时序数据库在金融，互联网，IoT 等各行各业有着广泛的应用。虞新阳将在演讲中介绍基于GPU并行计算的解决方案，将大幅提高时序数据库的整体体性能。

盛骁杰将与参会者分享如何通过云端 GPU 技术来高效率的处理大规模的视频分析任务，并且介绍深度学习技术在视频分析业务上的应用和实践经验。

吴中勤将在本次演讲中分享百度视觉语义化技术，该技术是百度AI全新的视觉感知和理解能力，实现了视觉技术从感知到认知，从看清到看懂的升级，是一次质的飞跃。

黄军将主要介绍美团点评从零建设深度学习的基础设施平台 - GPU 计算平台的全过程，主要包括：集群异构资源管理，各类深度学习框架的统一集成与部署，以及深度学习全流程平台化的过程。

郭峰将在本演讲中结合其近年在企业的相关规划建设实践，首先会介绍当前企业在 AI 基础设施建设上面临的挑战，提出在数字驱动业务的大背景下，构建云原生支撑能力的必要性，并结合云原生的三大核心特性探讨如何利用 Docker／Kubernetes 通用计算调度技术和 NVIDIA GPU 设备构建面向云原生的大规模人工智能计算平台，最后结合企业实践，介绍在真实落地过程中的一些经验教训。

王育军：今天NVIDIA GPU方案在 AI 领域内已成为训练的必要条件。在小米语音线上推理工作同样采用了 NVIDIA Tesla P4 GPU。小米语音团队和 NVIDIA Tesla 技术团队一起倡导了多卡多线程服务，实现了低时延的语音服务。

 

机器学习算法驱动了Amazon许多业务系统，它也是客户体验的能力核心：从配送中心的路径优化，到推荐引擎，再到Alexa的语音交互，无人机 Prime Air，以及新的零售体验Amazon。费良宏将分享Amazon在 AI 领域20多年的深度实践。

TensorFlow 是一个开源的机器学习平台，它易于使用，同时提供了从研究到生产的动力和灵活性，可轻松实现跨平台的部署，从台式机到服务器集群到移动和边缘设备的跨平台。梁信屏将在本次演讲中介绍 TensorFlow 的应用和加速 AI 的最新特性。

秦涛将给大家分享微软亚洲研究院在神经机器翻译上的最新研究成果：1）利用无标注单语数据提高神经机器翻译的精确度，提高样本学习效率；2）基于非自回归解码模型，提高神经机器翻译模型的在线响应速度。

马艳军将介绍阿里计算平台事业部 PAI 团队基于模型与系统 co-design 理念研发的 AI 在线推理框架 PAI-Blade 的设计架构，技术细节以及在业务场景的落地经验。

通过徐磊的演讲，与会者将会了解到NVIDIA多GPU聚合通信库 NCCL 背后的原理和机制，NCCL 所支持的通信方式，NCCL所提供的API调用示例，以及如何在深度学习模型训练中利用NCCL进行单机多卡以及多机多卡加速训练。

Gilad将在演讲中重点向大家介绍网络计算。网络计算就是将通信过程中的计算由 GPU 和 CPU 放到网络中来，将 GPU 的计算力释放出来，实现数据在那里，计算就在那里的新型计算模式。在深度学习中，Allreduce 是通信操作的关键，网络计算可以解决 Allreduce 操作的通信瓶颈，大幅度提升 GPU 计算的性能。

庄熠

百度资深研发工程师

魏轶彬

百度资深研发工程师

郑百成将介绍CUTLASS（用于线性代数计算的 CUDA 模板）。CUTLASS 是一个 CUDA C ++ 模板集，用于在 CUDA 的各个层次上实现高效的矩阵乘法计算 （GEMM)。 希望为所有需要使用高性能矩阵乘法作为新算法模块的开发者提供这一高效可复用的技术。

吴磊将在演讲中为大家带来 NVIDIA GPU 基础开发工具的最新特性介绍。具体包括：GPU 开发工具 CUDA v10.0 最新特性；深度神经网络 GPU 加速库 cuDNN v7.3 最新特性；GPU 集合通信库NCCL v2.3 最新特性。

傅德禹将通过演讲帮助开发者更好地运用 Volta 架构中加入的 Tensor Cores。这一矩阵计算单元提供了 125 Tflops 的 IEEE 半精度浮点数运算。