香港中文大学（深圳）人工智能学院面向国家重大战略发展和国际前沿发展需求，致力于打造一个跨学科、创新性的国际一流教学和科研平台。吴老师现任香港中文大学（深圳）人工智能学院终身副教授、助理院长（科研）。其研究方向包括可信人工智能、机器学习和计算机视觉，他在人工智能的顶级期刊和会议上发表论文120余篇，包括权威期刊TPAMI、IJCV 16篇，谷歌学术引用13000余次。他担任人工智能领域国际期刊IEEE TIFS高级领域编委、第五届中国模式识别与计算机视觉大会PRCV 2022组委会主席、国际顶级学术会议CVPR、NeurIPS、ICLR、ICML、AAAI领域主席、中国自动化学会模式识别与机器智能专委会副秘书长，连续多年入选斯坦福大学“全球前2%顶尖科学家”榜单。他还作为项目负责人承担科技部重点研发计划重点专项课题、广东省杰青、广东省科技创新青年拔尖人才、国家自然科学基金面上等多项课题，并曾荣获2023年度香港中文大学（深圳）青年科研奖。
在可信人工智能领域，对抗鲁棒性、验证与形式化保证、公平性与隐私、不确定性评估、可解释性对GPU算力要求都很高。机器学习（ML）系统领域，大规模预训练对显存容量和互联带宽要求高，强化学习（RL）、多任务/元学习、自监督/对比学习对GPU性能要求比较高；高效训练（稀疏、量化、蒸馏）对 GPU 的“可观测性”和“可编程性”要求高（CUDA、Triton、NCCL）。计算机视觉（CV）领域：高分辨率图像（医学、遥感）、3D 视觉（NeRF、点云）、多模态（Vision-Language）对GPU算力显存压力比较大，视频理解 / 时序建模、目标检测 / 分割对GPU显存压力稍高。所以，根据应用特点，我们在硬件提供了32GB、48GB、80GB等不同类型的GPU算力设备，满足不同科研场景的需求。智算管理系统采用元物质自研的元Space科研智算管理系统，对新旧算力资源统一进行纳管和调度。
元Space智算管理系统通过机制创新与技术创新双轮驱动，显著提升算力资源利用效率和科研协作体验：
算力运营机制革新：引入经济杠杆调节机制，以量化计费替代行政分配，有效遏制算力空跑与闲置浪费，实现资源使用效益最大化。
精细化资源调度：采用“大小卡+高低保障池”分级策略，精准匹配任务与算力：一方面保障高端算力优先供给核心科研任务，杜绝“开发调试占用高端卡”的资源错配；另一方面，通过智能潮汐调度，允许非关键任务在空闲时段弹性利用冗余资源，显著提升课题组整体任务吞吐率与资源回报率。
研发环境高效复用：构建四级镜像池体系，支持课题组内开发环境的快速共享与版本继承，彻底消除重复配置与环境不一致问题，大幅缩短科研准备周期。
任务连续性与易用性：基于Checkpoint机制实现容器状态的秒级冻结与平滑恢复，保障长周期实验与教学实践的连续性。同时，提供SSH、Jupyter、VNC、Open Code及在线IDE等原生级交互入口，无缝契合科研人员现有工作习惯，实现“零学习成本”的极速上手。
