为贯彻落实《教育强国建设规划纲要（2024—2035年）》，坚持改革创新，顺应人工智能等新技术发展趋势和促进人工智能助力教育变革，由中国人工智能学会（CAAI）主办，CAAI智能服务专委会、南京航空航天大学承办的2026智能服务技术学术论坛将于5月16日在江苏省溧阳市南京航空航天大学天目湖校区举办，本次活动为面向本科生的“智能技术与青年创新”主题信仰公开课。
本届论坛将就智能技术与大数据相关的基础科学理论、关键技术方法与系统进行探讨和交流，介绍相关技术的最新学术成果、关键技术、主要发展趋势和战略发展方向，旨在加强相关方向的基础理论研究，掌握最新和实用技术、了解前沿发展趋势，从而推动我国智能技术与大数据领域的学术繁荣及其在智能服务领域的推广应用。会议将邀请国内知名专家学者做论坛特邀报告，诚挚欢迎全国各高等院校、科研院所和企事业单位的科技工作者参加本届会议。
论坛的主题包括但不限于：数据管理、多模态内容语义理解、联邦计算、大规模数据合成、仿智融合服务、复杂营销决策、具身智能机器人、时空数据的高效自适应计算等。
会议时间：2026年5月16日（周六）14:00-17:30
会议地点：南京航空航天大学天目湖校区尚德楼西辅楼1楼报告厅
会议日程
报告专家介绍
王晓阳
复旦大学特聘教授
报告题目：AI时代以实体为中心的泛在计算数据管理新范式
报告摘要：尽管AI是当前焦点，但泛在计算通过推动现实实体的全面数字化，依然是构建“数字孪生”和驱动AI创新的核心基础。然而，当前的AI发展严重受制于孤立、短暂的“以应用为中心”的数据模式，并常因未经创作者授权训练大模型而引发数据所有权争议。我们将探讨一种全新的“以实体为中心的数据管理”范式。该范式将数据生命周期直接锚定于实体本身，以确保持久的数据完整性，并将数字资产的所有权归还实体。通过将AI定义为必须获得授权的“数据消费者”。该范式为AI提供了所需的可信、长效数据底座，从而安全有效地赋能泛在计算时代。
个人简介：博士生导师，中国计算机学会会士，中国人工智能学会会士。曾在美国乔治梅森大学、美国佛蒙特大学、美国国家科学基金会任职，任终身职正教授、Dorothean冠名教授、项目主管等职。主要研究方向包括大数据分析及系统，主持或曾主持国家重点研发计划项目、NSFC重点项目等20余项，发表论文百余篇，曾获得美国NSF的CAREER Award，现任IEEE ICDE会议系列、IEEE BigComp会议系列指导委员会委员，曾任Springer DSE期刊主编，IEEE ICDE 2012及ACM CIKM 2014总主席，WAIM会议系列指导委员会主席等。
胡卫明
中国科学院自动化研究所研究员
报告题目：网络多模态内容语义理解与安全事件推理
报告摘要：针对公共安全大数据多源、异质、时变、隐匿等复杂性特点导致的语义计算复杂、时空线索挖掘复杂和推理过程解释难问题，从模型构建、算法设计、关键技术和系统研制等方面进行网络内容多模态语义理解与安全事件推理方法、技术与系统的研究与开发。在多模态语义理解方面，研究了基于局部文本错误建模的图像文本细粒度语义对齐方法，用1/3预训练数据量即可超越之前最好的方法；研究了基于语义增强在线掩码图像恢复的图像文本预训练方法，效果大幅超越采用原始像素和离线视觉编码器的方法；研究了基于对比式局部排序蒸馏的图文预训练方法，在无微调设置下检索精度优于其他方法；在后预训练设置下，在较小的训练代价下进一步提升模型精度。在大数据多模态知识图谱与推理方面，研究了多模态事件抽取技术、篇章级复杂论元处理技术，利用大模型和外部知识库通过图神经网络学习实体逻辑关系, 在实体、属性、论元、主题等多级粒度计算相似度, 融合实体、论元对事件类型综合判断,并建立了基于多模态知识图谱的敏感视频搜索技术。在系统研发上，开发了网络多媒体数据的采集、建模和风控平台，及时发现各大音视频平台中的违规内容和敏感信息，解决了许多重大实际需求。
个人简介：中国科学院自动化研究所多模态人工智能系统全国重点实验室特聘核心骨干研究员、博士生导师、视频内容安全研究团队负责人、多模态超级智能安全北京市重点实验室主任，国家杰出青年科学基金获得者、中组部万人计划科技创新领军人才入选者、科技部中青年科技创新领军人才入选者、人社部百千万人才工程国家级人选、国家有突出贡献中青年专家、享受国务院政府特殊津贴、国家信息安全重点专项项目首席专家，IEEE Trans. on PAMI、ACM Trans. on PML和IEEE Trans. on Cybernetics的Associate Editors。目前研究方向为视觉内容理解与网络多媒体敏感内容识别等，主持了国家自然科学基金重点项目、国家863重点专项项目、目标导向类课题等四十余项科研项目。已在PAMI、IJCV等国际刊物、国内一级刊物以及NIPS、ICCV等重要国际学术会议上发表论文400余篇，获授权发明专利100余项。带领团队完成的敏感多媒体识别等技术实际应用于二百余家企事业单位，已在实战发挥作用，取得了显著的经济效益和社会效益。以第一完成人获国家自然科学二等奖、北京市科学技术(技术发明类)一等奖、北京市发明专利一等奖和吴文俊人工智能科学技术一等奖。
