基于英特尔®DL Boost技术的 AI 性能优化
黄文欢介绍了基于英特尔®深度学习加速(Intel®DL Boost)技术的 AI 性能优化相关内容。首先介绍了英特尔®AVX-512 及深度学习加速技术在各代英特尔®至强®处理器上的演进，包括第一代深度学习加速技术 VNNI；第二代®深度学习加速技术 BFloat16；及下一代深度学习加速技术 AMX。接下来，和大家一起分享了这些深度学习加速技术在龙蜥社区 AI SIG 中的应用及带来的性能提升，包括对深度学习框架 TensorFlow 和 PyTorch 的优化，及用于模型压缩的优化工具 INC。最后介绍了下一代至强可扩展处理器 Sapphire Rapids 上 AMX 技术，并分享了其理论性能提升及相关应用场景。
龙蜥系统中基于 Intel Crypto Acceleration 的加速实践
当前安全越来越重视的前提下，越来越多的网站由 HTTP 转为 HTTPS，更多的服务之间会由 SSL/TLS 来建立安全通道进行通讯，在带来安全的同时，性能问题也随之而来。张力在本次演讲中，将从这类场景中的问题介绍开始，分析 SSL/TLS 带来的性能问题，介绍英特尔第三代志强处理器中的密码学加速特性是如何帮助解决这些问题的，并概览该特性在龙蜥系统及部分业务场景中的加速实践，供大家参考使用。
基于 LLM Agent 的智能诊断机器人|龙蜥MeetUp
陈诗雁介绍了系统运维的现状和难点、智能对话机器人的发展、大模型在系统运维的应用、基于大模型智能体的诊断机器人设计，并演示了 SysOM 智能诊断机器人。智能机器人和运维平台是相辅相成的关系，运维平台的诊断能力成就了智能机器人解决实际问题的能力，智能机器人帮助运维平台更好地发挥和展示运维能力。
RISC-V 应用迁移中的并发语义风险与编译器辅助分析
他从 RISC-V 应用迁移视角出发，围绕 x86 到 RISC-V 迁移过程中可能出现的并发语义差异，与现场嘉宾探讨了如何利用编译器 IR、事件提取与内存模型验证等方法辅助识别潜在风险，并初步讨论性能优化与正确性保持之间的工具链闭环。
软件基石：RISC-V编译器生态建设实践
随着 RISC-V 生态向高性能领域持续拓展，定制硬件指令的潜力释放，越来越依赖于编译器对指令语义的精准映射与高效利用。中兴通讯操作系统产品部编译器专家唐玉科分享了《软件基石：RISC-V编译器生态建设实践》。唐玉科以向量绝对值计算指令为典型案例，从问题分析、IR 建模、指令模版定义、汇编代码生成等方面，完整描述一条硬件指令在 GCC 编译器中的 “从无到有”的过程，帮助开发者掌握指令扩展的核心方法，赋能 RISC-V 生态高效落地，建立软硬协同设计思维，切实赋能 RISC-V 架构在多样化场景中的高效落地与生态繁荣。
OpenJDK 的 RISC-V 生态实践
中兴通讯无线软件平台部系统性能调优专家张诗烩做《OpenJDK 的 RISC-V 生态实践》主题演讲。他围绕 OpenJDK 在 RISC-V 架构上的工程化实践展开，重点介绍了 OpenJDK master 分支中 RISC-V 相关改进反合到 OpenJDK 21 的过程，并结合当前针对 RVV 后端冗余 vset 指令的优化工作，分析了 RISC-V 向量化代码生成中的性能问题与改进思路。
