近日，南昌大学信工楼B307教室学术氛围浓厚，人工智能学院特邀麦考瑞大学周亦朋教授开展大模型加速技术专题学术报告，学院师生代表齐聚现场，共同探讨人工智能前沿技术的发展趋势与应用前景。

前沿聚焦：大模型高效运行的核心探索

周亦朋教授长期深耕人工智能领域，学术成果丰硕，其研究团队在大模型优化领域的探索具有重要行业影响力。报告聚焦大模型高效运行的核心问题，指出当前大模型应用面临存储成本高、计算开销大等现实挑战，而模型压缩技术为突破瓶颈提供了关键思路——通过科学优化手段，可在保障核心性能的前提下推动大模型轻量化部署，成为行业关注重点方向之一。

技术解析：模型压缩与联邦微调

报告还解析了联邦大模型微调技术的应用价值，作为隐私计算场景下的重要训练方式，其“数据不动模型动”的特点，为多源数据协同训练提供了安全解决方案，尤其适配数据安全要求较高的场景。周亦朋教授强调，大模型技术发展需兼顾“性能保障”与“实际需求适配”，相关技术探索需立足具体场景设计，其团队成果已通过实践验证实用性。

学术互动：碰撞中拓宽科研视野

报告后的交流环节氛围热烈，师生围绕“模型压缩技术场景适配性”“大模型优化方向”“联邦学习应用难点”等问题深入探讨。参会师生表示，报告厘清了大模型加速领域核心逻辑，为后续科研提供重要启发。

此次活动是南昌大学搭建高水平学术平台的重要举措，未来学院将持续深化人工智能领域学术交流与科研合作，助力学科建设与产业高质量发展。

审校：曾勍炜、徐子晨、罗艳