当前位置: 首页 > news >正文

七年时间,我们和苏妈握手了!

Datawhale历程

作者:月亮,Datawhale生态伙伴

5月19日,上海前滩香格里拉,人头攒动,这是AMD AI 开发者日的现场。

AMD全球CEO苏姿丰,李开复,各大开源生态组织,以及社区伙伴都亮相现场,两三千人从世界各地赶来,共同参与这场技术盛宴。

9:30前后,展区的走廊开始拥挤,人群从展台一路延伸到外侧长廊,大家举起手机、靠近围观。

“苏妈来了——”,魔搭社区展台前,人群开始朝着一个方向流动,宛若追星现场。

AMD 董事会主席兼 CEO 苏姿丰博士,在工作人员和观众的簇拥中,走到了 Datawhale AI学习中心前。

Datawhale甘元琦全英文和苏妈介绍了Datawhale,以及如何推动了 AMD全球开发者生态的建设。

苏姿丰听得很认真,微笑、点头,最后说:“Thank you for your partnership.” 这是Datawhale的历史性时刻。

和苏妈英文介绍Datawhale

从去年拿到苏妈给学习中心的签名寄语,到今天合影,只隔了半年时间。

这一天,对于Datawhale和社区成员们来说,也是一个大事件,Datawhale开始加速和国际接轨。

现场有人说:“苏妈都来 Datawhale 学习了,你还不来吗?”

Datawhale和苏妈合影

苏妈:“开放比什么都重要”!当开源成为一种战略方向

“你们兴奋吗?”

主会场,苏妈(Lisa Su)穿着一身蓝色西装站上舞台,向大家问好,台下人声鼎沸。

苏妈和李开复的到来,将全球的目光也聚集到了中国AI的发展。

这是AMD AI 开发者日首次来到中国上海,也是在北美之外唯一的一场 AI 开发者日。当天,全场两三千人到场,这场大会,也成为了AMD在中国办的规模最大的一场活动。

AMD 把这场大会放在上海,本身就是一种时代性信号的传递。

在演讲中,苏姿丰不断强调了中国AI生态发展的活力:“中国是全球最具活力的 AI 生态系统。AMD 在中国已经 30 多年了,我们把中国视为驱动我们路线图的核心。我们的上海研发中心和中国研发中心,是 AMD 全球最大的研发中心之一。我们之所以要在这里,是因为我们相信必须身处中国,才能与世界上最聪明的 AI 实践者们互动。”

“Openness matters more than everything.”苏妈说:“中国生态最让人兴奋的,是真正践行了开放与创新——这是一种非常特殊的力量,也是 AMD 所相信的、推动 AI 系统尽可能快速向前的根本。”

苏姿丰邀请李开复也上台做了一场对谈,李开复说:“如果说硅谷的 AI 巨头像是闭门造车、渴望赢得诺贝尔奖的孤胆天才;那么中国的 AI 生态更像是一个去中心化的'超级互助学习小组'——大家在彼此的基础上不断迭代、共享开源。

AMD新生态 = AMD x ModelScope x Datawhale,携手共建全球开发者生态

当下,AI当前正处于转折点。

在苏姿丰在演讲中提到:未来五年(到2030年)将有50亿人每日使用AI。

这也意味着 GPU 不再是“加速卡”,而是计算的主角,底座一旦变了,跑在上面的模型、用它的人,都得跟着重新组织起来。

我们在迎接一个新范式的到来,我们在共同推动这个新可能的发生。

去年十一月,AMD和Datawhale、魔搭社区共同成立ROCm开发者学习中心,这是开源生态在中国的一次强强强联合。AMD 是全球领先的高性能与AI 计算领导者;ModelScope 是中国规模最大的模型开源社区;Datawhale中国最大的AI开源学习社区。

三者的战略合作,并非偶然,而是刻在彼此基因里的共鸣,当三者合在一起,共同构成“算力 x 模型 x 人”的开源生态闭环,这一次,三方继续汇聚在AMD AI 开发者日的现场。

Datawhale还在AMD AI开发者日上,发起了一场AI社区生态大团聚。

Datawhale的城市、高校开发者纷纷齐聚于此,报名了1000多人,NCC社区带着近200名数字游民,OPC、创业者,从天南海北相聚于此,月亮也带着她的超级个体朋友们,带着对AI时代创业与工作的最新实践和鲜活思考来到现场,Research AI+社区带着一众的青年研究者、工程师和创业者前来。

