随着大模型能力逐渐标准化，企业间的竞争已经从“谁的模型更强”，转向“谁能用得更高效”。推理部署的性能优化、训练资源的动态调度、以及平台工程的自动化协同，正在成为 AI 应用落地过程中的核心议题。
8 月 23 日下午，CloudPilot AI、密瓜智能、Zadig 和 DLRover 将在上海模速空间联合举办线下技术沙龙，主题为「偷懒也是生产力！算力优化与平台自动化实战」。我们将围绕以下方向展开技术分享与交流：
如何提升 AI 推理任务的算力利用率与稳定性
在 K8s 环境中实现训练任务的自动化调度与资源优化
用平台工程实践，提升团队在多角色协作中的效率
与各位一线开发者、平台工程师、AI 应用团队一起探讨如何在资源紧张的现实条件下，通过自动化手段实现“偷懒式”提效。
01/
沙龙信息
8月23日（周六） 14:00—17:00
活动地点：
上海徐汇区模速空间 F2栋2层，金融服务平台 （地铁11号线龙耀路站）
报名方式：
扫描下方二维码或点击文末【阅读原文】填写问卷即可报名。
02/
沙龙议程
突破传统 Kubernetes 扩缩容逻辑：从 Resource Requests 迈向智能弹性伸缩
姜伟｜CloudPilot AI Tech Lead
集群自动扩缩容常被视为一个“已解决”的问题，然而，单纯依赖 Pod 的资源请求来做扩容决策，往往导致节点资源配置不合理，计算能力浪费，甚至引发不必要的成本开销。举个例子，一个简单的 “Hello World” 应用，最终却被调度到了搭载 3.5GHz+ 高性能 x86 CPU 的节点上——显然远超其所需的性能，这种错配正暴露了传统自动扩缩容方案的核心短板。
为此，我们基于 Karpenter 构建了一套智能化、自定义的自动扩缩容架构，专注于做出更聪明、更具性能感知的扩容决策。我们通过扩展 Karpenter 实现了以下能力：
成本感知调度：根据工作负载的稳定性需求，在昂贵的非抢占式实例与廉价的抢占式实例之间动态权衡选择。
性能感知选型：根据虚拟机的 CPU、I/O 等能力与应用性能画像进行匹配打分，实现最优适配。
架构感知优化：自动识别支持 ARM 架构的工作负载，优先选择成本更低的 Graviton 实例部署。
本演讲面向希望突破基础集群扩缩容方案的工程师与架构师，展示如何利用 Karpenter 的可扩展性，构建更智能、更贴合业务目标的弹性调度系统——无论你是运行一个简单微服务，还是管理大规模数据处理流水线。
HAMi 如何更好提升 AI 推理算力效率
陈文｜密瓜智能 技术负责人
随着大模型在搜索、推荐、智能驾驶、语音识别等领域的深度渗透，AI 企业正面临日益严峻的 GPU 资源管理挑战。如何高效盘活 GPU 资源、降低算力成本、提升推理效率，已成为各行业突破发展瓶颈的关键课题。
然而，传统 Kubernetes 集群中，GPU 资源多采用独占式分配模式，不仅导致资源利用率低下、多任务混布困难，更造成严重的算力碎片化问题，极大制约了 AI 业务的规模化推进。为此，HAMi 应运而生，针对性破解这一系列痛点。
本次分享将结合多个真实案例，深入解析 HAMi 在金融、智能驾驶、公有云智算及生成式 AI 等典型场景中的实践成效，通过这些案例，我们将全面展现 HAMi 在不同场景下的技术适配性与价值创造能力。
DLRover 在大规模分布式LLM预训练中的生产实践
马介悦｜蚂蚁集团高级专家
伴随 Scaling Law 驱动下的大规模预训练，其稳定性问题随着规模呈指数级增长，导致大量GPU浪费闲置。如何实现训练异常的快速发现和容错成为提升训练效率的关键。
本次演讲基于DLRover开源软件方案，以有效训练时长作为核心指标牵引，介绍我们应对训练稳定性挑战的踩坑经历。
Zadig 平台工程模式，提升产研发布效率，降低事故发生率
MinMin｜Zadig 架构师
产研效能提升常被视为「流程优化问题」，然而，单纯堆砌 DevOps工具链，往往产生系统孤岛效应、交付链路断裂，甚至引发高频生产事故。为此，Zadig 基于平台工程理念构建了智能化的产研 DevOps 平台，专注于实现端到端自主交付。
本演讲面向受困于交付效率与质量平衡的技术决策者和工程师，将深入解析 Zadig 平台工程模式在多行业的落地实践，展示如何通过平台工程重构软件交付链路——无论是管理简单的微服务、还是千节点车联网系统，Zadig 可以让每次发布都成为一个可观测、可回溯、可复用的价值创造过程，同步实现产研发布效率的跃升与事故率的大幅下降。
03/
惊喜好礼
8月23日，模速空间见！
