为实现更精准的投放，广告的计算需求在日益增长。以阿里妈妈信息流广告排序模型为例：在DIEN (Deep Interest Evolution Network) 基础上引入基于搜索范式的超长用户行为建模新方法，升级为SIM (Search-based user Interest Model) ；在SIM基础上引入交叉特征相关内容，升级为CAN (Co-Action Network) 。从DIEN到CAN模型，FLOPS增加3x，访存增加3x，输入规模增加4x（以上为粗略估计，具体增长与业务场景有关）。面对迅速增长的算力需求，我们打造了新一代广告深度学习计算引擎XDL-Blaze，算法-系统-硬件密切配合，充分利用硬件能力，掩盖硬件自身的弱点，实现性能目标（latency-bounded QPS）的最大化。

目录：

- 前沿

1. 算力需求与供给

1.1 算力需求：模型复杂度
1.2 算力供给：异构硬件计算能力
1.3 问题与优化方法

2. 算法-系统-硬件协同性能优化

2.1 算法优化
2.2 系统优化：以GPU优化为例
2.3 硬件升级：以含光NPU为例
2.4 性能结果

- 总结与展望