专题：分布式云计算与 AI 大模型智能化应用实践

云计算中心由于其自身体量，无法将低延迟到云计算能力覆盖到全球每个角落。距离云计算中心较远的用户访问构建在云上的应用时，无可避免的要承受物理距离带来的时延问题。传统的边缘计算能力对较重量级的云计算需求束手无策。

面对这种困境，将云计算平台的虚机器、托管 Kubernetes 等能力带到距离用户最近的边缘节点可以最大限度的优化用户体验。演讲将分享在分布式云计算节点部署视频转码、游戏加速、AI 推理与 WebRTC 带来的用户体验的巨大提升。

演讲提纲：

1. 边缘云计算节点构想解析
2. 边缘云计算节点的实现方式
3. 构建边缘云计算节点遇到的技术难点
4. 应用案例分享
   • 视频转码
   • 游戏加速
   • AI 推理
   • WebRTC

听众收益：

• 理解分布式云计算节点带来的优势
• 了解提升网络应用的用户体验的新途径
• 了解云计算发展的新方向

新一轮人工智能浪潮已经出现，正在改变企业对现有工作流程中内部和外部数据的使用方式。大语言模型（LLMs）与嵌入式模型（能够从非结构化数据创建高维向量的模型）的结合，使得解读任何形式的数据成为可能。本演讲将通过生成式 AI 应用场景和最佳实践，分享 MongoDB 如何助力各行各业在生成式 AI 的浪潮中脱颖而出。

演讲提纲：

1. 什么是向量搜索，以及生成式 AI 如何在解读非结构化数据方面发挥作用
2. 构建基于生成式 AI 应用的关键考虑因素
3. 展示生成式 AI 对业务工作流程转变的影响、应用场景和客户案例

听众收益：

• MongoDB 开发者数据平台客户案例和应用场景
• 了解 MongoDB 如何通过单一平台满足生成式 AI 应用的各种需求
• 了解 AI 智能化应用对于业务工作的改进

本次分享旨在探索大型模型在营销服务领域的创新应用与实践。演讲将解析大型模型在数据处理与分析中的优势，以及当前营销服务行业所面临的挑战。并对大模型为营销服务行业带来的机遇以及技术结合的重要意义展开讨论。

在实践探索方面，分享具体案例，包括在金融领域、银行业、集团企业、制造业的实践应用场景。分享也将洞察当前大型模型在应用中面临的挑战，并提出应对策略与建议，展望未来大型模型在营销服务领域的发展前景。

演讲提纲：

1. 介绍分享主题与目的
   • 大模型在数据处理与分析中的优势
   • 当前营销服务行业面临的挑战
   • 大模型为营销服务行业带来的机遇及技术结合的意义
2. 大模型在营销服场景的实践与技术实现
   • 智能知识库提升知识检索效率，降低维护成本
   • 大模型助力客服，提升业务水平，提升业务转化率
   • 集团企业智能化办公，缩短问题解决时间，降低人工投入
   • 会话洞察识别设备故障，提升服务，快速预警
3. 挑战与展望
   • 当前大模型在应用中面临的挑战
   • 应对策略与建议

听众收益：

• 了解大模型在数据分析场景下的能力与优势
• 了解营销服务行业当下趋势与挑战
• 通过大模型在营销服场景的实践案例，了解大模型在企业服务中的重要作用