Bojie Li (李博杰)

感谢许辰人教授、黄群教授邀请，非常荣幸于 2022 年 12 月 12 日为北京大学计算机网络课程做了一个 guest lecture。

Abstract: 数据中心网络、广域网和无线网络为万物互联的智能世界提供了通信基石。

数据中心网络传统上为容易并行的 Web 服务设计。但如今 AI、大数据、HPC 都是大规模异构并行计算系统，对通信性能都提出了很高的要求，厚重的软件栈造成巨大的开销，这就要求数据中心网络的通信语义从字节流演进到包括消息语义、同步和异步远端内存访问、RPC 在内的内存语义，软硬结合实现极致的时延和带宽。未来，我们期望把数据中心作为一台计算机，一方面实现异构计算、存储设备间的对等直通，让数据中心互联像主机内部总线一样高性能；另一方面通过 Serverless 让分布式系统编程像单机编程一样便捷。

大规模直播和短视频点播、实时音视频通信等应用对广域网传输的稳定性提出了新挑战。互联网巨头纷纷自建全球加速网络，并设计 QUIC 等新型传输协议，实现优质用户体验。此外，由于我国西部能源成本低，东数西算成为国家战略，通过 Regionless 调度，实现 “全国一体化大数据中心”。

手机、PC、穿戴设备、智能家居、智能车等智能终端的无缝协同、5G to B 等工业互联网应用都需要稳定的低时延和高带宽，这需要无线协议栈优化，甚至无线内存语义以支持 Gbps 级别的带宽。此外，通过鸿蒙的 “分布式超级终端” 编程框架，可以使能更紧密的分布式协同，实现数据和服务无缝流转。

Download Slides PDF （2022-12-15 更新）

Download Slides PPTX （2022-12-15 更新）

演讲全文：

• 第一篇：计算机网络的新黄金时代（一）：数据中心
• 第二篇：计算机网络的新黄金时代（二）：广域网
• 第三篇：计算机网络的新黄金时代（三）：无线网络

最近几天大家都在玩 ChatGPT，真的非常厉害，虽然不是万能的，但是这是第一个让我感受到不像人工智障的 AI 对话系统，对指代、记忆上下文等难题处理得也非常好。尤其是在编程问题方面，有时候比 StackOverflow 还好用。如果我的候选人表现成这样，我肯定会优先录用的。

目前 ChatGPT 主要的缺点是：

1. 知识库更新不足、覆盖度不够全，不能回答最近发生的事件，不能回答比较偏门的知识。建议与搜索引擎或者知识图谱相结合，先用 prompt 词搜索出一些结果，然后再用 NLP 的方法把搜索结果整合起来。据说有一些研究团队已经在这个方向上努力了。
2. 逻辑推理能力不足，稍微复杂一点的逻辑就很容易搞错，而且搞错了还回答得一本正经。如何解决任意复杂的逻辑问题是一个很大的挑战。能识别看上去正确但实质上荒谬的回答就更难了。
3. 目前还只支持文本，不支持多模态。目前已经可以让 ChatGPT 生成 prompt，再输入到 DALL-E 里面生成图片。未来，支持多模态输入和多模态输出的生成模型将使人机交互更自然，可能成为下一代的人机交互范式。
4. 单次回答的成本目前较高，需要数美分，显著高于一次 Google 搜索的成本。如果能通过算法或硬件的改进降低成本，或者与推荐、广告相结合产生新的商业模式，就能够有商业盈利的空间。

今年可以说是 AI 生成内容的 “元年” 了。前几个月我们都被 CV 领域的 stable diffusion（DALL-E 2）震撼了，现在 ChatGPT 又为 NLP 设立了新的 SOTA。Stable diffusion 和 ChatGPT 恰好都是 OpenAI 做的，OpenAI 的背后金主是微软，这也算是微软在 AI 领域扳回的重要一局了。前些年，一直是 Google Deepmind 的 Alpha 系列在抢风头，从下围棋到蛋白质、矩阵计算。

能跟人自然交流的智能助理是无数科幻电影中的场景，也是各大公司 20 年前就设立的 vision，今天终于看到了变成现实的曙光。智能助理可能孕育出下一个万亿美金级别的产业，就像移动互联网颠覆 PC 互联网、视频颠覆文字一样，成为新的人机交互范式，深刻改变人类的工作和生活。

以下是我在 ChatGPT 中尝试的一些例子：

首先，是业务规模。由于地缘和文化的原因，大多数国内公司在出海上面都遇到一些困难，主要是国内市场，比欧美市场相对来说就小很多。同样是公有云，欧美市场 AWS、Azure、Google Cloud 就比国内阿里、腾讯、华为云的营收和市值高。由于开发成本基本上是可以平摊的，美国公司开发人员的人均薪酬就比国内的高，可以雇佣相对来说更优秀的人才；也可以产出更多的利润来支撑相对远期的研究，例如 OpenAI、Deepmind 和 Microsoft Research。ChatGPT 这样的突破性创新很难来自开发节奏紧张的产品部门，一般是来自没有太多短期商业变现压力的研究部门。

