智能体如何跨越数字与物理世界？张伟楠等6位大咖邀你共探 | CNCC2026

上海交通大学/复旦大学博士生导师，博士毕业于香港中文大学，入选上海市海外高层次人才计划。在PNAS、National Science Review、Artificial Intelligence等国际知名期刊会议发表论文50余篇。获中国电子学会科学技术奖一等奖、DAI 2025最佳论文奖、AAMAS 2026最佳学生论文提名、AAMAS 2026最佳系统展示奖、WAIC-Academic 2026 Workshop杰出论文奖。担任多个人工智能国际知名会议（高级）程序委员及期刊JAAMAS、Neurocomputing客座编辑。

报告题目：从更强模型到更优系统：智能体的降本增效与长周期运行

摘要：随着大模型智能体逐步应用于长周期复杂任务，如何在保证任务性能的同时降低运行成本，并使智能体能够稳定完成长周期复杂任务，成为推动智能体走向实际应用的关键问题。本报告将围绕智能体的“降本增效”与“长周期运行”介绍两方面工作。第一部分关注多模型路由，我们探索通过大/小模型之间的动态路由，发挥不同模型在能力与成本上的互补优势，从模型系统层面优化性能—成本权衡，实现智能体的系统级降本增效。第二部分关注智能体运行框架(Harness)。我们将介绍 Harness 的自进化、多维度评估以及如何通过组织运行机制实现数天级别的长周期稳定运行与持续提升。通过上述工作，我们希望探索从单一模型能力优化走向智能体系统级优化的技术路径，为构建高效、稳定、可持续运行的智能体系统提供新的思路。

简介：清华大学交叉信息研究院助理教授，博导，清华大学具身智能实验室负责人，破壳机器人创始人，博士后就读于斯坦福大学，博士毕业于加州大学伯克利分校。其研究领域是具身人工智能（Embodied AI）的理论、算法与应用。许华哲曾获顶级智能机器人会议CoRL'23最佳系统论文奖，2024年WAIC“云帆奖”，在Science Robotics, IJRR, TRO, RSS，NeurIPS等发表顶级期刊/会议论文百余篇，代表性工作曾被MIT Tech Review，Stanford HAI等媒体报道。曾在IJCAI2023、IJCAI2024、ICRA2024、ICLR2025担任领域主席/副主编。

报告题目：开放世界泛化灵巧操作

摘要：泛化操作是具身智能的重要议题。在数据、算法和硬件的交界处，有许多范式创新。如何获取数据，如何训练模型，本报告将介绍我们最新的依托强化学习的基础通用模型。

简介：上海交通大学计算机学院副教授，博士生导师，曾任华为诺亚方舟主任研究员。2020年博士毕业于香港中文大学。主要研究方向包括大模型智能体、大语言模型、信息检索。已在国际顶级会议和期刊发表论文80余篇，研究成果产出专利12项，ESI高被引论文1篇，并荣获DLP-RecSys最佳论文奖、十大垂直领域大模型特等奖、华为2012总裁个人奖、创新先锋奖等奖项。所开发的ToolACE系列开源模型在大模型工具调用国际权威榜单BFCL中同量级排名第一，HuggingFace下载量突破60万，全球领先。长期担任ICLR、ICML、KDD等会议及期刊领域主席或审稿人。

报告题目：面向下一代通用智能体：个性化、主动式与可持续演进

摘要：具备真实操作权限的智能体正加速走向现实，展现出重塑个人数字生活的巨大潜力，并推动2026年成为个人智能体元年。然而，个人智能体从概念走向普及仍面临关键瓶颈：传统被动响应模式难以满足持续、深入的用户需求，高频交互带来的成本与负担，也限制了其真正融入日常生活。如何让智能体实现长期陪伴、主动服务与个性化适配，正在成为人工智能领域的重要命题。本次报告将提出一种新的智能体发展视角：从以性能为中心，转向以价值创造为中心。围绕这一转变，报告将系统阐述实现全天候主动理解与长期持续演进的三条关键路径，包括通过离线偏好理解与空闲时段计算提升需求预测能力，通过长程任务建模增强复杂任务中的持续交互与执行能力，以及通过主动式交互机制推动智能体从被动响应走向主动感知、主动发起与主动协同。在此基础上，报告还将进一步展望开放智能体网络的演进方向。下一代通用智能体将具备跨组织、跨平台协作能力，拥有持久身份、经验积累与持续演进机制，并能够将历史交互转化为可复用的能力资产，逐步形成可连接、可协同、可成长的智能体生态。最后，报告将总结通用智能体技术演进的核心路径，并勾勒其未来发展的基础框架与整体图景。

主责OPPO GUI智能体技术，先后就职于平安科技、蚂蚁金服、OPPO，具有多年产业落地一线和技术创新经验。研究方向包括大模型智能体和广告系统。相关技术成果在NeurIPS、ACL、WWW等国际会议上发表论文10余篇。

报告题目：模型与Harness协同演进的GUI智能体

摘要：随着GUI任务逐渐走向更长程、多步骤、跨应用的真实场景，GUI智能体的发展正从单纯提升模型能力，转向模型与Harness共同演进的新阶段。模型不断增强推理规划与多模态理解能力；Harness则作为支撑智能体完成复杂任务的系统框架，涵盖多智能体协同、记忆管理、异常感知、错误重试等关键能力，持续为模型的稳定执行提供保障。然而，随着二者并行迭代，模型与Harness之间的协同关系也面临新的挑战：模型往往难以充分理解Harness的能力边界、执行约束与反馈机制，导致规划决策与系统执行脱节，难以形成相互促进、螺旋上升的优化效应。为应对这一问题，本报告提出Harness-aware GUI智能体方法，旨在将Harness持续内化到模型中，使模型不仅学习任务本身，也学习Harness所定义的协作机制、执行约束与反馈信号。由此，Harness与模型不再是割裂的工具链关系，而是通过数据、训练、评测和反馈形成闭环，在持续交互中相互适配、协同演进。

简介：浙江大学人工智能学院研究员，博士毕业于悉尼科技大学，曾于新加坡国立大学计算机学院担任博士后研究员和卡内基梅隆大学担任科研助理。研究方向包括计算机视觉、大模型、具身智能和AI for Science。曾担任ACM MM和IEEE ICIP领域主席。曾在TPAMI、IJCV、NeurIPS、ICLR、ICML、CVPR、ICCV等期刊和会议上发表论文70余篇。获计算机视觉相关比赛世界冠军3项。英特尔中国学术英才计划2024年度荣誉学者。

报告题目：具身智能系统层级结构：通过分层解耦与统一标准实现通用具身智能

摘要：当前具身智能因普遍采用“垂直整合”模式导致的重复造轮子、高昂成本与生态碎片化困局。为了打破关键模组接口不兼容率超 90% 的技术壁垒，借鉴计算机系统抽象分层的成功经验，提出了一套由具身指令编译器（基于 GPT-4 进行任务规划）、统一具身机器指令集 (标准化软硬件交互协议）与 Diffusion 动作执行器（生成鲁棒的运动序列）构成的分层解耦架构。通过原型系统 BiBo 及其 InfiniEVA 仿真评测体系的实践展示，证明了通过构建统一协议与层级体系，可以有效打破软硬件耦合，从而推动通用、可复用的具身智能系统规模化落地。

CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、专题论坛、特色活动及展览。大会汇聚两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。CNCC2026将于10月21-24日在四川省成都市举办，大会主题是“数聚驱动，智算未来”，欢迎各界前来参会。