

Page15 第三部分引入：推理
如果没有推理，训练也就没有意义，而推理是更重度依赖云原生体系的业务场景

Page16 硬件算力发挥到极致
高吞吐、低时延、低成本

Page17 软硬协同
像是训练一样，完整的软硬协同方案

Page18 训推一体
一边训练一边推理，加速迭代过程

Page19 一站式加速
更先进的技术

Page20 第三部分：应用层面
略