個(gè)人簡介：郭斌，CCF理事、CCF普適計(jì)算專委會(huì)秘書長、工學(xué)博士，西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院教授、副院長，國家杰出青年科學(xué)基金獲得者，人機(jī)物融合群智計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室副主任，工信部智能感知與計(jì)算重點(diǎn)實(shí)驗(yàn)室副主任，西北工業(yè)大學(xué)計(jì)算與藝術(shù)交叉研究中心主任。入選教育部“新世紀(jì)優(yōu)秀人才”（2012）和國家青年拔尖人才（2017），愛思唯爾中國高被引學(xué)者，《麻省理工科技評論》 “2023中國智能計(jì)算創(chuàng)新人物”。主要從事智能物聯(lián)與普適計(jì)算、群體智能、移動(dòng)群智感知等方面研究。在IEEE/ACM匯刊等國內(nèi)外重要期刊和會(huì)議上發(fā)表論文150余篇，出版《人機(jī)物融合群智計(jì)算》《智能物聯(lián)網(wǎng)導(dǎo)論》等專著，且面向智慧城市、社會(huì)治理等國家重大需求開展領(lǐng)域應(yīng)用和技術(shù)推廣。曾獲得教育部自然科學(xué)一等獎(jiǎng)、陜西省自然科學(xué)一等獎(jiǎng)、CCF自然科學(xué)二等獎(jiǎng)以及ACM SenSys’24、IEEE UIC’17、BIBM’20等國際會(huì)議“最佳論文獎(jiǎng)”。擔(dān)任《IEEE Transactions on Human-Machine Systems》《Frontiers of Computer Science》《ACM IMWUT》等國際權(quán)威期刊編委。IEEE高級會(huì)員，CICC認(rèn)知與行為專委副主任。

報(bào)告主題：人機(jī)物融合群智計(jì)算：LLM vs. 分布式集群智能

報(bào)告摘要：近來，在智能物聯(lián)網(wǎng)、邊緣智能、群體智能等興起背景下，跨空間人、機(jī)、物異構(gòu)智能體協(xié)作增強(qiáng)將成為新一代群智感知計(jì)算最重要的演進(jìn)方向——即“人機(jī)物融合群智計(jì)算”。人機(jī)物融合群智計(jì)算涉及物聯(lián)網(wǎng)、人工智能、生態(tài)學(xué)、復(fù)雜系統(tǒng)科學(xué)、社會(huì)學(xué)等多學(xué)科交叉，探索自然集群交互協(xié)同與人工群智能體間協(xié)作增強(qiáng)間的隱式關(guān)聯(lián)和映射機(jī)理，將通過異構(gòu)群智能體的有機(jī)交互、協(xié)作、競爭與博弈，構(gòu)建具有自組織、自學(xué)習(xí)、自適應(yīng)、持續(xù)演化等能力的智能感知計(jì)算空間。本報(bào)告將探討人機(jī)物融合群智計(jì)算的基礎(chǔ)理論、科學(xué)挑戰(zhàn)及關(guān)鍵技術(shù)，并介紹我們在這方面的研究進(jìn)展。

個(gè)人簡介：英國埃克塞特大學(xué)計(jì)算機(jī)學(xué)科講席教授，高性能計(jì)算與網(wǎng)絡(luò)實(shí)驗(yàn)室主任。一直致力于計(jì)算機(jī)網(wǎng)絡(luò)和分布式系統(tǒng)的研究，在移動(dòng)互聯(lián)網(wǎng)、云計(jì)算與邊緣計(jì)算、大數(shù)據(jù)、人工智能等領(lǐng)域取得了一系列創(chuàng)新性研究成果，在國際重要學(xué)術(shù)期刊/會(huì)議發(fā)表論文共計(jì)380多篇。作為項(xiàng)目的總負(fù)責(zé)人或首席科學(xué)家主持過20多項(xiàng)重要科研和產(chǎn)業(yè)化項(xiàng)目。任IEEE Transactions on Computers，IEEE Transactions on Cloud Computing等計(jì)算機(jī)學(xué)科頂級國際期刊的編委。

報(bào)告主題：智能邊緣網(wǎng)絡(luò)資源部署和服務(wù)優(yōu)化

報(bào)告摘要：智能邊緣網(wǎng)絡(luò)憑借算力下沉的優(yōu)勢，成為推動(dòng)社會(huì)智能化發(fā)展的關(guān)鍵力量。然而，其資源分散異構(gòu)的特性引發(fā)了資源碎片化嚴(yán)重的問題。為了解決該問題，實(shí)現(xiàn)智能邊緣網(wǎng)絡(luò)系統(tǒng)性能與服務(wù)質(zhì)量的提升，本報(bào)告從“邊緣算力–網(wǎng)絡(luò)資源–邊緣應(yīng)用”三個(gè)維度，介紹混合與靜態(tài)邊緣服務(wù)器部署架構(gòu)、細(xì)粒度結(jié)構(gòu)感知的邊緣服務(wù)部署機(jī)制、以及動(dòng)態(tài)鏈路感知的邊緣實(shí)時(shí)視頻流分析框架，為智能邊緣網(wǎng)絡(luò)的資源部署和服務(wù)優(yōu)化提供了解決方案，有助于推動(dòng)邊緣算力網(wǎng)絡(luò)大規(guī)模建設(shè)。

