井晨哲是面壁智能首席科学家助理和开源负责人，OpenBMB 开源社区布道师。2023 年加入面壁，历任公共品牌宣传、投融资和政府关系、总助等多个职能岗位，长期关注大模型的普惠化发展。
曾于清华大学学生创业协会担任主席，创业中心担任辅导员，在任期间主办清醒杯 AI 应用创新挑战赛、兴业讲堂等大型活动，后在清华大学人工智能研究院的支持下建立清华大学学生通用人工智能研究会并担任首任主席。
作品：《AI 群星闪耀时》
演讲信息
Scalling Law 牵引大模型一直以来向着更大参数、更大算力、更大数据的方向发展，但资源的有限性和大众需求的普惠性要求大模型向着更高效的方向不断发展，由高效大模型思想驱动的 Densing Law 及相关的技术与应用逐渐走入了大众视野。高效大模型创新关注什么问题、有什么应用方向、目前的进展如何，是值得大家关注讨论的话题。
演讲大纲：
1. 大模型面临的挑战
2. 大模型的摩尔定律
3. 高效大模型的创新技术路径
4. 高效的道路：端侧大模型
5. 端侧大模型的技术进展
6. 端侧大模型的应用观察