当前位置: 首页 > news >正文

KCD Beijing + vLLM 2026 全议程公布:30+ 技术分享,AI × 云原生 × vLLM 一次看够

KCD Beijing + vLLM 2026 全议程公布:30+ 技术分享,AI × 云原生 × vLLM 一次看够

AI 正在重塑软件与基础设施。

大模型推理系统到 AI Infra,从GPU 调度到 K8s 集群,从爆火的 OpenClaw 到 AI Agent架构。今年,KCD Beijing + vLLM 2026将把这些前沿话题带到同一个舞台。

大会将汇聚来自AI 公司、云厂商以及开源社区的工程师与技术专家,带来30+ 场技术分享,围绕 AI 基础设施与云原生技术展开深入讨论。

本次大会共设置三大技术专场(Tracks)

  • AI Track— Agent 系统与 AI 基础设施实践

  • Cloud Native Track— Kubernetes 与平台工程

  • vLLM Track— 大模型推理系统与性能优化

👇 大会完整议程(点击图片可放大查看)

来自AWS、阿里、华为、Red Hat、字节跳动、蚂蚁、月之暗面(Moonshot AI)、阶跃星辰、SecondState、OceanBase、Kong、DaoCloud等公司的工程师与开源贡献者,将分享他们在真实生产环境中的实践经验。

如果你关注:

  • • AI Agent 与 OpenClaw 生态

  • • LLM 推理系统

  • • Kubernetes 平台工程

  • • GPU 调度与 AI 基础设施

那么这场大会一定不容错过!


Keynote:AI 与基础设施的未来

本次大会的 Keynote 将从云原生生态、AI 基础设施以及 Agent 系统架构等多个角度,带来对行业趋势的深入洞察。

Opening / 开场致辞

Keith Chan
来自Cloud Native Computing Foundation(CNCF)的中国区负责人,将为大会带来开场致辞,分享云原生生态在中国的发展与未来方向。


从 ChatGPT 到 OpenClaw:构建普适、普惠的 AI 计算基础设施

林咏华
来自北京智源人工智能研究院的副院长兼总工程师,将分享下一代AI 计算基础设施的演进方向


构建可扩展的 AI Agent 系统:从算力到数据的架构实践

郑予彬
来自亚马逊云科技,将为大家分享在 AI Agent 迅速发展的今天,如何构建可扩展、稳定的 Agent 系统架构,本次分享将结合真实生产经验,深入解析从算力到数据层面的架构实践


此外,本次大会还将邀请一位神秘嘉宾带来特别 Keynote,敬请期待。

三大技术专场:AI × Cloud Native × vLLM

为了让技术讨论更加深入,本次大会设置了三条技术主线。

每个 Track 都围绕真实生产环境中的工程问题展开分享。


AI Track:Agent 与 AI 基础设施的工程实践

AI Track 将重点讨论Agent 系统架构、AI 平台设计以及大模型应用落地

你将听到来自不同团队的一线经验,例如:

  • • 基于eBPF 的 Agent 可观测性平台

  • • MaaS(Model-as-a-Service)架构在 Kubernetes 上的演进

  • • 本地优先的 Agentic AI 架构

  • • AI Agent 在生产环境中的落地经验

  • • GPU 虚拟化与资源利用优化

来自Moonshot AI、SecondState、OceanBase、Ant Group等团队的工程师,将分享他们在AI 基础设施建设与 Agent 系统落地方面的探索。

Cloud Native Track:AI 时代的 Kubernetes 与平台工程

当 AI 工作负载大规模运行在 Kubernetes 上时,平台工程面临新的挑战:

  • • 如何设计上千节点的 Kubernetes 集群

  • • GPU 调度与资源管理如何演进

  • • AI 推理系统如何进行高效编排与调度

  • • 如何构建跨地域的多集群 AI 平台

在这一 Track 中,来自DaoCloud、华为、Kong、京东、Ant Group、GMI Cloud等公司的工程师,将分享他们在生产环境中的经验。

vLLM Track:大模型推理系统的深度实践

作为当前最受关注的大模型推理框架之一,
vLLM 正在成为 AI 基础设施生态的重要组成部分。

本次大会特别设置vLLM 技术专场,讨论包括:

