亲爱的小伙伴们：

经过DataFunCon 2021组委会4位主席和16位出品人的精心策划，以及各方合作伙伴的协助，本次DataFunCon 2021的完整日程终于敲定啦！

本次大会，共设置：推广搜、知识图谱、大模型、图学习、实验科学与因果推断、智慧供应链、AI工程化及应用、数字人与元宇宙、计算加速、极速OLAP、隐私计算与数据安全、数据开发与数据治理、AIDataOps、大数据与AI结合、智能数据湖、大数据云原生等16个论坛，85个议题分享，共邀请超过100位嘉宾参与本次大会！

下面我们就来一起盘点大数据与人工智能领域的16大热点方向的最新进展！

2021年，在疫情隔离和复杂国际形势的背景下，我们越发认识到重视核心基础技术，对保持国家独立自主发展的关键价值，互联网和科技行业也面临着新的挑战和变革机遇，新的AI技术正发挥越来越大的作用，AI技术本身正逐步往工业化生产阶段迈进。不仅是搜广推等传统互联网业务，各行各业的需求爆发，也对AI提出了融合创新、降低门槛的要求。所以预训练大模型、知识融合、跨模态学习、图神经网络等技术得到蓬勃发展，AI与其他学科和产业应用场景也在加速融合。展望2022年，我相信还会有很多新的技术方向逐渐兴起和实用化。比如炙手可热的元宇宙和数字人，提升AI算法可解释性、可靠性的可信计算，基于智能决策的工业和供应链优化等等。下面根据主席和出品人的思考，我们提炼出了8个AI方向比较热门的方向，和大家一起交流讨论：

搜广推：是互联网连接人与信息、服务的关键技术能力。从早期的信息检索系统开始到现在，搜索就已经成为用户获取到互联网信息最为有效快捷的方式；则是伴随着互联网的商业模式发展的核心助力；随着互联网内容的不断丰富，更多的内容依靠推荐分发，推荐技术也变得越发重要。搜索、、推荐3大引擎自身发展的同时，极大的推动了互联网的技术发展，比如搜索依赖并驱动着NLP能力的发展，三大引擎都在不断驱动包括文本、图片、视频等内容类型的理解。

知识图谱：作为人工智能重要驱动力之一，知识图谱在工业界和学术界都引起了广泛的关注，近些年随着预训练技术的发展，大规模知识图谱构建技术更为成熟，在各行业都带来了巨大的价值。此次大会中我们从大规模知识图谱存储、通用及领域图谱构建、企业知识图谱应用及挑战等角度与大家交流知识图谱技术的最新进展。

大模型：深度学习近年来的飞速发展，得益于数据与算力的突破、通用思想与工具的普及。随着Transformer-based模型在不同领域验证了其对于数据和模型参数的高可扩展性，一种趋势是将预训练模型做大、做通用，来获得更好的迁移性，甚至获得强大且简洁的零样本或少样本学习的能力。大会将讨论大模型训练效率、业界实际落地应用情况，以及学术界的相关进展。

图学习：图结构广泛存在于我们的生活中，大到社交网络，小到化学分子结构，而图学习则是指在这些图结构上的机器学习，是目前最火爆的AI研究领域之一。本次大会将会从架构、算法、应用多个维度来全方面阐述图学习技术在学术界和工业界的最新的进展，期待和听众一起总结过去展望未来。

实验科学与因果推断：随着21年诺贝尔经济学奖的颁布，基于观测数据和实验的因果推断越来越受到重视，并且也在众多的科技公司决策中扮演着重要角色。同时，因果推断和因果发现也是未来推荐系统的重要发展方向。本次大会为大家提供了多方位的实验方法与因果推断的应用场景案例。

智慧供应链：工业与AI、大数据结合，应用于生产制造、物流、仓储、销量预测等全流程。在电商场景下，仓库所需要履约的订单量大，涉及到的SKU众多，履约时效要求高，导致仓储履约难度大。如何维持服务水平的同时控制库存成本，核心挑战就是预测补货。这时，拥有一个好的预测算法，进而搭建一套完备的一体化供应链体系显得尤为重要。另一方面，在汽车领域应用运筹学、图和机器学习等技术，也取得了显著的成效。

AI工程化及应用：过去7年，以深度学习为代表AI技术浪潮席卷了整个互联网，算法和工程的持续合作创新将深度学习、图学习、强化学习等多项AI技术大规模应用到互联网各个业务场景，带来了巨大的业务红利，并推动分布式训练引擎、AI Serving、端到端建模等AI工程架构的巨大发展，成为支撑算法迭代的基石。进入到2021，深度学习的创新已然进入深水区，一方面AI工程化技术在更大规模、更复杂、更通用上持续演进，以支持头部场景迭代并推进AI普惠；另一方面新兴场景与AI技术的结合催生了非常多创新的算法解决方案。为此在我们将在AI工程化与应用这个Session，与大家一起探讨交流业界在算法端到端建模迭代、全流程机器学习平台、大规模排序、知识图谱、曲率学习、联邦学习等多个方面最新的AI工程实践。