从行业上下游,到横向的社区生态,一幅繁荣的AI生态图景,正在我们的面前徐徐展开。

Datawhale、魔搭社区、NCC、超级个体月亮等合影

在具体的开发者身上,见证AI开源生态的发生

开源,刻在彼此共同的基因里。

生态的力量,发生在具体的人身上,发生在AMD AI 开发者日的现场,也发生在开源社区生态伙伴的日常里。

Datawhale和AMD共创了AMD AI 开发者日的技术工作坊,从先行者的Code to Cash实战,到超级个体Idea to Product创新路演,再到开发者Time to Build动手实践 Workshop,如何用 AMD 的强大算力,把想法变为作品。AMD 邀请了一群“超级个体”来到现场,15岁的 Sophia Liu,用 OpenClaw 做教育产品,让千里之外的孩子也能用上 AI;曹冬冬带来 Union·由你,把 OPC(一个人 + 一台强大的 AI PC)带进了制造业一线的非标场景;王永煜的 AniPet agent,做的是宠物陪伴与告别,让 AI 长出温度的一面;孙傲然团队的 AInvestor,把 Agent 推进了投研工作站,拿下了 AMD 先锋奖。

紧接着的第三环节Time to Build,是Datawhale × AMD研究院联合发起的工作坊。五个岛屿区铺开AMD 395设备,再加一个具身智能区,机械臂和机器人就摆在桌上。

AMD软件工程师潘嘉航,Datawhale成员、Self-LLM和Happy-LLM等万星开源项目负责人宋志学。他们带着HelloROCm,在AMD AI开发者日上实现了首次亮相。

宋志学学的是测绘工程,几年前,当他第一次想接触 Python 和深度学习的时候,他发现身边没有人懂。2023 年 ,Datawhale 组织了一场万人共学,他从学习者到助教,再后来一步步做了 Self-LLM、Happy-LLM,长成了 Datawhale 开源大模型项目的核心贡献者,他从一个非技术背景的视角走来,将技术语言转译成普通人能听得懂、学得明白的方式。

潘嘉航是 AMD 大学计划的负责人,硬件生态推到国内高校里,而他从2020年开始,就已经是Datawhale的学习者了。“那时我还没进 AMD,只是跟着学些东西。后来,我到AMD 做高校生态,走访了不少学校,发现硬件市面上,也几乎没有一份能让普通学习者真正上手 AMD 开发的中文资料。”于是,半年前, ROCm 7.0 发布时,潘嘉航想到的第一件事就是去找 Datawhale 几位核心贡献者聊,把已有的大模型学习、微调、GPU 编程教程,适配到 AMD 的硬件生态上。他从学习者变为开发者,再变为一个生态工作的推动者,潘嘉航在亲身见证并推动这场生态的发生。刘伟鸿还是一位没有毕业的大学生,他在负责HelloROCm 的算子优化部分,他写完一个案例,会直接把开源仓库发给实验室同学看。

“AMD在中国构建开源学习生态,就需要和Datawhale这样知名度高的头部的开源学习社区的合作。这次联合发布HelloROCm,就是我们AI开源生态协作的生动案例。”

算力 x 模型 x 人才,在HelloRocm的项目中,以极其鲜活的姿态呈现出来。

结语:见证一张开源生态地图的蔓延

如果你在AMD AI 开发者日,你会见到AMD的工作人员,在找独立开发者来访谈——他们想知道,真正在第一线写代码的人,是怎么用 AMD 硬件的。

在走廊上,我们遇到了一位AMD的工程师Jack,他告诉我们:“因为我们很多用户都涉及到本地模型部署,大部分目标客户都是 individual developer,所以他们的用户体验对我们来说是非常重要。”

在技术专场的场外,社区生态伙伴Research AI+的发起人Xinran,带着社区青年研究者和工程师们的思考,正跟清华大学副教授,Mooncake和KTransformers发起人章明星老师交流,他们聊着模型能力、底层推理和 Harness,也探讨着高校和企业在开源生态的不同定位。

