在AI领域，跨界人才拥有独到的见解和独特的研究技巧。例如，微软亚洲研究院（上海）的高级研发经理杨玉庆，他拥有软硬件两方面的研究经历，为AI研究贡献了新颖的观察角度。
跨界入行历程
2017年，杨玉庆加盟了微软（亚洲）互联网工程院。在此之前，他主要从事底层系统架构的设计工作。加入工程院后，他的工作重心转向了系统软件的设计。这一转变促使他开始从开发者及用户的角度去思考问题，并在实践中逐步形成了自己独特的思维和研究理念。从底层到上层，不同的视角为他提供了多角度的研究视野。
底层视角优势
深入底层，他能够清楚地认识到模型在计算设备中的运行方式。杨玉庆深知，底层结构对模型的运行有着显著的作用。因此，他能够对模型进行有目的的改进。这就像工匠对工具的原理有了深入了解，才能更有效地完成作品一样，杨玉庆通过从底层角度出发，提高了模型在硬件中的运行效率。
上层视角洞察
杨玉庆凭借高层视角，洞察了系统优化的核心环节及未来走向。在设计系统软件时，他能够全面掌控每一个优化环节对整个系统的影响。以模型训练至部署为例，这种视角能发现那些常被忽视却对整体性能至关重要的环节，并据此预先制定解决方案。
整体系统研究
杨玉庆提出，在设计支持深度学习或AI模型的系统时，不能将问题孤立考虑。以模型从训练到被用户多次使用为例，各个层级的调用都会对效率和性能产生影响。微软亚洲研究院的四个项目，先分别研究各个环节，然后再将这些环节串联起来，形成一个完整的解决方案，这种做法充分展现了系统化研究的理念。
解决实际问题
在AI模型训练过程中，集群训练是一种普遍采用的方法。杨玉庆及其团队为了最大化GPU或硬件集群的性能，不仅运用了NNI的大模型压缩技术，还创新性地研发了利用模型稀疏性的新方法，以此提升部署效率。此外，nn-Meter模型能够预测模型与硬件的适配度，有效解决了模型在各类边缘设备上推理时出现的延迟问题。
研究领域成果
经过三年多的努力建设，微软亚洲研究院（上海）的研究领域已经趋于稳定。杨玉庆所在的系统组专注于为计算密集型任务研发高效技术。他们通过优化模型、编译器和系统平台级工具，有效提升了大规模AI模型处理和实时视频流处理等方面的效率，从而为研究者和开发者带来了更高的生产效率。
当前AI技术飞速进步，杨玉庆的研究方法和观点为业界提供了不少灵感。关于AI研究，跨软硬件领域的知识背景还有哪些潜在优势值得探索？欢迎在评论区交流你的观点，同时记得点赞并转发这篇文章！