個(gè)人簡介：郭松濤，重慶大學(xué)二級教授、博士生導(dǎo)師，重慶大學(xué)計(jì)算機(jī)學(xué)院副院長，信息物理社會(huì)可信服務(wù)計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室常務(wù)副主任。主要在智能邊緣計(jì)算、移動(dòng)云計(jì)算、無線傳感器網(wǎng)絡(luò)、無線自組織網(wǎng)絡(luò)等方面開展研究。在 TC、TMC、TPDS、TCC、TSC、TCOM、TVT、TMM、TNSE、TNSM、INFOCOM、IPDPS、SECON、IWQOS、計(jì)算機(jī)學(xué)報(bào)等著名期刊和會(huì)議上發(fā)表高質(zhì)量論文220多篇，多篇論文入選 ESI 高被引論文。科學(xué)出版社出版專著 3 部。研究成果獲重慶市自然科學(xué)一等獎(jiǎng)2 項(xiàng)（分別排名第 1 和 3），重慶市科技進(jìn)步一等獎(jiǎng)1項(xiàng)（排名第1）。主持千萬級軍工重大項(xiàng)目2項(xiàng)、國家自然基金項(xiàng)目 5 項(xiàng)，重慶市自然基金重點(diǎn)項(xiàng)目3 項(xiàng)、千萬級重大橫向項(xiàng)目 1 項(xiàng)等 20余項(xiàng)項(xiàng)目。

報(bào)告主題：面向邊緣算力網(wǎng)絡(luò)的自適應(yīng)聯(lián)邦學(xué)習(xí)

報(bào)告摘要：隨著移動(dòng)計(jì)算和物聯(lián)網(wǎng)（IoT）的發(fā)展，各種算力正從傳統(tǒng)的云計(jì)算中心下沉到網(wǎng)絡(luò)邊緣，從而形成邊緣算力網(wǎng)絡(luò)。同時(shí)在邊緣算力網(wǎng)絡(luò)上對大量數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)為人工智能創(chuàng)造許多新的應(yīng)用場景，并促進(jìn)人工智能的持續(xù)繁榮。傳統(tǒng)的人工智能（AI）方法需要將終端收集的大量感知數(shù)據(jù)（如視頻、照片和音頻）遷移到云數(shù)據(jù)中心進(jìn)行模型訓(xùn)練。然而，由于感知數(shù)據(jù)通常包含敏感和隱私信息，可能會(huì)導(dǎo)致嚴(yán)重的隱私泄露和數(shù)據(jù)濫用問題。所以我們將對新型分布式學(xué)習(xí)范式——聯(lián)邦學(xué)習(xí)展開討論，包括動(dòng)態(tài)計(jì)算卸載和協(xié)作任務(wù)調(diào)度、網(wǎng)絡(luò)感知的自適應(yīng)聯(lián)邦學(xué)習(xí)、移動(dòng)邊緣計(jì)算中聯(lián)邦學(xué)習(xí)加速、自適應(yīng)聯(lián)邦深度強(qiáng)化學(xué)習(xí)等，從而使參與的算力節(jié)點(diǎn)能夠協(xié)同訓(xùn)練共享的AI模型，而不泄露隱私數(shù)據(jù)，并有效解決數(shù)據(jù)孤島問題。

個(gè)人簡介：王曉飛，天津大學(xué)智能與計(jì)算學(xué)部英才教授，博導(dǎo)，人工智能學(xué)院副院長，國家級青年人才，城市智能教育部國家工程中心副主任，北洋青年學(xué)者，中國計(jì)算機(jī)學(xué)會(huì)分布式計(jì)算專委會(huì)杰出青年學(xué)者，PPIO派歐云首席科學(xué)家，獲IEEE通訊協(xié)會(huì)Fred W. Ellersick Prize年度最佳雜志論文獎(jiǎng)、IEEE通訊協(xié)會(huì)亞太地區(qū)年度杰出論文獎(jiǎng)、天津市科技進(jìn)步一等獎(jiǎng)2項(xiàng)（分別排第1位和第3位）、天津市青年科技獎(jiǎng)等，主要研究邊緣智能理論、云邊協(xié)同計(jì)算技術(shù)、算力網(wǎng)絡(luò)系統(tǒng)與調(diào)度算法等，發(fā)表高水平科研論文210余篇，其中包括中科院1區(qū)/CCF-A類論文50余篇，中科院2區(qū)/CCF-B類論文40余篇，引用11000余次，申請授權(quán)發(fā)明專利50余項(xiàng)，獲IEEE最佳論文獎(jiǎng)10+項(xiàng)，擔(dān)任IEEE COMST（IF:34）、TCCN（IF:7.4）等多個(gè)一二區(qū)期刊副編委和專刊編委，主持了國家自然科學(xué)基金、科技部重點(diǎn)研發(fā)計(jì)劃課題等國家級省部級縱向課題十余項(xiàng)，負(fù)責(zé)了電信、移動(dòng)、亞信、華為、電科院等企業(yè)項(xiàng)目二十余項(xiàng)。

