7 月 10 日，「GOTC 全球开源技术峰会“AI、大数据与数字经济开源技术论坛”」在上海世博中心召开。「GOTC 全球开源技术峰会」是由开放原子开源基金会与 Linux 基金会联合开源中国共同举办的开源盛会，包含多个主题分论坛，其中“AI、大数据与数字经济开源技术论坛”出品方为 LF AI & Data 基金会。
LF AI & Data 基金会执行董事 Ibrahim Haddad 为本次峰会带来首场主题演讲。演讲的开始，Ibrahim Haddad 就表示，现在进入 AI 领域的阻碍已经以之前小了许多，这要归功于开源软件。开源知识库、框架、平台、 工具 可以带来双向的馈赠：一方面，开源使得每个人都可以更轻松地了解和走进 AI；另一方面，公司可以从社区获得好处，借助个人贡献者的力量更好地进行 open AI 应用探索。
中兴通讯 AI 研发总工韩炳涛认为：在数字化转型中，主要场景包括数字生活、数字经济和数字治理，有大量人工智能加大数据的应用，而为了把应用能够更快速地开发、并且部署起来，需要打造一个 AI 融合大数据的技术中台，加速应用的开发和落地。面对现在一些比较难以解决的问题，包括极大极小的弹性环境、容器、裸金属一体化、异构跨集群数据存储等，都值得探索。
“关于开源，很多人认为是当下的需求，在我看来开源是基石。”英特尔 OpenVINO 边缘人工智能软件首席布道师 Raymond Lo 从自己的早期经历谈起，认为在构建人工智能的未来的过程中，有许多似曾相识的时刻。2000 年，英特尔发布计算机视觉库工具 OpenCV ，那时 Raymond Lo 还是个学生，也是 OpenCV 软件库最早的使用者之一。为了此次演讲，Raymond Lo 重新下载了 OpenCV 最早的公开版本，并且成功运行了起来，做了边缘检测和绘制图像，之后的 demo 演示对他来说就像昨日重现。这种开放源代码的方式不仅让过去可以追溯，也让 OpenCV 在社区驱动开发的模式下，持续发展。OpenCV 开源至今，已经有数百万次下载量。
Zilliz 合伙人、Milvus 系统架构师郭人通带来了关于云原生向量数据库的探索分享。他从为什么需要向量数据库谈起：随着数据类型逐渐从结构化到更多非结构化的变化，以及从高度抽象到没那么抽象的数据的高速增长，再加上用传统的分析手法、分析引擎等很难去理解非结构化数据，以及具有丰富语义的数据等等。在此基础上，向量数据库应运而生。Milvus 作为开源向量数据库，赋能 AI 应用和向量相似度搜索，加速非结构化数据检索。
华为 MindSpore 运营总监胡晓曼介绍 MindSpore 到底有哪些关键特性，以及为什么要基于 MindSpore 做一个新的高阶工具 TinyMS。MindSpore 的关键特性包括：自动并行；二阶优化；动静态图结合；全场景部署协同等等。在此基础上，华为打造一个高阶的工具 TinyMS，让大家可以无痛上手，同时，所有的代码只需要一行的代码，训练、部署基本上都可以一行代码搞定。
中兴通讯 AI 平台资深专家，Adlik 开源项目技术负责人刘涛介绍了 Adlik 对深度学习模型推理优化的实践。Adlik 可以在特定的硬件上加速深度学习推理过程。加速有两重含义：第一是它可以加速深度学习推理的部署的过程，因为它对不同硬件，如 x86 CPU、ARM CPU，包括 GPU 环境上，都有很好的适应性，另外 Adlik 提供了统一的接口，方便快速编译和部署模型；第二重加速的含义是它可以加速模型在特定硬件上的推理速度，包括时延和吞吐率等。
本次论坛中，也有来自研究界的声音。 国防科技大学副研究员、OpenI 启智开源平台运营中心主任余跃介绍了鹏城实验室与鹏城云脑开源开放生态。余跃介绍，目前，以 Openl 为基础平台，有一个标准工作组，希望将各种各样跟 AI 相关的标准，以及 AI 通过开源模式在各产业的应用去做双循环。通过开源软件的参考实现中逐渐凝练标准，再形成国家标准，更好地构建技术体系和技术生态。
下一代人工智能会是什么样子的？OPPO 安第斯系统机器学习部负责人郑志彤作为一个人工智能爱好者，提出了自己的观点。他指出，人工智能是漫长的、久远的，远远没有到认知阶段，下一代人工智能迫切要解决感知的鲁棒性，关键在于表征和训练的逻辑理解和物理理解，而不是超大模型超大数据。
百度资深研发工程师，飞桨开源生态技术负责人，LF AI&Data 基金会技术委员会成员周倜在论坛上介绍了百度深度学习开源平台飞桨及其行业应用。飞桨的技术特性被总结为四点：开发便捷的深度学习框架，动静统一，动态图编程调试转静态图预测部署；超大规模深度学习模型训练技术，支持千亿特征、万亿参数的高速并行训练，是业内首个通用异构参数服务器架构；多端多平台部署的高性能推理引擎，即训即用，支持端边云多硬件和多操作系统；产业级开源模型库，算法总数 270+ 包含领先的预训练模型。
VMware CTO 办公室资深研究员彭麟带来了一场联邦学习领域解决方案的分享。联邦学习研究是人工智能领域中非常重要的一个方向，联邦学习是解决小数据、数据孤岛的可行方案，其核心是“数据不动模型动”，但联邦学习的复杂性提出了运维的需求，为此 VMware 提出了云原生联邦学习的概念，并开源面向生产的联邦学习平台 FATE，提出两种开源云原生联邦学习方案：KubeFATE，基于 Kubernetes 的联邦学习部署与运维平台，以及基于 KubeFATE 的 FATE-Operator。
商汤科技研究总监，OpenMMLab 项目负责人陈恺的分享围绕计算机视觉展开。计算机视觉就是赋予机器眼睛和大脑，使其看懂图像与视频。OpenMMLad 包含算法库和工具箱，来实现计算机视觉众多经典的算法和前沿的研究。OpenMMLad 中，目前所有项目基于一致架构开发，方便研究和学习；涵盖超过 15 个研究热点方向，算法覆盖完善；包括 160+ 先进算法，性能领先；拥有超过 1300 个预训练模型，真正实现开箱即用。
论坛的最后，上海开源信息技术协会秘书长，上海对外经贸大学人工智能与变革管理研究副院长张国锋从经济学视角解读开源，带来了一场精彩分享。对于开源，张国锋提出了三个观点：开源是数字商品资源配置的最有效方式；开源是数字商品大规模社会化生产协作方式；开源是数字社会世界观与方法论。张国锋也表达了他对开源未来的看好：“开源是一场伟大的社会创新活动，伟大的社会实践呼唤理论创新，伟大的创新实践一定会产生伟大的理论。”
有关开源的讨论和实践还在继续，本届「GOTC 全球开源技术峰会“AI、大数据与数字经济开源技术论坛”」已圆满落幕，7 月 31 日至 8 月 1 日，「GOTC 全球开源技术峰会」深圳会场将在深圳会展中心召开，届时，将有更多技术领域论坛与大家见面，同时也会围绕开源展开新的讨论，敬请期待！
“AI、大数据与数字经济开源技术论坛”回放视频已上线 GOTC 全球开源峰会官网，点击查看：https://play.itdks.com/watch/10468552?player
