CNCC | 大模型时代的智能物联网研究前沿

董玮

浙江大学教授/博导、信息技术中心副主任

CCF物联网专委常务委员，CCF互联网专委委员，浙江省计算机学会嵌入式与物联网技术专委秘书长。获CCF-Intel青年学者提升计划、浙江省杰出青年基金、国家级青年人才计划。主要研究方向包括物联网、智能边缘计算、计算机网络等。在 ACM MobiCom、UbiComp、USENIX NSDI、IEEE INFOCOM 以及ToN、TMC 等国际高水平会议期刊上发表论文160余篇，授权发明专利30余项。近年来致力于云边端融合的物联网软件与协议的研究，相关研究成果在阿里云、华为、海康威视等头部企业得到深入应用，取得良好的经济和社会效益。成果获浙江省计算机学会优秀成果奖、中国计算机学会科技进步杰出奖、浙江省科技进步一等奖。

马华东

CCF会士，CCF常务理事、物联网专委主任

北京邮电大学计算机学院教授

北京邮电大学学术委员会副主任，历任计算机学院执行院长等职务。国家杰青、长江学者特聘教授，国家基金委创新群体项目负责人。兼任国务院学位委员会学科评议组成员，教育部科技委委员。长期从事物联网、多媒体领域研究，发表论文400余篇，被引用1万余次。排名第1获国家级教学成果二等奖、教育部自然科学一等奖、中国电子学会科学技术奖一等奖等奖励；并获IEEE TMM年度最佳论文奖等国际学术奖励。

视频物联网中云端协同智能计算

视频物联是物联网的一种重要形态，也是支撑智慧城市、智能安防等应用的关键基础设施，其中对全天候全天时关键目标准确理解是其基本能力，AI赋能是其实现的重要途径。本报告首先讨论了以人、车、事件为典型目标，面向多任务多场景的深度神经网络智能视频算法体系；其次针对端设备资源受限、云端协同计算难、单一视觉模型能力弱等挑战，介绍了模型轻量化、云端模型互动、视觉大模型等相关技术；最后，展望了视频感知大模型的发展和应用前景。

邱锂力

微软亚洲研究院副院长

ACM/IEEE/NAI Fellow

主要负责微软亚洲研究院（上海）的研究工作，并与工业界、大学和研究机构进行合作。邱博士是互联网、无线网络和感知领域的领军人物。她于2001年在康奈尔大学获得计算机科学博士学位，并于同年开始在微软研究院雷德蒙德实验室担任研究员，从2001年到2004年在系统与网络组工作。2005年，她加入了德克萨斯大学奥斯汀分校计算机科学系，担任助理教授。由于其杰出的成就，她后来晋升为终身教授。她的显著成就赢得了多项荣誉，包括NAI Fellow、ACM Fellow和IEEE Fellow。此外，她还担任ACM SIGMOBILE主席。她被认可为ACM杰出科学家，并获得了NSF CAREER Award等许多荣誉。

Exploring Different Modalities for Healthcare Applications

The health condition of an individual can be manifested through various indicators such as speech, movement, breathing, heartbeats, brainwaves, medical images, and more. In this presentation, I will present our exploration of harnessing different modalities for disease diagnosis by employing wireless sensing and machine learning techniques. Additionally, I will share our experiences and insights gained from collaborating with hospitals in this endeavor.

张黔

香港科技大学腾讯工程学教授、计算机科学与工程系讲座教授

IEEE Fellow、香港工程科学院院士

她曾任微软亚洲研究院无线网络组的研究经理。张博士在国际期刊和会议上发表了400多篇论文，是50多项国际专利的发明人。目前的研究兴趣包括物联网、智能健康、移动计算和传感、无线网络以及网络安全。她是IEEE会士和香港工程科学院院士 (HKAES)。张博士曾获得MIT TR100，并在多个国际会议上获得最佳论文奖。张博士于2020年至2022年任IEEE Trans. on Mobile Computing的主编。她是IEEE INFOCOM指导委员会成员。

AI+IoT: Human-Centric Smart Sensing Design

AI与IoT的融合，特别是智能感知技术的发展，为以人为中心的应用创造了赋能的机会，也带来了相关的挑战。数据的异构特性、不同终端用户数据的不完整性、以及终端设备资源受限造成的低质量数据等相关问题，为智能感知的设计带来了各种挑战。同时，感知模态的多样性也为感知能力的突破带来了新的机会。本次讲座我将重点分享我们在以人为中心的多个应用场景中如何应对上述挑战、利用相关机会的案例。

刘劼

哈尔滨工业大学（深圳）国际人工智能研究院院长，IEEE Fellow

现任哈尔滨工业大学计算学部讲席教授，人工智能研究院院长、智慧农场技术与系统全国重点实验室主任、物联网智能技术工信部重点实验室主任、IEEE Fellow、ACM杰出科学家、ACM SIGBED CHINA创始主席、国家高层次人才。在学术界是智能物联网和混合信息物理系统领域的世界级学术带头人，世界著名AI传感融合、数据中心优化和高能效计算专家。发表论文150余篇，他引超2万次，H指数74，各种专利100余项，获得最佳论文奖7篇。获得IEEE TCCPS Distinguished Leadership Award（杰出领导力奖）、微软金星奖、施乐帕克中心科技进步奖、伯克利Leon O. Chua（蔡绍棠）奖、清华大学优秀学生特等奖等荣誉。

智慧农业领域的大模型初探

大模型的涌现正在改变人工智能对行业的赋能能力。除了大语言模型的对话能力，在多模态信息的识别与处理上，大模型也展现了超凡的效果。本报告简要介绍智慧农业场景中的人工智能机遇与挑战，介绍大模型在遥感图像处理、作物数据生成等方面的尝试，并展望建立作物生长等大模型的前景。

吕建成

四川大学教授/博导、计算机学院（软件学院、智能科学与技术学院）院长

CCF高级会员，IET Fellow，IEEE Senior Member, 国家杰出青年基金获得者，国务院特殊津贴专家，国务院学科评议组成员，“111计划”学科创新引智基地负责人；主要研究神经网络基础理论，并在自然语言处理、工业智能化、智慧医学、智慧文创等领域开展应用研究；研发了颅骨重建人脸检索、核电主泵运行性能监测与核电设备表面缺陷检测等系统；获国家自然科学二等奖，教育部自然科学一等奖，四川省科技进步一等奖，以及CCF优秀博士论文奖。

面向异构计算环境的去中心化联邦学习框架

联邦学习可以突破数据孤岛和隐私保护瓶颈，是助力人工智能落地的新兴技术。然而，联邦学习应用于实际场景时，常面临异构的计算环境：设备计算性能异构、通信网络和训练数据异构。现有基于中心化参数服务器的主流优化范式存在计算和通信瓶颈，面临扩展性差、通信开销大、模型性能低等现实问题。去中心化架构及其衍生算法是解决上述难题的可行方案之一。本报告主要介绍团队在去中心联邦学习方向的系列工作，重点围绕去中心基础架构、通信优化、个性化模型优化开展研究 ，为异构计算环境的联邦学习应用提供理论和技术支撑。