2026
2026 本科生 · 进科研 · 进团队
课题组招新
面向AI推理服务的云端系统性能优化
广东工业大学 · 计算机学院
导师：吴朝锐
导师：吴朝锐
广东工业大学 · 计算机学院
导师介绍
吴朝锐
工学博士 · 博士后研究员
合作导师：李小平教授（计算机学院院长）
主要研究方向为云计算与AI计算系统优化，聚焦大规模AI服务在云端部署时面临的性能、效率与成本问题。在Serverless计算、容器化数据中心、冷启动优化等领域有深入积累。
主要研究方向为云计算与AI计算系统优化，聚焦大规模AI服务在云端部署时面临的性能、效率与成本问题。在Serverless计算、容器化数据中心、冷启动优化等领域有深入积累。
✦ 邮箱：z.wu@gdut.edu.cn
✦ 主页：githubdiom.github.io
代表性发表期刊
CCF A
IEEE TPDS
体系结构 / 并行与分布计算
CCF A
IEEE TC
体系结构 / 并行与分布计算
CCF C
IEEE TCC
云计算
SCI
IEEE TNSM
网络与服务管理
代表性工作
- 冷启动加速：函数哈希缓存复用
- 批处理调度：提升函数吞吐效率
- 容器层优化：镜像分层按需加载
- 关键路径迁移：工作流延迟压缩
- 网络功能编排：链式服务性能优化
广东工业大学 · 计算机学院
课题方向
面向AI推理服务的系统性能优化
模型再强，也需要高效的计算系统来承载。当千万用户同时发起推理请求，背后的系统如何秒级响应、控制成本、合理调度资源？这是本课题组的核心研究问题。
01
AI模型冷启动优化
AI推理服务从零启动时，模型加载、运行时初始化、依赖准备各阶段存在显著延迟。通过缓存策略、预加载机制、层级复用等手段，系统性压缩启动时间。
02
推理调度策略研究
面对波动的用户请求，智能决策何时启动新实例、何时复用已有实例，在延迟与成本之间找到最优平衡点。设计并验证调度算法。
03
多阶段推理流水线
实际AI应用涉及多模型串联/并联调用（如RAG中的检索+生成）。研究关键路径识别与端到端延迟优化策略。
广东工业大学 · 计算机学院
场景拆解
当你用Claude Code / AI Agent写代码时，
我们在优化哪些环节？
我们在优化哪些环节？
每一次"帮我写一下"的背后，都是一条横跨云端的推理链路。我们的研究，就是让这条链路更快、更稳、更省。
> 你输入: "帮我修复这个bug"
广东工业大学 · 计算机学院
参与方式
本科生可参与的三类工作
🔬
学术研究
在导师指导下参与课题研究，学习论文阅读与撰写方法。表现优秀者有机会发表学术论文。
🏆
竞赛参与
基于课题组现有研究成果和系统，参加服创大赛、系统能力大赛、人工智能类等学科竞赛。课题组提供技术指导和资源支持。
💻
应用开发
参与AI在实际场景中的应用开发工作，如推理服务系统搭建、性能监控平台开发等，锻炼工程实践能力。
欢迎对学术研究、打比赛或做实际应用感兴趣的同学加入！
广东工业大学 · 计算机学院
参与要求
对参与者的期望
🎓
计算机或相关专业本科生，不限年级
🐍
具备Python编程基础即可，不要求修过特定专业课程
📖
有较强的自学意愿，在导师指导下逐步学习
🏅
有数学建模或编程竞赛经历者尤其欢迎
⏰
每周能保证一定的科研时间投入
✦ 你将获得
📝科研论文写作与发表的全流程指导
☁云计算与AI系统的前沿实践经验
🎯保研或出国申请的科研经历支撑
👨🏫导师定期一对一指导与组会交流