報(bào)告主題：通用人工智能之路——面向大模型服務(wù)的分布式算力網(wǎng)絡(luò)

報(bào)告摘要：大模型技術(shù)掀起了通用人工智能時(shí)代的巨幕，而如何建設(shè)低時(shí)延、高效能、泛在彈性的算力基礎(chǔ)設(shè)施以支持大模型訓(xùn)練推理和持續(xù)迭代成為了核心問題之一。報(bào)告將介紹邊緣云與算力網(wǎng)絡(luò)的發(fā)展歷史、現(xiàn)狀、趨勢和難點(diǎn)挑戰(zhàn)，從智能調(diào)度、服務(wù)保障、供需預(yù)測、算力交易等角度分享有關(guān)科研進(jìn)展，并介紹相關(guān)產(chǎn)學(xué)研合作為代表的相關(guān)落地應(yīng)用。

個(gè)人簡介：東方，博士，東南大學(xué)青年首席教授，博士生導(dǎo)師，入選國家級青年人才計(jì)劃，現(xiàn)任東南大學(xué)大數(shù)據(jù)計(jì)算中心主任。同時(shí)擔(dān)任ACM南京分會(huì)主席、江蘇省計(jì)算機(jī)學(xué)會(huì)高性能計(jì)算專委會(huì)副主任&云計(jì)算專委會(huì)委員。2011年3月畢業(yè)于東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，獲工學(xué)博士學(xué)位，師從羅軍舟教授。博士畢業(yè)后留校任教，在江蘇省“網(wǎng)絡(luò)與信息安全”重點(diǎn)實(shí)驗(yàn)室從事教學(xué)科研工作，主要研究方向?yàn)樵朴?jì)算與邊緣計(jì)算。作為項(xiàng)目負(fù)責(zé)人主持科技創(chuàng)新2030重大專項(xiàng)及國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目課題1項(xiàng)子課題1項(xiàng)、國家自然科學(xué)基金3項(xiàng)、江蘇省產(chǎn)學(xué)研前瞻性聯(lián)合研究項(xiàng)目1項(xiàng)，并作為核心成員參加完成國家自然科學(xué)基金重點(diǎn)項(xiàng)目、國家科技攻關(guān)計(jì)劃等多項(xiàng)國家級項(xiàng)目。并獲得國家級教學(xué)成果二等獎(jiǎng)。參加了丁肇中教授領(lǐng)導(dǎo)的AMS大型物理實(shí)驗(yàn)，建設(shè)完成東南大學(xué)云計(jì)算中心及東南大學(xué)AMS科學(xué)數(shù)據(jù)處理中心（AMS-02 SOC）。在IEEE/ACM TON、IEEE TMC、IEEE JSAC、INFOCOM、WWW、ICNP、ICDCS、ICPP等國際國內(nèi)重要期刊及會(huì)議上發(fā)表論文100余篇，并長期擔(dān)任IEEE TON、TMC、TSC、《計(jì)算機(jī)學(xué)報(bào)》等重要期刊的客座編輯及特邀審稿人，歷屆云計(jì)算與大數(shù)據(jù)國際會(huì)議（CBD 2013-2023）Program Co-Chair & Organization Co-Chair，全國高校云計(jì)算應(yīng)用創(chuàng)新大賽組委會(huì)秘書長，申請發(fā)明專利23項(xiàng)、軟件著作權(quán)2項(xiàng)。

報(bào)告主題：從終端到邊緣：智能模型的自適應(yīng)部署與協(xié)同演進(jìn)

報(bào)告摘要：在邊緣計(jì)算場景中，資源受限的邊緣設(shè)備與動(dòng)態(tài)異構(gòu)的數(shù)據(jù)請求對彈性部署與實(shí)時(shí)運(yùn)行高性能智能模型提出了嚴(yán)峻挑戰(zhàn)，亟需兼顧推理精度與響應(yīng)延遲的高效解決方案。本報(bào)告聚焦智能模型的自適應(yīng)部署與協(xié)同演進(jìn)，首先，關(guān)注模型的自適應(yīng)部署，面向異構(gòu)終端設(shè)備，設(shè)計(jì)模型輕量化適配與端邊協(xié)同部署機(jī)制，保障模型在多樣化算力環(huán)境下高效穩(wěn)定運(yùn)行。其次，應(yīng)對動(dòng)態(tài)環(huán)境下的模型性能退化問題，進(jìn)一步探討端端協(xié)同與端邊協(xié)同的模型分塊重訓(xùn)練與持續(xù)學(xué)習(xí)優(yōu)化機(jī)制，支撐模型在線演進(jìn)與自適應(yīng)優(yōu)化，提升長期服務(wù)質(zhì)量。報(bào)告從模型自適應(yīng)部署到協(xié)同優(yōu)化，探索智能模型在動(dòng)態(tài)邊緣環(huán)境中的高效部署與持續(xù)演化，以實(shí)現(xiàn)低延遲、高精度的應(yīng)用需求。