编者寄语
视觉语言大模型发展中伴生着训练周期长、推理成本大、部署门槛高等挑战。大模型 “多模态融合” 和 “大规模参数” 的技术特性?，决定着规模化高度依赖加速技术的支撑。为此，我们聚焦视觉语言大模型加速的最新技术趋势，整合了三大核心方向探索的数字图书馆资源：一是通过软硬件协同加速技术，精准匹配计算需求与硬件资源特性，实现算力的高效调度与利用；二是依托分布式MOE（混合专家系统）等高效训练计算框架，优化模型训练过程中的参数更新与任务分配逻辑，有效提升训练效率并支持更大规模模型的构建；三是结合面向深度学习的模型压缩和加速技术，在保留核心能力的基础上精简模型结构、降低计算复杂度，为模型的轻量化部署提供关键保障。这三大技术方向相互支撑、协同发力，共同构成推动视觉语言大模型突破性能瓶颈、提升运行效率的核心技术体系。
本期围绕视觉语言大模型的软硬件协同加速、高效训练计算框架、深度学习模型压缩和加速等关键技术，将CCF数字图书馆相关报告视频和期刊文章资源进行聚合，方便会员集中观看学习，也为读者深入探索视觉语言大模型加速关键技术的原理、演进与优化方向抛砖引玉。
编委主任：
苏金树 CCF会士 军事科学院教授
本期主编：
闵巍庆 CCF多媒体技术专委秘书长 中国科学院计算技术研究所副研究员
本期编委：
王 茜 中国科学院微电子研究所副研究员
点击底部阅读原文，可免费浏览视频内容
目录
点击“阅读原文”浏览《CCF数图焦点》第83期详细内容。