转眼间2022已经过去大半年，这一年对于很多人来说应该都有着不同寻常的意义。实际上对于 Python 来说，过去这一年，也是特殊的一年。
在过去的一年里，Python 经历了多个大版本的迭代，在社区开发者的共同努力下，在语法特性，语言性能等方面得到了多方面史无前例的提升，为 Python 这⻔有着悠久历史的语言注入了新的活力与生命力。
你可能已经受益于 Python 这一年来的⻜速发展，你也可能是在继续观望着 Python 未来的进程。不管怎么说，你可能都希望有这样一个机会，能同不同的人去交流，或是分享自己对于 Python 的真知灼⻅，或是从别人的经历中学习什么。
那么如大家所愿，PyCon China 2022 来了！今年，我们将一如既往为大家提供一个展现自我，也倾听他人的舞台，让大家能在这里尽情地享受 Python 带来的乐趣。
今年的 PyCon China 将如同往年一样，采用线上、线下相结合的模式。我们将在北京/上海/深圳/杭州四城举办线下会场，同时提供在线直播，为大家提供线下、线上的交流机会。
大会时间
2022年12月17日
大会地点
北京、上海、深圳、杭州
大会形式
线下相聚、线上直播
活动日程
分享嘉宾
阿里云程序语言与编译器研发工程师
具有 Python 运行时、Python 科学/AI计算库研发经验，熟悉机器学习、深度学习。目前进行线性代数库 OpenBLAS、深度学习库 PyTorch 在 ARM 平台的优化、适配工作。
演讲主题：ARM 芯片的 Python+AI 算力优化
主题简介：
当今开发者们大量使用 Python 语言编写的 AI 程序。过去这些程序总跑在 GPU 或者 x86 架构的 CPU 上。然而综合考虑到功耗、成本、性能等因素，云厂商们开始建设 ARM 架构的服务平台，如何整合 Python+AI 的相关软件并使其在该平台上发挥最高的性能成为了工程师们关注的焦点。
矩阵乘法是深度学习计算的重要组成部分，我们利用 ARM 架构新提供的矩阵扩展对 bf16 类型的矩阵乘法计算进行优化，该优化将纯矩阵乘法的运算速度提升约2倍，对深度学习推理任务性能提升明显。目前，该成果已经被集成进 OpenBLAS 和 PyTorch 中。
本次演讲，将向大家介绍我们在倚天710 ARM 芯片上开展的 Python+AI 优化工作，以及在 ARM 云平台上部署 Python+AI 任务的最佳实践。
张翔
Python committer since 2016
PingCAP Cloud Ecosystem Service Team Leader
演讲主题：使用 Streamlit 在 Python 脚本中快速构建一个可共享数据应用程序
主题简介：
streamlit 是一个开源库，它可以在几分钟内将数据脚本转换为可共享的 web 应用程序，全部使用纯 Python。本次演讲将向用户展示如何使用 streamlit 和 streamlit Cloud 来构建和部署一个数据应用程序，以及 streamlit 如何改变数据应用程序开发的工作流。结合 DBaaS（如 TiDB Cloud） ，用户可以安全地存储状态，并在数据应用程序中使用它们。
王铁震
hugigingface 工程师。前谷歌 tensorflow 团队成员。
演讲主题：人人都可以用的 AI 工具
主题简介：
- 用 transformers 进行自然语言处理
- 用 diffusers 生成艺术作品
- 用 gradio 在线部署 AI 产品
张凯莉
中兴通讯股份有限公司人工智能算法工程师
从事 AI 相关工作多年以上，主要参与公司的 AI 平台研发、开源项目 Adlik 模型编译部分的代码编写、Adlik 服务部署以及推理性能测试、CV 大模型的搭建及训练等
演讲主题：Adlik 深度学习推理加速工具链的应用
主题简介：
Adlik 是一种将深度学习模型从训练完成，到部署到特定硬件并提供应用服务的端到端工具链，能够实现模型从研发状态到生产应用环境的高效切换；Adlik 与多种推理引擎协作（TensorFlow、TensorFlow_lite、PyTorch、TensorRT、OpenVINO、PaddlePaddle 和燧原芯片等），提供灵活的模型加速、部署、推理方案，助力用户构建高性能AI应用。
对于训练好的模型，Adlik 可以通过剪枝和量化对模型进行优化；优化好的模型可以使用 Adlik 的模型编译器进行模型转换（这部分通过简单的 Python 脚本即可完成），方便用户部署到云端、边侧或者端侧，Adlik 模型编译器目前支持大多数格式的模型文件（ckpt、pb、h5、onnx、pth等），方便用户对于不同训练框架的模型进行操作；对于编译好的模型，用户可以使用 Adlik serving 进行服务部署，然后使用部署好的服务进行推理，同一个模型部署的不同类型的服务可以使用同一套 Python 客户端代码进行推理，方便用户测试最优的服务部署方案。
沈达
比图科技数据工程师
沈达，毕业于中国科学技术大学计算机系，就职于比图科技，担任数据工程师。是 Rikai 这个大数据+AI 的 Python 项目的核心贡献者，也是墨干编辑器的作者，另外译有《Scala实用指南》一书。
演讲主题：Pants: Python 工程化必备构建工具
主题简介：
在数据与 AI 领域，Python 语言正大放异彩！但和 Python 在各个领域的广泛应用相比，其主流的构建工具非常羸弱。在 Python 项目变得更加复杂，参与的工程师数量攀升时，除了 Python 作为动态语言的固有缺点以外，构建和部署也是大型 Python 项目难以驾驭的一大原因。
Pants 正是解决大型 Python 项目的不二选择！沈达将从 Pants 用户的角度，阐释如何用 Pants 构筑 Python 工程化的基石。
