主题论坛9真实场景下的感知边缘智能：系统、模型与应用

简介：

刘志丹，香港科技大学（广州）系统枢纽智能交通学域和信息枢纽人工智能学域助理教授、副研究员、博士生导师。主要从事智能物联网、城市计算、边缘智能与数据挖掘等方向研究。研究成果发表在IEEE TMC、IEEE TKDE、IEEE TITS等国际权威期刊，以及ACM MobiCom、MobiSys、KDD、CIKM、IEEE ICDE、ICDM等国际顶级会议，累计发表高水平论文60余篇。曾获IEEE ICPADS 2020最佳论文奖，作为第一发明人申请国家发明专利17项，其中14项已获授权，并申请PCT国际专利2项。主持国家自然科学基金面上项目2项、青年项目1项，广东省自然科学基金面上项目2项及腾讯犀牛鸟科研基金等十余项科研项目。现为IEEE Transactions on Emerging Topics in Computational Intelligence副主编，IEEE和CCF高级会员，ACM SIGSPATIAL中国分会执行委员，CCF物联网、普适计算与智能交通专委会执行委员。

简介：

李克秋，天津大学教授、天津大学智能与计算学部主任、深圳学院院长，获 IEEE Fellow和 CCF Fellow，同时担任天津市先进网络技术与应用重点实验室主任以及 ACM 中国天津分会主席。长期从事新型网络体系结构、数据中心网络、软件定义网络、物联网、云计算和移动计算等领域的研究工作。在 SIGCOMM、NSDI、INFOCOM、EuroSys、IEEE Transactions on Computers（TC）、IEEE Transactions on Mobile Computing（TMC）、IEEE Transactions on Parallel and Distributed Systems（TPDS）等国际顶级会议和期刊发表了大量高水平学术论文。他主持承担了国家重点研发计划、国家自然科学基金重点类项目等多项国家级和省部级重大科研项目，并荣获天津市科学技术进步奖一等奖、辽宁省技术发明奖一等奖、教育部自然科学奖一等奖等多项重要科技奖励。

报告题目：浅谈国产十万卡算力互联的现状、机遇与挑战

报告摘要：

随着智算集群规模从千卡级向万卡、十万卡级演进，AI系统瓶颈正从"算力受限"转向"连接受限"。本次报告聚焦十万卡算力互联，系统分析当前主流互联技术的发展现状与瓶颈，深入探讨基于开放以太网构建下一代超大规模算力互联基础设施的机遇与挑战，介绍学术界、工业界以及我们团队在协议、架构、算法等方面的创新成果，并展望未来关键技术趋势。

简介：

陈旭，中山大学先进网络与计算系统研究所所长、国家工程实验室副主任。国家级青年人才项目获得者。承担包括国家自然科学基金联合重点项目、NSFC-广东省大数据中心项目、国家重点研发计划、广东省创新团队等项目与课题。曾获得IEEE Distinguished Lecturer、香港青年科学家奖、IEEE计算机学会年度最佳论文奖亚军， IEEE INFOCOM/IWQoS/ICC最佳论文奖项等学术荣誉。担任国家重点研发计划专项/国家重大人才计划会评专家、中国计算机学会分布式计算与系统专委会副主任、广东省工业软件学会副会长、广东省重点研发计划“软件与计算”重大专项专家组成员等兼职。

报告题目：资源高效大模型分布式协同推理及卫星边缘智能应用

报告摘要：

针对边缘算力资源受限约束下大模型分布式推理开销高、时延大等问题，本报告将介绍资源高效大模型分布式推理优化技术，以构建高动态轻量化的多智能终端协同分布式推理体系，并进一步介绍面向太空智算场景的多模态大模型卫星边缘智能应用。

简介：

刘思聪，主持国家自然科学基金青年B类项目，入选ACM中国新星（全国2人）、中国科协未来女科学家计划（全国10人）。主要研究泛在嵌入式智能计算与智能物联网系统，主持国家自然科学基金青年B类、面上、青年等国家级项目5项，连续承担华为未来终端项目多项。在ACM UbiComp、MobiSys、SenSys等国际高水平会议和期刊发表论文60余篇，出版专著2部。获ACM UbiComp杰出论文奖、ACM SenSys最佳论文提名奖、CCF自然科学二等奖、陕西省高校科技特等奖、IEEE AIoTSys青年科学家奖、华为世界难题火花奖等。现任ACM IMWUT编委、FCS青年编委、ACM SIGBED China副秘书长、CCF高级会员。

报告题目：移动情境自适应智能体系统

报告摘要：

发展新一代智能终端与智能体已成为全球共识。大模型推动端侧系统由固定能力推理向交互式智能体演进，其核心特征是运行时的多维情境动态性，涉及任务需求、交互记忆、环境感知、用户意图及存算资源的持续变化。本报告围绕移动情境自适应的智能体系统研究实践进行介绍。

简介：

香港科技大学计算机科学与工程系助理教授，博导。香港中文大学博士，加州大学洛杉矶分校博士后。研究方向为端侧AI和智慧健康。论文发表在移动计算和物联网系统顶级会议，包括 ACM MobiCom，MobiSys 和 SenSys，获得ACM SenSys 2025杰出TPC member，ACM MobiSys 2023 最佳论文奖，ACM SIGBED China 2023杰出博士论文奖，入选 2023 EECS Rising Star，于 2024 年被美国国立卫生研究院（NIH）评选为移动健康学者。

报告题目：高效自适应端侧多模态感知智能及其在智慧健康中的应用

报告摘要：

移动终端与物联网设备已深度融入日常生活，但人工智能在端侧设备上的高效部署仍面临诸多技术与应用挑战。特别的，结合AI与多模态传感器数据可实现对用户行为进行细粒度分析与持续监测，为智慧健康等领域提供有力支撑。我们在推动AI模型实际落地于端侧系统时所应对的现实数据与系统挑战，包括部署后的模型个性化更新、有限的计算资源以及系统动态变化下的推理优化。随后，报告将介绍我们基于AI赋能的多模态传感器设备在居家及社区医疗方面的研究工作，涵盖慢性疾病行为生物标志物的检测、基于大语言模型的个性化健康干预生成，以及行为与认知信号的对齐理解。最后，报告将总结边缘端多模态AI模型以及在医疗健康领域发展所面临的关键挑战，并展望未来研究方向。