分享缩略图

分享到:
链接已复制
首页> 图 片>

北京大学-字节跳动“豆包大模型系统软件联合实验室”成立聚焦AI系统软件关键技术问题

2024-12-13 11:10

来源:中国网

分享到:
链接已复制
字体:

中国网讯 12月12日,北京大学-字节跳动“豆包大模型系统软件联合实验室”签约仪式暨“面向大模型的智能化软件技术与生态”学术研讨会在北京大学英杰交流中心隆重举行。北京大学计算机学院院长胡振江、党委副书记魏朋、北京大学科技开发部副部长郑如青、字节跳动科研战略与学术合作负责人金小伟、字节跳动豆包大模型Foundation团队负责人项亮等出席活动。活动由联合实验室主任、北京大学计算机学院刘譞哲教授主持。

12月12日,北京大学-字节跳动“豆包大模型系统软件联合实验室”签约仪式暨“面向大模型的智能化软件技术与生态”学术研讨会在北京大学英杰交流中心隆重举行。 中国网记者 刘桢珂摄影

北京大学计算机学院院长胡振江教授在致辞中表示:“北京大学计算机学院软件研究团队是国际一流、国内领先的学术团队,曾获得过计算机领域首个国家技术发明一等奖、亚洲唯一的IEEE TCSE软件协同奖等荣誉。针对大模型给系统软件带来的挑战,刘譞哲教授团队与字节跳动豆包大模型团队前期开展了卓有成效的合作,合作发表多篇高质量论文,特别是对万卡规模GPU的大模型训练系统设计进行了公开介绍,作为学界已知的最早研究,对学术界和产业界都产生了重大影响。联合实验室的建立标志着双方合作走入更深、更精、更密切的新阶段。在基础研究方面,我们将聚焦大模型时代智能化软件基础科学和关键技术问题,特别是结合企业真实场景开展研究,加强原创性、引领性、关键性的科技攻关。在人才培养方面,我们将通过联合实验室打造高水平创新人才培养基地,构建产学研协同育人新模式,培养具有扎实理论功底和实践创新能力的复合型人才。”

北京大学计算机学院院长胡振江致辞 中国网记者 刘桢珂摄影

北京大学科技开发部郑如青副部长转达姚卫浩部长向联合实验室成立的热烈祝贺。她表示:“系统软件是人工智能发展的核心基础支撑。很高兴看到北京大学与字节跳动在长期合作基础上建立了联合实验室,这将进一步促进北京大学系统软件技术科研成果在大模型等人工智能重要场景中的应用转化,期待双方携手同力,研究真问题,真研究问题,产出更多有影响力的合作成果。科技开发部将继续发挥桥梁纽带作用,积极探索校企合作新模式,推动建立产学研用深度融合的创新生态,加快科技成果转化和产业化步伐。我们也期待通过与字节跳动的产学研协同,打造校企合作的示范样板,推动更多科技创新成果服务经济社会发展。”

北京大学科技开发部副部长郑如青致辞  中国网记者 刘桢珂摄影

字节跳动科研战略与学术合作负责人金小伟表示:“北京大学和字节跳动有长期的合作,特别是近年来在超大规模集群资源管理方面产生了很好的合作研究成果,并在豆包大模型的生产环境中上线应用。联合实验室的成立为双方的合作开启了新的篇章。未来,在技术研发方面,我们将以突破关键核心技术为目标,在模型架构、训练框架、推理优化等方面持续探索创新。在产业实践方面,豆包大模型丰富的应用场景和实践经验,能为基础研究提供真实的应用反馈。豆包大模型团队将与北大专家密切合作,共同突破大模型系统关键技术,推动大模型技术发展。”

字节跳动科研战略与学术合作负责人金小伟致辞  中国网记者 刘桢珂摄影

联合实验室主任刘譞哲教授回顾了联合实验室的成立背景和过程,指出系统软件是人工智能高效发展的基础支撑,联合实验室将充分发挥北大软件团队的基础研究优势与豆包大模型在基础设施和应用场景的优势,开展联合攻关,从源头和底层解决大模型系统软件关键技术问题,努力打造在学术界和产业界都能有重要影响力的成果;同时,在校企合作过程中,重视高端软件人才培养和产教融合。

联合实验室主任、北京大学计算机学院教授刘譞哲介绍实验室情况  中国网记者 刘桢珂摄影

北京大学计算机学院党委副书记魏朋老师主持了联合实验室的签约仪式和揭牌仪式,刘譞哲和项亮代表双方签署合作协议,胡振江院长、郑如青副部长、金小伟先生共同为联合实验室揭牌。

联合实验室揭牌仪式  中国网记者 刘桢珂摄影

在随后举行的“面向大模型的智能化软件技术与生态”学术研讨会上,由北京大学计算机学院金鑫研究员主持,杨仝研究员、研究生赵怡浩、吴秉阳、陈世茂分别作了学术报告。

与会专家们一致认为,推动产学研深度融合对促进人工智能核心技术突破具有重要意义,此次联合实验室的成立是校企协同创新的重要里程碑,将依托双方优势,共同推进大模型系统软件的技术创新与应用发展。

关于北京大学-字节跳动豆包大模型系统软件联合实验室:联合实验室立足北京大学计算机学院在系统软件领域的研究积累,依托字节跳动在大模型应用和系统方面的实践优势,聚焦人工智能大模型系统软件研发。团队多名成员曾在SIGCOMM、NSDI等国际顶级会议发表成果,在训练和推理系统方面,有过丰富的大规模生产环境成功部署经验,为团队技术创新奠定了坚实基础。

【责任编辑:刘桢珂】
返回顶部