CCF福州举办“云边智能协同计算研讨会”

2025年12月6日下午，由中国计算机学会（CCF）主办，CCF福州会员活动中心（以下简称为“CCF福州”）、福州大学计算机与大数据学院共同承办的“云边智能协同计算研讨会”在福州大学计算机与大数据学院举办。来自CCF福州的会员以及福州大学、福建师范大学、闽江学院等院校师生20余人共同参与。本次研讨会由CCF福州执委、福州大学陈哲毅研究员主持，共同研讨了云边协同背景下资源智能管理与优化相关前沿关键技术。

福州大学邵琪博士分享了题为《群体决策中的经济学与优化》的报告。面对用户隐私、成本等因素导致用户行为难以预测的挑战，研究围绕众包与众筹系统建模展开，重点关注有限理性群体特征以及信息披露等关键决策变量。针对不同应用场景，构建了多层级、多智能体的决策优化框架。具体成果包括：1）构建有限理性用户模型并提出众包系统优化策略，有效克服传统完全理性假设带来的实践偏差；2）提出双维度众筹优化体系，解析参与者有限理性特征并设计动态信息披露机制，显著提升众筹成功概率；3）首次在风险规避环境下建立多智能体多臂老虎机激励模型，提出在线最优报酬算法并证明其相较离线最优方案仅产生亚线性遗憾。

福州大学赖志宸博士分享了题为《资源受限环境下的边缘时空数据智能》的报告。报告围绕物联网与智慧城市背景下边缘设备算力与能源极度受限的挑战，探讨如何实现高效的时空数据分析。针对干扰强、负荷重、高动态的边缘场景，工作致力于打破深度学习模型在计算与延迟方面的瓶颈，实现对时间序列与轨迹数据的实时高精度处理。报告重点介绍了轻量化时空深度学习模块设计、高效时空特征聚合、大小模型知识蒸馏以及自适应弹性计算等关键技术。相关成果已成功部署于边缘设备及风力涡轮机故障检测等工业场景，实现复杂时空模型的稳定运行。其中提出的时间序列插补模型在仅消耗0.004%算力和节省200倍内存的情况下达到国际领先性能，为工业与民生领域的边缘智能落地提供了全新思路。

闽江学院张建山博士分享了题为《云边协同使能的新能源发电设备部件缺陷无人巡检关键技术与系统》的报告。报告首先指出，在全球能源结构加速向清洁化与低碳化趋势发展的大背景下，新能源发电产业已成为我国实现“双碳”战略的重要支撑。然而，随着设备规模呈爆发式增长，传统部件检测手段效率不足的问题日益突出。为破解这一难题，报告创新性构建了基于无人机智能巡检的新一代部件缺陷检测体系，通过深度融合计算机视觉、智能无人系统以及云边协同计算等前沿技术，实现部件缺陷的高效识别与实时检测。该系统具备高效率、强安全和低成本等优势，为新能源发电设备智能运维提供了关键技术支撑与重要工程价值。

福州大学钟璐英博士生分享了题为《面向边缘智能系统的联邦图学习优化关键技术研究》的报告。报告指出，随着多源图数据在社交、交通等典型场景中快速增长，图神经网络凭借结构化表征能力得到广泛应用。然而真实环境下图数据通常分布于多个存在隐私需求的客户端，并伴随噪声干扰、跨客户端链路缺失以及资源受限等挑战，使传统集中式图学习难以适配。为应对此类问题，报告从联邦图学习出发，围绕可靠性、泛化性与计算高效性开展研究，提出了对应的优化策略。具体涵盖跨客户端缺失链接重构、隐私保护机制设计以及高效推理框架构建等关键技术，有效提升了联邦图学习在真实多源图数据环境中的鲁棒性与可部署性，为联邦图智能在边缘系统中的落地应用提供了重要支撑。

福州大学张俊杰博士生分享了题为《面向边缘实时视频分析的推理加速与资源优化》的报告。随着深度神经网络技术的发展以及摄像头部署规模的持续扩大，实时视频分析在交通监控、异常检测等场景中得到广泛应用。受带宽与隐私需求驱动，视频分析任务逐渐向网络边缘部署。然而，随着视频流数量和分辨率持续增长，受限的边缘算力难以满足高速推理需求，导致系统性能和服务质量受到制约。为应对这一挑战，报告围绕多流实时视频分析的推理加速与持续学习展开研究，通过挖掘视频时序一致性以提取关键区域，降低推理计算开销，同时利用持续学习应对数据漂移问题。相关方法有效提升了边缘视频分析系统在复杂动态环境下的精度、稳定性与资源效率。

在此次研讨会，与会人员分享了各自团队相关最新研究进展以及前沿技术，为云边智能协同计算的发展提供了新思路与新方向。会上，学者们不仅展示了学术前沿的研究方向，还热情地与参会人员进行了互动交流，耐心解答学术研究道路上遇到的种种疑问，激发了参会人员的学习热情与探索精神。在热烈而富有成效的交流氛围中，本次研讨会圆满落下帷幕。v