2016美国旧金山QCon:参会后记

简介:     整个QCon会议的行程只有三天,我们是提前到了两天在当地转了转,开完会后又去硅谷拜访了几家公司,白天听讲座,晚上写总结,整体行程还是比较紧张的,而且在QCon会议期间不仅赶上了国内的双11还赶上了美国大选,所以这次QCon不仅仅是参加了一个会议,也许还见证了一段历史。     言归正传,这

   姊妹篇,点击进入:2016美国旧金山QCon序:硅谷加班或是常态 有的晚上8点才有晚餐 

   整个QCon会议的行程只有三天,我们是提前到了两天在当地转了转,开完会后又去硅谷拜访了几家公司,白天听讲座,晚上写总结,整体行程还是比较紧张的,而且在QCon会议期间不仅赶上了国内的双11还赶上了美国大选,所以这次QCon不仅仅是参加了一个会议,也许还见证了一段历史。

    言归正传,这次会议还是比较成功的,整个会场的安排也是比较舒服,会场在Hyatt Regency Hotel,我们也直接住在这个酒店里,开会的时候直接下楼就可以了,而且在会场break期间也可以回酒店稍微休息一下,正式的会议议程一般是早上10:10开始,之前有一个非正式的讲座,一般讲一些和技术无关的形而上学的东东:-),听一听也是蛮有意思的,而且主讲人一般都是各个公司的大佬。从早上10点到晚上5点一天大概听6场,每场质量也是参差不齐的,有的场次干货比较多,有的场次就是来灌水卖货的,有的场次怀疑背后是有金主做推手的,当然这些都是题外话了。

    大会期间我个人的行程也和计划的差不多,大概是一天听容器,一天听大数据和流计算,一天听NewSQL和存储方面,大部分质量还是蛮高的,虽然没有什么惊喜但是还是学到了很多东西,而且大家做PPT的思路都差不多,可以看到硅谷的同行在思考和解决问题时的一个模式。有个比较大的感触是每个主讲人都还是很会包装和宣传的,讲东西思路也比较清晰,这种能力可能是国内的同行们比较欠缺的,我觉得可能和中美从小的教育也有关,外国同行还是很善于组织和表达的。

    会后在参观Google和Facebook的时候由于正赶上了周五,整体氛围还是比较愉快和放松的,在硅谷基本每个大公司都是一个小镇,各种生活和工作设施都一应俱全,比如游泳池、健身房、医务室、游戏室等等,公司外面是比较大的草坪,思路受限的时候去散散步思考一下问题还是很爽的(嗯,其实就是翘班开小差),在羡慕的同时,也希望能通过我们的努力去创造尽可能和别人一样的工作环境。当然,硅谷是非常拼的也是非常累的,在互联网领域环球共苦逼。由于整体行程匆匆,在路上的时间就花了不少,所以也很有更深入的交流。

    大会期间正好是双11,当天忘了定闹钟,但是到国内0点的时候还是准时醒了,看来KPI是最好的生物钟,由于团队的小伙都比较给力,我就静静地看数据也不给大家添乱了,整体也都很平稳。这次也有幸见证了美国大选,而且大会刚开完加州人民就上街了,也许我有幸见证了历史,谁知道呢。

    最终感受下来,硅谷值得我们学习的地方还是很多的,见贤思齐只为走得更好更远。

    整个分享告一段落,谢谢大家关注,希望能给大家带来不一样的视角和帮助。

 

相关文章
偏振片(起偏器/检偏器)怎么区分?
起偏器将自然光转为线偏振光,检偏器用于检测偏振态及振动方向;二者结构相同,仅功能由光路位置决定。交叉偏振(透振方向垂直)时完全消光,插入双折射或旋光介质可显现出应力条纹或色彩,广泛应用于材料检测与光学实验。(239字)
|
2月前
|
自然语言处理 API 语音技术
文本合成语音‑TTS 文字转语音‑文本转音频生成‑文字人声合成 API 接口介绍
文本转语音(TTS)API,支持中英文混合文本,一键生成自然流畅的真人级语音。提供多音色、语速/音调/音量调节及MP3/WAV等格式输出,广泛适用于有声读物、短视频配音、智能设备提示等场景,高效降本,快速集成。
577 8
|
2月前
|
人工智能 自然语言处理 监控
大模型时代来了,新一代推荐AI客服产品有哪些必看指标?
本文剖析大模型时代AI客服选型范式变革:从“能否答对”转向“能否办完”。提出六大核心评估指标——任务闭环率、多轮对话能力、全渠道上下文保持率、工单闭环能力、安全合规性与三年TCO,以阿里云瓴羊Quick Service为实践样本,强调真实场景POC验证的重要性。
|
2月前
|
人工智能 自然语言处理 开发者
豆包与Kimi的内容引用机制:信息密度与平台分布解析
本文分析豆包与Kimi在内容引用上的差异:豆包偏好CSDN等平台的高信息密度技术干货,强调可操作性;Kimi倾向知乎、36氪等平台的深度分析与观点类内容,重视论证逻辑。二者均要求内容具备可验证性、数据支撑与语义完整性,为开发者提供AI搜索优化实践指南。
449 1
|
2月前
|
数据采集 人工智能 搜索推荐
AI搜索引擎引用机制解析:决定内容被选中的5个因素
本文解析AI搜索与传统搜索在收录、判断和分发逻辑上的本质差异,面向开发者与技术决策者,从信息块结构、平台分发、交叉印证、时间积累及内容可验证性五方面,系统阐述AI引擎引用来源的机制、验证方法与实践边界。
420 1
|
2月前
|
人工智能 算法 机器人
3组实测数据拆解DeepSeek引用机制:从平台推荐到证据链构建
本文基于2026年初实测与普林斯顿AI搜索研究,揭示DeepSeek引用机制:内容需先被知乎、CSDN等平台推荐,再进入其语料库。实证表明,含引用来源、统计数据、直接引语的内容被引用率分别提升34.4%、32.1%、29.7%。文章提供平台适配、证据块拆解、深水区监测等可复现路径。
691 3
|
3月前
|
存储 人工智能 运维
大模型竞争进入下半场,存储正在成为 AI Infra 的决胜场
AI时代,存储正从“容量底座”跃升为“智能引擎”。阿里云发布CPFS、KVCacheStore、AgenticFS及OSS/CDE Agent等新品,覆盖训练、推理、Agent全生命周期——百PB级吞吐、亚毫秒KV缓存、百万级Agent空间隔离、自然语言智能运维,全面支撑AI原生与Agent原生演进。
463 2
|
3月前
|
缓存 编解码 并行计算
模型能装进显存,训练为什么还是 OOM?把 PyTorch 显存拆成 5 笔账
模型权重能够装进显存,不代表训练就能正常运行。本文拆解 PyTorch 训练中的参数、梯度、优化器状态、激活值和临时工作区,并给出显存监测代码及 OOM 排查顺序,覆盖梯度累积、混合精度、Gradient Checkpointing 和 LoRA 等常用方案。
|
3月前
|
存储 人工智能 监控
当文件系统的用户从人变成 Agent,AgenticFS 如何重新定义存储的服务方式
AI时代正从“模型焦虑”转向“存储焦虑”:Agent爆发式增长暴露传统NAS在规模、隔离与安全上的根本缺陷。AgenticFS应运而生,首创“每Agent独享AgenticSpace”架构,实现亿级空间统一管理、毫秒级挂载、零信任临时凭证与管控面水平扩展,成为阿里云Agent全栈中不可或缺的原生存储基座。(239字)
487 0