CNCC | 智能时代的大数据系统

陈恩红

CCF会士、CCF大数据专家委员会副主任

中国科学技术大学大数据学院执行院长

中国科学技术大学讲席教授，认知智能全国重点实验室副主任，安徽省计算机学会理事长。国家杰出青年基金获得者、科技部重点研发计划项目首席科学家，科技部重点领域创新团队“大数据分析及应用”负责人。主要研究方向是大数据分析与挖掘、个性化推荐、智能教育等。主持了国家重点研发计划项目、国家自然科学基金重大仪器研制项目、国家自然科学基金区域联合重点项目等。担任TKDE等重要期刊编委，获教育部高等学校自然科学一等奖、吴文俊人工智能科技进步一等奖，获KDD、ICDM的最佳论文奖等。

邹磊

北京大学教授/博导

CCF 杰出会员，CCF数据库专业委员会常务委员，北京大学王选计算机研究所教授，目前的研究领域包括图数据库，RDF知识图谱，尤其是基于图的RDF数据管理。已经发表了百余篇国内外学术论文，包括CCF-A类的数据库领域国际顶级期刊/会议论文（SIGMOD，VLDB等）60余篇，获得国家自然科学基金优秀青年基金、国家教育部自然科学奖二等奖、中国计算机学会自然科学奖二等奖等。担任TKDE编委、ICDE领域主席、WISE程序委员会主席等。

陈雷

香港科技大学计算机科学与工程系主任、信息科技中心主任

现任香港科技大学大数据研究所所长，香港科技大学教育部/微软亚洲研究院信息技术重点实验室主任。陈雷教授在天津大学获得计算机科学与工程学士学位，在加拿大滑铁卢大学获得计算机科学博士学位。陈雷教授的研究兴趣包括人力驱动的机器学习、众包、区块链、图数据分析、概率和不确定数据库、时间序列和多媒体数据库。陈雷教授于2015年获得SIGMOD Test-of-Time奖，以及于2022年VLDB最佳研究论文奖。他领导的团队开发的系统还于2014年获得VLDB卓越演示奖。陈雷教授曾担任VLDB 2019程序委员会联合主席和VLDB Journal的主编。目前，他担任IEEE数据与知识工程汇刊（TKDE）的主编，以及IEEE数据工程会议（ICDE 2023）的程序委员会联合主席。他是IEEE会士、ACM杰出会员，并担任VLDB基金会的执行成员。

面向人工智能的数据管理

随着深度学习模型在许多领域取得成功，迫切需要以更高的效率和更低的成本训练和部署深度学习模型。这方面研究的挑战在于深度学习模型在不断演化，它们所使用数据的规模也变得越来越大。我们的研究旨在使用数据库技术自动、有效和高效地解决这些挑战。在这次演讲中，我将谈论如何开发强大而高效的面向人工智能的数据库（Database for Artificial Intelligence)，用以满足前沿人工智能应用的需求。

陈文光

CCF会士、YOCSEF荣誉委员、副秘书长

清华大学计算机系教授

主要研究领域为操作系统、编译器与并行计算。获国家科技进步二等奖1次，部级科技一等奖2次，部级科技进步二等奖2次。现为北京计算机学会副理事长；ACM中国理事会常务理事。

诸葛弩 - 基于Python的分布式大数据处理系统

基于Java/Scala的Spark是目前分布式大数据处理系统的主流，然而随着AI在计算形态中的比例日益增长，如何让数据处理与AI能基于一套基础语言和框架开发，是业界关注的重要方向。本报告将分享如何利用编译优化技术，实现高性能的基于Python的分布式大数据处理系统，既能支持SQL和RDD混合的灵活编程抽象，又可以达到超越Spark的性能， 并为AI+大数据的融合系统提供良好的基础。

郭人通

Zilliz合伙人兼产品负责人

CCF分布式计算与系统专委会委员。他专注于开发面向 AI 的高效并可扩展的数据分析系统，是Milvus项目的系统架构师和Towhee项目负责人。其工作成果曾发表于SIGMOD、VLDB、USENIX ATC、ICS、DATE、IEEE TPDS等国际顶级会议与期刊。在加入Zilliz前，他曾就职于华为，是ModelArts平台核心研发成员。郭人通拥有华中科技大学计算机软件与理论博士学位。

向量数据库的应用、技术、挑战

目前AIGC技术生态已经开始从模型扩散到基础软件，向量数据库，作为链接AI模型与海量非结构化数据的桥梁，正发挥越来越重要的作用。本次分享将结合Zilliz在业界的实践经验，介绍向量数据库基础、相关应用、向量数据库系统架构、LLM + VectorDB + Prompt架构，以及向量数据库未来的核心挑战。

宋怀明

中科天玑总工程师

CCF大数据专委会执行委员、高性能计算专委会委员，博士，正高级工程师。西安交大本科，中科院计算所博士，美国伊利诺伊理工大学博士后。主持多项重大项目如科技部863课题、发改委信息安全专项、发改委人工智能重大项目、工信部大数据试点示范工程、北京市十百千项目等，申请发明专利60多项。曾获天津市创新团队奖，北京市科技新星、海英人才、青年拔尖人才。北京市青联委员、中青科协理事。

基于社会认知模型构建网络空间智能体——社会认知大脑

基于千亿规模的网络开源数据，将多模态认知计算与网络社会治理领域深度融合，构建网络空间智能体——社会认知大脑，能够实时观察、测绘和分析人类对社会活动和行为的认知；包括社会认知大数据测绘、社会认知模型分析、社会认知应用和服务，具备自我学习和演变能力，持续刷新数据，积累新知识；具备识别网络空间不稳定因素的能力，及时发现并防范各类隐患，为进一步健全网络空间治理中的风险应对和行动引导提供有效信息支撑，是面向“数字经济”、“智慧城市”、“社会治理”等国家重大需求的重要新兴软件平台。

彭鹏

湖南大学副教授

CCF数据库专委会执行委员，于2009年毕业于北京师范大学信息科学与技术学院获得理学学士学位；2016年毕业于北京大学计算机科学技术研究所，获得理学博士学位。彭鹏于2016年8月入职湖南大学信息科学与工程学院软件工程系，任助理教授。2019年12月，晋升为副教授。目前其主要研究方向为“分布式图数据库”。彭鹏近年来发表论文30余篇，其中既包括ICDE、VLDB Journal、TKDE等国际顶级会议/期刊论文，也包括EDBT、WWW Journal、Information Systems等国际重要会议/期刊论文。彭鹏主持国家级项目1项，省部级项目1项，长沙市科技重大专项1项。这些工作涵盖了图数据管理，分布式查询处理等领域。目前已经开发了多种分布式图数据数据管理系统。

分布式图数据库管理技术介绍

随着互联网的快速发展，图数据的规模不断增大，传统的单机系统已经无法有效地处理海量图数据，因此出现了分布式图数据库管理技术。针对分布式图数据库管理问题，不同类型的分布式计算平台有不同的管理框架。本次报告我们将针对集群式分布式计算平台、高性能并行计算平台、云计算平台等多种分布式计算平台来介绍我们在分布式图数据库管理技术方面的相关研究。