如遇到章节错误，请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，稍后尝试刷新。
学生以及从业者提供一个高质量的学术交流平台，因为neurips主会场在国外，很多人不能亲临，这才有了这个线下討论会，也是为了能让国內的ai社区成员也能近距离接触和討论最前沿的ai研究成果。
线下交流会的第二天，报告厅內，周昀在为大家讲解他发表在neurips上的论文。
报告厅內座无虚席，周昀站在讲台后，身后的巨幕投影著论文的整体框架图，他则是指著屏幕，不急不缓地讲解著自己的工作。
台下，来自各大高校、研究所和企业的专家学生们还不时有人举起手机拍下照片。
隨后的提问环节，周昀都一一作答。
到了这个阶段，这场报告的预定时间才过了一半，不少人都觉得这可能是安排上的一个失误，周昀却是微微笑道：“感谢各位的问题，关於这篇论文的內容就到这里，接下来的时间，我想分享一下我们实验室最近的一个工作，相信各位肯定会感兴趣的。”
这个环节也是提前和主办方说好的。
不过台下的人並不知情，泛起些骚动，大家的好奇心都被勾了起来，毕竞隨著周昀论文引用量的不断增加，他在学术圈的名气也是越来越大，至少在多模態这个领域，多数人都看过他的论，他的几篇论，都对多模態模型的发展做出了巨大的贡献。
周昀操作电脑，投影画面切换，一个logo出现在屏幕中间，aetos，下方则是一行小字agpucomputingecosystemforeveryone。
“在过去几个月里，我和我的学生，完成了一个非常创造性的工作，”周昀的目光扫过台下，朝著陈默点了点头，眾人也看向这个有些拘谨的男孩。
“就是大家看到的这个，我们称之为aetos，目標是构建一个不依赖於特定硬体厂商的高性能gpu计算生態。“
话音落下，台下响起一阵阵议论。
gpu计算？生態？这两个词组合在一起，尤其是在当前的技术背景下，其指向性再明確不过cuda和英伟达的统治地位。
周昀也不意外大家的反应，只是继续自己的报告，ppt翻页：“为了实现这个目標，我们主要做了两件事：
第一，设计了一套新的中间表示（ir）层；
第二，创建了一个专用的编译器，负责將高级计算描述通过这套ir，最终转换为高度优化的且能適配不同gpu架构的机器码。
传统的cuda代码，其內核的编写方式与nvidiagpu的硬体特性，如线程层级结构、內存模型深度绑定，这使得它为n卡带来了极致性能，但也导致了其天然的封闭性。
aetos的ir层，试图站在一个更高的角度去描述计算本身，而不是如何映射到硬体，它更关注的是“要计算什么，比如一个矩阵乘法的数据维度、依赖关係、並行粒度，而不是具体有多少个threadblock或warps。”
隨后他展示了一个简单的gemm在aetosir中的表示方式，它看起来更像是一个数学表达式和数据依赖图的结合体，几乎没有硬体特定的术语。
“这套ir是我们整个生態的基石，它就像普通话，而我们支持的各种gpu架构，就像是说不同方言的人，我们的编译器，就是一个优秀的翻译官。“
本章未完，点击下一页继续阅读。