在即将过去的2023年，以AIGC、大模型为代表的新技术每天都在刷新我们的认知，伴随着更多新业务场景的落地，拥抱AIGC、大模型已经成为大势所趋。
在刚刚于11月24-25日在深圳圆满收官的WOT全球技术创新大会上，围绕AIGC、大模型等新兴技术，以及架构演进、云原生、大数据、微服务等持续被关注的热点技术，超过500位技术团队负责人、架构师、总监、开发者现场参与了50+场前瞻视野和落地实践兼备的精彩话题分享和讨论。
WOT全球技术创新大会是由51CTO开创的综合性高端技术会议品牌，已有十余年历史，累计超过万名技术人员现场参与，同时吸引数百家国内外知名科技企业和行业龙头、近千位技术领军人物深度合作。本次会议的成功召开，在深圳掀起了一场技术风暴。
AIGC、大模型，新兴技术趋势几何？
围绕AIGC、大模型的相关议题依旧是本届大会上绝对的热点和焦点。
在AIGC赋能业务场，来自趣丸科技、万物云、阿里云的分享嘉宾，分别从广告业务场景、物业行业场景、运维场景，介绍大模型的实践应用落地情况。
在AIGC与智能运维场，则聚焦于探讨如何做好AIGC时代的基础设施运维，这也是AIGC时代对于运维大模型场景、基础架构运维带来的新问题、新挑战。来自美图、中国科学院计算机网络信息中心的分享嘉宾带来精彩分享。
研发效能提升、降本增效是后疫情时代企业对技术团队提出的要求，借助于AIGC技术，研发团队如何实现降本增效呢？AIGC时代的研发效能场就围绕这个话题进行讨论。来自腾讯、火山引擎、华为的分享嘉宾，从如何让大模型最大程度释放代码生产力，如何借助于DataLeap帮助企业快速完成数据集成、开发、运维、治理、资产、安全等全套数据中台建设，LLM研发垂域模型的现状与技术等方向进行分享。
大模型推动AI进入新纪元，对计算、存储、网络、数据检索及调度容错等都提出了更高要求。 在腾讯云“AI超级底座”专场，来自腾讯云的各位技术专家，聚焦云基础设施产品技术，重点针对大模型训练、推理等AI场景，解读了腾讯云如何通过软硬自研实现基础设施性能、速率、容错、调度等的跨越式升级。
技术管理、大数据、云原生，老话题有新热点
在技术圈，技术管理、AI、大数据、云原生、多云架构...是持续被技术人关注的永恒技术话题。
研发团队管理实战场成为大会第一天上午最火爆的专场，齐心集团CTO于斌平、优维科技CEO王津银、腾讯技术总监黄闻欣都是非常资深的技术管理者，他们分别从技术带头人的认知进化、技术型组织的规模化精益研发与服务之道，以及如何通过AI武装技术团队等角度带来精彩分享。
云原生、多云实践是技术人持续关注的话题，在云原生与多云实践场，微吼技术VP叶嘉明分享了微吼如何通过“云自由”实现技术降本，即构科技技术总监肖潇分享的是边缘容器在全球音视频场景的探索与实践，阿里云智能事件驱动产品负责人陈涛分享了阿里云事件驱动架构（EDA）在生产领域的实践。
云计算已经成为承载企业数字化、智能化的必要基础设施。如何平衡成本与性能、做好全局应用治理、保障多云多态的安全稳定，是业务规模化之下面临的挑战。在火山引擎“乘云·向未来”专场，火山引擎技术专家分享了大算力基础设施护航业务平稳上云、字节跳动多云演进及降本实践、复杂业务场景下超大规模数据库演进、如何轻松把控上云风险、字节跳动基础设施云化实践
等话题。
圆桌讨论：最热观点的碰撞
本次WOT特别设置了两场现场听众与讲师的精彩互动以及零距离接触的活动，分别是《大模型在运维场景下的机遇和挑战》圆桌讨论、《技术人如何拥抱大模型》圆桌讨论，台上妙语连珠，台下心有戚戚。
大模型在运维场景下的机遇和挑战
在全面拥抱大模型的态势下，相关从业者既为之震惊，也为之焦虑。特别是运维领域的开发者，他们的关注点有两个：一是作为用户，大模型如何用到运维工作中；二是作为大模型的建设者和运维者，如何建立更好的大模型相关基础设施、技术组件、平台，帮助大模型的训练、推理、存储，高效高质量的帮助大模型业务团队取得先发优势。
围绕以上话题，《SRE原理与实践》作者、前虎牙运维架构师张观石，腾讯技术总监黄闻欣，中国科学院计算机网络信息中心副研究员裴昶华，美图资深SRE工程师李彬进行了集中讨论。
话题包括：运维场景下有什么比较好的大模型应用场景推荐？目前妨碍大模型在智能运维领域发展和广泛应用的技术和非技术挑战有哪些？企业应该如何挑选适合自己企业的模型？中小型公司、甚至是大型传统公司，是否要建以及如何建自己的算力集群？等话题。
技术人如何拥抱大模型？
技术人如何拥抱大模型？相信这是所有与会听众都会关注的话题。vivo互联网研发总监杨振涛，
华为研发大模型专家李钟麒，腾讯技术总监黄闻欣分别带来对这一话题的思考。
围绕这一主题，既有大模型当前的迭代瓶颈是什么？大模型真的会让一部分程序员失业吗？掌握copilot 类工具会成为必备技能吗？这样的通用话题的讨论；也有研发效能和开发者体验被称为是硬币的两面，这两者分别有什么样的关键价值？除了软件开发，在运维DevOps、数据开发DataOps如BI、甚至模型自身开发MLOps方面有何应用场景？这样的特定场景话题的讨论。