  • • 推理性能优化

  • • 分布式推理架构

  • • 编译器优化

  • • 非 CUDA GPU 支持

  • • Kubernetes 上的 LLM 推理

来自Red Hat、Huawei、AWS、ByteDance、北京智源人工智能研究院等团队的工程师,将分享他们在vLLM 生态中的最新实践

为什么你不应该错过这场大会

在 AI 与云原生技术快速融合的今天,很多工程问题都需要跨领域交流与实践经验分享

KCD Beijing + vLLM 2026希望为开发者提供这样一个平台:

  • • 与AI 基础设施工程师深度交流

  • • 了解开源生态的最新技术进展

  • • 听到真实生产环境的技术实践

  • • 结识来自不同公司的技术同行

如果你关注:

  • • AI Agent 与 OpenClaw

  • • LLM 推理系统

  • • Kubernetes 平台工程

  • • GPU 调度与 AI 基础设施

那么这场大会一定会带来很多启发。


立即报名

大会报名通道已经开启。

名额有限,建议尽早报名。

👇 扫描下方二维码报名参会(因场地方管理要求,请填写真实信息,确保无障碍参会


我们期待与你在KCD Beijing + vLLM 2026现场相见,一起讨论AI 与 Cloud Native 的未来。

http://www.jsqmd.com/news/472631/

相关文章:

  • Kafka 如何解决消息堆积问题?
  • 腾讯AI布局:QClaw登场,元宝何去何从?
  • Android开发者必备:TooLargeTool日志分析实战教程
  • 【亲测免费】 mergerfs 项目使用教程
  • 汇智信科-飞行讲评系统
  • AI应用新趋势:中国崛起与全球市场割裂
  • 项目推荐:Stable Diffusion WebUI Colab
  • Kafka 消息堆积的原因有哪些?
  • 微软Copilot惨败,Anthropic能救场吗?
  • Logstash:强大的数据处理管道,助力日志管理与分析
  • 2024年必收藏的开发者资源:dev-resources精选工具TOP50
  • 2026年广东AI智能测试标杆厂家最新推荐:AI智能信创测试公司、AI智能测试管理公司、AI智能自动化测试公司、AI智能性能测试公司、AI智能接口测试公司广州掌动智能 - 海棠依旧大
  • AI短剧来袭:真人剧会被全面替代吗?
  • 别再乱用ScrollViewer了!WPF滚动容器与布局控件的正确搭配指南
  • 深入理解粤语编程编译器:从Python转换到LLVM执行
  • Symfony Translation终极指南:构建React+Capacitor跨平台多语言应用
  • Makefile实战:如何用5分钟搞定动态库(.so)的自动化编译与调用
  • 手把手教你用Wireshark调试Robosense激光雷达网络配置(附静态IP设置技巧)
  • 【C语言入门级教学】C语言常见概念1
  • ubuntu 22下android 源码编译/烧录-2
  • DeepMotion实战:用Python调用API实现抖音风格特效动画(附GitHub源码)
  • SHT11温湿度传感器实战:从硬件连接到数据读取的完整指南(附代码)
  • Tkinter Canvas高阶技巧:用数学函数绘制动态五角星和自定义图形
  • 【人工智能】Mixture of Experts(MoE,混合专家模型/系统):大模型时代的智能分工架构,是一种通过动态分配子网络(专家)处理不同输入特征的机器学习技术,旨在提升模型效率与性能。
  • YUV420 vs YUV422 vs RGB565:移动端图像处理中的格式选择与性能优化
  • Kafka 如何保证消息可靠性?
  • 5分钟搞定RealSense D435i手部追踪:MediaPipe实战教程(附完整代码)
  • 避坑指南:uniapp中scroll-view滚动定位的那些坑(商品分类案例详解)
  • QT定时器避坑指南:为什么我的timerEvent事件不触发?(附解决方案)
  • Kafka 如何保证消息有序性?