文字内容待补充，先放出来几张照片吧~

戳此看领证照片

计算机网络与协议实验室

华为计算机网络与协议实验室是 2012 实验室中央软件院分布式与并行软件实验室的下属部门，位置分布在北京、上海、杭州、深圳、以色列特拉维夫。

愿景：扎根筑基石，创新引领分布式通信未来

定位：华为公司在计算机网络与协议技术领域的软件发动机，涵盖理论突破、技术发明、技术创新和精品交付。站在本技术领域最前沿，研究并突破计算原生网络、广域网准确定性通信世界级技术难题，打造业界领先的分布式通信全栈，协同ICT、终端、云、智能车等主力产品团队共同构筑差异化通信竞争力，逐步壮大产业生态，助力商业成功。

团队：由业界顶尖领军专家、天才少年、博士和工程师混编特战队、海外军团共同组成的高水平创新团队。技术研究成果显著，2018年至今，已有5篇论文被全球网络通信顶级会议SIGCOMM录用；并连续3届都有关键技术入选华为公司10大发明。

每年旅行多少次？

自 2012 年以来，截至目前，我已经去过了 … 个城市，旅行 … 次（从 A 城市到 B 城市就算一次，如果再回到 A 城市就算两次了）。

哪些城市呆得天数最久？

注：如果 1 月 1 日进入，1 月 2 日离开，按照 2 天计算，存在重复，因此总天数是超过日历天数的。

如果把除北京、合肥外的城市认为是旅行（包括出差），则旅行的总天数占比为 …，共计 … 天。

This article summarizes the technical architecture of USTC iCourse.club. Founded in 2015, iCourse is a Flask-based website aiming at rating courses in USTC (University of Science and Technology of China). Although it is only a small website from a technical point of view, it offers a glimpse of the architecture of a typical web service.

USTC LUG GitLab 即将停止对校外用户服务，虽然我是校内邮箱，但是为了预防哪天突然被拔网线，把我的所有仓库都备份到本地了，并把公开仓库挂到了 GitHub 上。作为 LUG GitLab 的第一个用户，我一共有 209 个仓库，其中个人仓库 123 个。LUG GitLab 从 2013 年 3 月 14 日（Pi Day）创立，至今已经运行 9 年，创立时间甚至比 Telegram 还稍微早几个月。GitLab 和 VPN 是我创立的运行至今的年头最长（9 年）的网络服务，服务的用户数以千计，目前我都早已离开管理和运维团队，但对这些服务还是有很多感情的。

我的 GitHub 主页：https://github.com/bojieli

我的 USTC LUG GitLab 主页：https://git.lug.ustc.edu.cn/boj

这些公开的仓库主要是我在科大做的课程作业、本科的各种项目、在 LUG 做的网络服务。在 MSRA 读博期间做的大部分项目都没有开源，我只把 SocksDirect 的源码放出来了，还放出来了几篇 paper 的 LaTeX 源码，其中一些做了脱敏处理，没有保留内部 commit 信息。工作之后的源码就更不可能随意公开了，已经开源的 MindSpore AKG 项目也是在开源时对内网 commit 信息做了脱敏处理的（开源之后的内部贡献者就是直接在公开 repo 上开发了，但开源之后我已经离开 AKG 项目）。

因此，从 GitHub 的 contributions（贡献统计）可以看到，最多的一年是 2016 年，有 2000+ contributions；去年和前年都只有少得可怜的 contributions；2013-2015 年都有 1000+ contributions；2017-2019 年就只有几百了，一是由于项目没有开源，二是由于我个人也比较脱离写代码的一线，整天琢磨新的 research idea，变成了 PPT 工程师，在实际写代码实现 idea 上花的时间并不多，这也是我博士后期发 paper 比较少的原因。

“那只羚羊哪儿去啦？”妈妈突然问我。

妈妈说的羚羊是一件用黑色硬木雕成的工艺品。那是爸爸从非洲带回来给我的。它一直放在我桌子角上。这会儿，我的心怦怦地跳了起来，因为昨天我把它送给了我的好朋友万芳。

作为 USTC 评课社区 的创始人之一，我愿意在个人主页上推广评课社区的几位合作者 2021 年的又一个心血之作 PI Review（https://pi-review.com/）。

距离 2015 年创办评课社区已经过去 7 年，评课社区已经有超过 1.6 万条点评，在科大学生中具有很大的影响力，很多同学选课的时候都会参考评课社区上的点评。凡是读过博士或者硕士的同学大概都会认同，导师对学生这几年的生活和前途是至关重要的。虽然已经有很多评价导师的网站，比如导师推荐人、Rate My Supervisor、研控等，但都有很多问题，这里是一个比较详细的评测。PI Review 的创始人发现目前并没有一个令人满意的网站，因此 2021 年创立了 PI Review，今年又完善和新增了很多功能。

PI Review 实行匿名制，只需要用学校邮箱验证即可发表点评，但邮箱验证仅仅是为了防止 spam，邮箱地址永远不会公开，我们也不会发送垃圾邮件。发表的点评都是匿名的。欢迎各位小伙伴分享自己或者其他朋友的导师，如果觉得好可以帮自己拉合作者入坑，如果觉得不好就帮师弟师妹避坑。

PI Review 目前建议 分5个维度评价导师，包括 Advisor Style & Mentorship（hands-on or hands-off 等）、Expectations（发 paper、工作时间的要求等）、Funding & Support（工资、实习等）、Research（研究）、Lab Culture（文化）。当然，这只是个参考，大家也可以按照自己的维度评价导师。

我自己读博期间，两位微软联合培养的导师对我都非常好，给我了很多指导和帮助，我也在 PI Review 上写了评价，感兴趣的可以翻出来看看，搜索导师的功能应该是比较好用的。