作为 Oracle Cloud AI Services Principal Machine Learning Tech Lead，Fuheng Wu（玄心）撰写了这篇 Microsoft Open Source Blog 技术文章，分享 Oracle 如何使用 ONNX Runtime 为来自 PyTorch、TensorFlow、PaddlePaddle 与 Scikit-learn 的模型提供跨框架、跨硬件的高性能推理服务。

基准测试显示，ONNX Runtime 比原始 PyTorch 推理快 30%–300%。

文章还比较了 TVM、OneDNN、OpenVINO 与 MLIR，并介绍执行提供程序如何让同一套服务代码适配不同推理引擎与 Oracle Cloud CPU 计算形状。

阅读技术文章 ↗

玄心受 UIUC 金融工程硕士项目邀请，在 Practitioner Speaker Series 做线上分享，主题是「AI in Quantitative Finance: What MFEs Need to Know Now」。从银行里真实运行的系统，到生产环境中的可靠性问题，再到 AI 时代量化金融学生的职业选择，讲座连接了课堂上的数学与真实世界的模型。

「数学告诉你它为什么能成立。AI 告诉你数据里能学出什么。工程决定它在真实世界里能不能活下来。」

学生们还问了市场变化、课程与 AI 的连接，以及如何同时展示金融与 AI 能力。建议很简单：找一个产品往深里懂，做一个别人能复现的完整项目，永远不要只报一次运行的结果。

阅读活动记录 ↗ 查看讲座幻灯片 ↗

Henry Fuheng Wu（玄心）受邀作为 Global Data & AI Virtual Tech Conference 2026 演讲嘉宾，带来「From Single GPU to Production Clusters: Building Distributed AI Systems for Training and Inference」主题分享。他将结合 Wells Fargo、Oracle、Uber、Bloomberg、Google 与 WorldQuant 等生产环境经验，介绍如何把单 GPU 原型推进为可靠、可观测、可扩展的生产集群。

从单 GPU 到生产集群：构建用于训练与推理的分布式 AI 系统

分享将涵盖分布式训练、PyTorch DDP 与 FSDP、vLLM 与 SGLang 推理、GPU 内存与网络瓶颈、基准测试、可观测性以及常见生产故障模式。

查看演讲嘉宾 ↗

华人作家玄心 9 月 26 日举行回忆录《云层之上》新书发表会。书中记录他从四川山村出发，历经中国早期互联网、华尔街量化金融，再到硅谷无人驾驶与人工智能产业的近 50 年人生。

「技术走得太快。这段真正被人活过的经验，很快就没有人记得了。」

阅读原文 ↗