倘若你来到了晚上的After party,你会看到天南海北赶来的开发者、OPC、超级个体和青年研究者们,团聚在一起,跨界畅聊。

把这些画面拼在一起,我们正在徐徐打开一张正在蔓延、生长又颇具生命力的开源生态地图。

苏姿丰说 “Openness matters more than everything”;李开复说中国的 AI 生态像一个“去中心化的超级互助学习小组”。

对于Datawhale而言,并不是一朝一夕,而是这八年,和广大的学习者,和各个生态伙伴,共同一点点打出来的地基,开放生态,是无数学习者每一天的日常。

如今,在AMD AI开发者日上,在2026年,这个AI的转折点上,我们所说的AI开源生态,不只是硬件生态,它更是算力、模型、人共同构成的新生态。

而Datawhale,是这个生态的重要环节,不只是把人聚到一起,把生态伙伴聚到一起,而是与生态方共同推动,让一个个学习者,长成开发者、长成贡献者、长成一起把生态向前推动一寸的人。

“我们正在共同构建这个新范式的诞生。我们正在共同在生态地图上,画出自己的那一笔。”

感谢这次的AMD AI开发者日的月亮、Mindy、33、Xinran、皓亮、子育、Amy、Candy和其他伙伴,感谢你们用自己的视角,带回了最鲜活的时代现场。

一起“赞”三连

http://www.jsqmd.com/news/865382/

相关文章:

  • 上海名牌首饰回收推荐:2026 五大平台专业度与安全性测评 - 李宏哲1
  • Armv8/v9架构系统寄存器解析:SCXTNUM与SMCR深度剖析
  • QQ数据库解密完全指南:如何安全提取你的聊天记录密钥
  • 南京服务中心〔2026〕​ 2026年5月南京实地核验:浪琴腕表表壳磕碰修复服务项目及收费标准公示 - 亨得利官方维修中心
  • 利用大语言模型静态预测GPU内核性能特征
  • 8051汇编宏展开问题解析与调试技巧
  • 什么是标识符
  • 2026脉冲可调电源选型:厂家推荐+避坑技巧,新手轻松选对 - 品牌优选官
  • AArch64架构SMCR_EL3寄存器详解与SME向量计算优化
  • 2026网站建设公司推荐:从策划到设计,精选建站服务商全解析
  • 2026硬质合金厂家推荐榜单:国内实力测评与优质选型指南 - 资讯速览
  • 全志 V821 韦东山 Avaota-F1-B (3) I2C CST816T触摸屏适配
  • 手机证件照怎么拍?怎么制作?2026实测软件推荐指南 - AI测评专家
  • 终极kill-doc文档下载工具:30+平台免费文档一键获取完整指南
  • AI/ML在粒子探测器重建中的创新应用与优化
  • NotebookLM支持越南语/阿拉伯语/希伯来语了吗?一线工程师逆向解析其Tokenizer源码后的3个惊人发现
  • 5步解锁Cursor Pro完整功能:免费激活工具全面指南
  • 吉林省轻钢别墅技术解析及合规选型指南 - 奔跑123
  • 2026昆明钻石回收哪家好?六家机构深度探访与行情实录 - 薛定谔的梨花猫
  • Bazzite 42.20250417深度解析:云原生游戏操作系统的技术革命
  • Apache Doris多模态能力深度解析:从技术架构到大厂落地实践
  • 终极指南:如何用罗技鼠标宏实现PUBG完美压枪
  • 楼盘销售转化率提升23.6%的秘密:基于LLM+知识图谱的AI Agent话术引擎,附可复用Prompt模板库
  • Java后端工程师必看:系统学习AI应用开发,收藏这份进阶指南
  • 冷量分配单元CDU用什么流量传感器?2026优质品牌推荐 - 品牌2025
  • AI大神Karpathy的学习心法,普通人也能直接抄作业
  • 如何甄别靠谱服务商?实验室纯水工程公司信誉与口碑调查 - 品牌推荐大师
  • 亨得利钟表维修技师资质认证深度解密:国家高级技师+WOSTEP国际认证,一个合法修表人的十年炼成记 - 亨得利腕表维修中心
  • 智能AI鸡蛋计数数据集 鸡蛋计数数据集 AI图像数据集 yolo图像识别数据集 图像感知数据集
  • 虚拟显示驱动架构深度解析:如何构建高性能无头显示系统