AMD Advancing AI

Kunlun Zhu

Developer, OpenManus Project, OpenManus
Graduate Student Researcher, University of Illinois Urbana-Champaign

初级内容。 由讲师指导的动手实践 GPU 研讨会，介绍如何在 AMD GPU 上设置 AI 推理和开发智能体。向 OpenManus 项目的创始人和 AMD 架构师学习如何在基于浏览器的工作流程中使用 MCP、开源模型（Qwen3、Llama4）和 OpenManus 框架在 AMD Instinct™ MI300X GPU 上开发 AI 代理应用程序。

参与条件：无

Kunlun Zhu 目前是 UIUC 的 MSCS 一年级学生。他参与了许多代理开源项目，例如 OpenManus、XAgent、ChatDev 和 ToolBench，获得了超过 80k 颗星。他在 ICML、ICLR、ACL、TMLR 和 Nature Communications 上发表了多篇著作，收到了 1200 多篇关于智能体和工具使用的引用。他曾在清华大学担任研究科学家，并在 CMU、Mila 实习，并且是 ModelBest Inc. 和 OpenBMB 的早期创始成员之一。

Matthias Reso
Partner Engineer, AI, Meta

初级难度。 由讲师指导的 GPU 实践研讨会，教授使用 AMD GPU 调优 LLM 和图像生成模型。您可向 PyTorch 和 torchtune 核心贡献者以及 AMD 架构师学习如何使用 torchtune 调优 LLM 和扩散模型，探索 Unsloth 等调优库的优势，并动手体验调优模型的优势。

参与条件：研讨会 101

Matthias 是 Meta 的 AI 合作伙伴工程师，在计算机视觉和 AI 应用方面拥有 12+ 年的经验。作为 PyTorch 应用 AI 团队的一员，他喜欢探索和攻克深度学习框架的界限，并帮助其他人做同样的事情。他的兴趣涵盖高性能模型优化、分布式训练和推理。

Robert Shaw
Director of Engineering, Red Hat AI

面向高级用户、由讲师指导的动手实践 GPU 研讨会。为您提供提示和技巧，以最大限度地提高 AMD GPU 上大规模 vLLM 部署的性能。加入这个激动人心的课程，由 vLLM 的核心维护者和 AMD 架构师主讲。向 vLLM 的一位核心维护者学习生产规模模型服务中的挑战，使用可部署内核优化性能，并将其应用于 LLM 以提高效率，对增强的性能和 TCO 优势充满信心。

参与条件：研讨会 101

Robert Shaw 担任 Red Hat 的工程总监，还担任过 vLLM 的提交者职位。Robert Shaw 专注于工程领导和对开源项目的贡献，坚持推动软件开发创新和质量。

Mark Saroufim

Software Engineer, Meta
Co-Founder, GPU Mode

面向高级用户、由讲师指导的 GPU 实践研讨会。介绍 AMD GPU 架构，并指导您开发优化的内核。加入这个激动人心的课程，由 GPU Mode 的联合创始人以及他们的核心维护人员和 AMD 架构师团队领导。探索 GPU 架构，向 GPU Mode 的创始人学习内核开发基础知识，GPU Mode 是 GPU 内核开发社区，从一个简单的内核示例开始，并加入 GPU Mode 内核项目以培养实用技能。

参与条件：研讨会 201

Mark Saroufim 是 Meta Platforms 的软件工程师，也是 PyTorch 的核心贡献者，专门从事 GPU 优化和性能工程。他与他人共同创立了 GPU Mode，这是一个拥有 16000 多名成员的开源研究社区，致力于让 GPU 编程更易于实现。

Daniel Han
CEO, Unsloth AI

探索加速训练的最新趋势及其对内核、强化学习和量化的影响。此外，了解如何为强化学习塑造的后训练的未来做好准备。探索 GRPO 背后的技术基础、DeepSeek-R1 背后的算法，并解锁奖励函数的强大功能。