数字人与元宇宙：数字人在图形图像、自然语言、语音AI能力及基础软硬件的发展推动下，近两年实现了爆发式增长，同时也作为元宇宙的场景入口与连接纽带备受瞩目。近期我们看到业界厂商集中推出了各自的数字人产品与平台，不但帮助数字人具有了更低的构建成本与更精细的表现力，还使其具备多模理解能力，拥有常识能感知环境，能够自主互动与情感化表达，推动了数字人智能化和场景化的升级。在这背后经过了怎样的探索与演进？本次大会的多位行业资深专家将为大家带来他们的最新实践。

以AI为代表的新技术动能，正在以前所未有的速度改造我们所熟悉的一切生活和生产活动。我们把AI成为“第四次工业革命”，而工业革命的最重要标志，就是技术的标准化、自动化和模块化。期待Datafun的小伙伴们通过这次大会，领略AI技术与大数据之美，积极投身到这场技术革命当中，共同实现我们用技术改变世界的梦想！

在移动互联网时代，随着5G，物联网等的兴起，我们能接触到的数据越来越多，越来越大。正是在这样的趋势下，在C端领域如何通过这些数据去提升用户的使用粘性；在工业上，如何让设备更高效；在出行领域，如何让驾驶更智能，等等这些方向对大数据AI的应用有了更大的想象空间。但数据又是一把双刃剑，随着国内对隐私合规的重视度越来越高，如何在保护隐私的前提下挖掘数据价值又成了一个重要的命题。

而我们今年DataFunCon 2021的初衷是希望聚集起行业里在这些热门方向的专家，形成一个讨论的氛围，相互切磋，相互学习，共同进步，在大数据议题方面，按照今年的热点和明年可能的一些方向，一共是提炼了8个主题：

计算加速：计算的性能是业务非常关注的事情，10多年前的MapReduce，将大数据计算抽象成模型思维，有了统一的计算框架，但性能上一直不是太优，所以后来有了Spark基于内存进行加速，但随着应用场景越来越复杂，很多需求Spark也无法满足，这就有了更多的大数据计算加速方向的探索；

极速OLAP：数仓/OLAP分析是大数据领域的一个基本课题，近几年随着短视频等业务形态的火热，实时性诉求越来越约强烈，如何对性能进行提升变得更加重要，所以涌现出了非常多的技术，从各维度如压缩，向量，时序等进行创新；

隐私计算与数据安全：2020年可以说是数据隐私计算元年，在此之前，行业里更多的是通过数据市场来实现数据价值的变现，但这种方式除了是一次性的价值之外，对数据的安全风险的挑战更大。随着联邦学习在国内的兴趣，目前逐渐形成了联邦学习，多方安全计算和可信计算三条技术路线，而且今年在应用层面有了不少让人眼前一亮的落地；

数据开发与数据治理：前面的三个议题更多的是关注在业务/技术领域，当我们把视角上升到公司CIO维度之后，效率与效果这两个维度就非常重要了，如何构建一个可持续演进的大数据平台，并让数据的价值更清晰的体现出来，是越来越多的企业正在思考的问题；

AIDataOps：当数据量越来越大之后，这也意味着大数据平台的规模也越来越大，平台中的计算任务也会更复杂，这样平台运营中存在的不稳定性因素也越来越多。如何能快速发现问题，祛除隐患，是大数据平台负责人的重要职责，如何通过工具，以及利用AI的能力提升数据平台运维的效率，也是大家普遍关注的一个问题；

大数据与AI结合：当要处理的数据越来越多，模型的网络结构越来越深，模型越来越大，对实时性的要求越来越强，AI的应用也就进入了一个新的挑战阶段。所以基于这个新的挑战行业里有一些什么新的探索？我们会在大会中深入聊一聊；

智能数据湖：智能数据湖可以说是大数据云原生的一个非常好的落地场景，在成本和效率优化的基础上，数据湖是能有效降低大数据的使用门槛的利器，从亚马逊的s3流行开始，到行业里湖仓一体的结合，如何让湖里的数据更灵活的应用一直是大家都在探索的方向，近两年，结合AI的能力，将丰富的应用场景嵌入数据湖里，让数据湖活起来，行业里也做了不少的尝试。

大数据云原生：过去10多年，如果我们把大数据的实践看作为1.0的时代的话，接下来即将进入的就是基于云原生的大数据2.0时代。首先云原生要解决的是大数据使用的效率问题，基于云原生快速构建大数据的弹性能力，其次优化成本，弹性能较好的降低空闲成本，灵活的调度能力则能将大数据与在线业务进行结合，进一步降低成本。当然还有很多其他的优化，我们在大会中会一一与大家交流。

当然，近期行业里比较热门的大数据方向肯定不仅局限在上面提到的8个方向，我们也希望在讨论和分享中，大家能碰撞出更多的火花，活跃大数据圈子里的讨论氛围，共同促进行业发展！

主席寄语

整体安排

大会组织