Daniel Han 是 Unsloth AI 的首席执行官，这是一家开源 AI 初创公司，其使命是让每个人都能使用 AI 并准确无误。Unsloth 发展迅速，获得了超过 38,000 个 GitHub 星，在 Hugging Face 上的月下载量超过 1000 万次。该团队为主要模型（包括 LLaMA、Phi、Gemma 和 Mistral）提供了关键错误修复。在创立 Unsloth 之前， Daniel 曾在 NVIDIA 工作，将 t-SNE 可视化速度提高了 2000 倍。

Wenlei Bao
Research Scientist, Bytedance Seed

Triton distributed 是 Triton 编译器的扩展，可优化分布式 AI 系统的计算、内存访问和通信。它支持重叠技术，性能优于手动优化的代码，并且与低级编程相比，它缩短了开发时间。

Chris Lattner
CEO, Modular Inc
Co-Founder, LLVM

探索使用 Mojo 编程和语言以及 MAX 框架来发挥 AMD GPU 的强大功能，打造领先的新一代 AI 应用程序。

Chris Lattner 是 Modular 的联合创始人兼首席执行官，该公司正在为 AI 和异构计算构建创新的开发人员平台。Modular 开发了 MAX（一种加速 GenAI 推理的 AI 部署系统）以及 Mojo 语言（一种用于 GPU 编程和高性能的 Pythonic 系统）。他与他人共同创立了 LLVM 编译器基础设施项目、Clang C++ 编译器、Swift 编程语言、MLIR 编译器基础设施、CIRCT 项目，并为 Apple、Tesla、Google 和 SiFive 的许多其他商业和开源项目做出了贡献。

Simon Mo
vLLM Project Co-Lead, vLLM

探索如何使用 vLLM 克服 LLM 推理障碍，vLLM 提供了节省内存的方法，并支持为各行各业的实时应用程序提供快速、可扩展的 AI 部署。

Simon Mo 是 Berkeley Sky Computing Lab 的博士生。他是 vLLM 项目的联合负责人，该项目专注于在您自己的基础设施上为 LLM 推理构建端到端软件。与其他系统相比，该项目旨在将常用 LLM 的吞吐量提高 2-4 倍，同时保持相同的延迟水平。

Joe Chau
VP of Engineering, HPC & AI, Microsoft Azure

Peng Cheng
Senior Principal Research Manager, Microsoft Research Asia

讨论为新型 AI 模型扩展基于 GPU 的训练的技术复杂性，包括资源优化、分布式计算瓶颈和能源效率。该议程重点介绍 Azure 基础结构和研究中的创新解决方案和进步，提供了对 AI 开发高性能计算未来的见解。

Joe Chau 是 Microsoft 的工程副总裁，负责领导 Azure 高性能计算 （HPC） 和人工智能 （AI） 基础设施团队。他负责构建和运营为 Microsoft 最先进的 AI 工作负载提供支持的大型系统。Joe 的工作涵盖云基础设施、系统工程和软硬件协同设计，支持部署尖端的 GPU 集群和下一代计算平台。通过与内部团队和行业合作伙伴合作，他在扩展 Microsoft 的 AI 功能方面发挥了关键作用。Joe 以其技术深度和战略清晰度而闻名，帮助确保 Azure 保持 AI 基础设施的全球领导者地位。

Peng Cheng 是 Microsoft 亚洲研究院的高级首席研究经理，专门研究系统、网络和人工智能。他最近的工作重点是 AI 基础设施和 AI 系统协同进化的开创性进步。Peng 在领先的系统、网络和 AI 会议上发表了 30 多篇论文，他的研究在增强 Microsoft 产品（包括 Azure、Microsoft Teams 和 Bing）方面发挥了关键作用。

Lianmin Zheng
Member of Technical Staff, xAI
SGLang Project Lead

探索 SGLang，这是一个适用于大型语言模型和视觉语言模型的高效服务引擎。Lianmin 涵盖核心推理优化和最新进展，例如预填充-解码解聚、大规模专家并行性、零开销调度器和推测解码。SGLang 在整个行业中被广泛采用，以服务于 Grok3 和 DeepSeek V3/R1 等前沿模型。

Lianmin Zheng 是 xAI 的一名技术人员。Lianmin 共同领导 SGLang 项目的开源开发和 xAI 的推理优化。