高云君
浙江大学教授
报告题目：突破数据壁垒：从大规模数据合成到垂域智能分析
报告摘要：高质量数据供给是目前制约大模型能力进一步演进的核心壁垒，其表现为：1）通用公域数据资源逼近枯竭，2）高价值私域与垂域数据严重匮乏，已严重阻碍模型能力的持续迭代及其在复杂实际业务场景的产业化应用。本报告将分享汇报人负责团队在这方面的最新探索与进展：先提出基于集体智能的大规模高质量数据合成技术（包括大规模SQL生成、大规模科教数据生成、大规模医患数据生成），以缓解原始数据供给不足的难题；而后构建面向私域与垂域的数据分析智能体（包括CT数据报告生成、商业数据分析报告生成、单细胞数据分析报告生成），以深度解析与挖掘专业数据；最后展望数据壁垒突破的可能未来方向。
个人简介：浙江大学求是特聘教授，博士生导师，国家杰出青年科学基金获得者（2020）、国家优秀青年科学基金获得者（2015）。研究方向为数据库、大数据管理与分析、DB与AI融合，已发表CCF A类论文200余篇，出版专著或教材6本，授权专利40余件，登记软著10余项，并获CCF A类论文VLDB、ICDE最佳或优秀论文等7次，省部级或全国性学会科技进步特等或一等奖等6项。现为ACM SIGSPATIAL中国分会副主席，ACM SIGWEB中国分会副主席，浙江省大数据智能计算重点实验室主任，浙江大学软件学院常务副院长。担任DSE期刊执行主编，TKDE、JCST、FCS、《计算机研究与发展》等期刊编委/副编辑（Associate Editor），VLDB、ICDE、SIGKDD、SIGIR等10余个CCF A类会议联合主席（Co-Chair）或领域主席（Area Chair）等，SIGMOD、VLDB、ICDE、SIGKDD、SIGIR等会议（资深）程序委员会委员。指导研究生获省部级或全国性学会优秀博/硕士学位论文奖10次以及KDD Cup 2022风电预测赛道全球冠军。
童咏昕
CAAI智能服务专委会副主任
北京航空航天大学教授
报告题目：联邦计算：从联邦学习到联邦大模型
报告摘要：在互联网公域数据的支撑下，GPT、DeepSeek等大模型快速发展。然而，如何激活全球大数据中占比90%以上的私域大数据不仅是国际人工智能领域的前沿热点，更是服务于国家数字经济战略的核心挑战。秉持“原始数据不出域、数据可用不可见”的理念，构建可发挥跨域大数据价值的“联邦大模型”，为破解数据要素流动与隐私保护之间矛盾提供了一种全新思路，是进一步突破智能大模型时代数据瓶颈的关键技术。本报告首先从联邦数据库、联邦数据挖掘、联邦学习到联邦大模型技术分阶段回顾联邦计算的发展历程；然后，聚焦于联邦计算从大数据到大模型时代的范式转变，汇报联邦大模型的指令微调与检索增强生成(RAG)等关键技术；随后介绍本团队结合产业应用需求所研发的联邦智能计算开源平台——“虎符(OpenHufu)”；最后，报告将剖析虎符系统在交通出行与社会治理等行业的应用示范，并未来发展进行展望。
个人简介：博士生导师，国家杰出青年科学基金、优秀青年科学基金获得者，现任计算机学院副院长、中国计算机学会（CCF）会员与分部工委副主任、杰出讲者和CCF走进高校工作组组长。2014年于香港科技大学获计算机科学与工程学博士学位，2015年入选北京航空航天大学“卓越百人计划”。主要研究方向包括：联邦学习、大模型智能体、大模型的数据引擎、向量数据库系统等。近年先后发表TODS、VLDBJ、TKDE、SIGMOD、SIGKDD、VLDB等大数据与人工智能领域国际顶级会议/期刊论文100余篇，谷歌学术引用1.7万余次；主持国家自然科学基金青年A类（原杰青）项目、B类（原优青）项目、重点项目、国家重点研发计划课题等。获中国电子学会的自然科学一等奖（排名1）和青年科学家奖、首届阿里巴巴达摩院“青橙奖”、国际基础科学大会前沿科学奖、ACM KDD China青年科学家奖和多个国际一流学术会议/竞赛的最佳论文与冠军等奖励，入选“2022年度高校计算机专业优秀教师奖励计划”；担任中国科技期刊卓越行动计划领军期刊《Frontiers of Computer Science》的执行编委、大数据领域CCF-A类期刊《IEEE TKDE》与《PVLDB》的编委、大数据领域重要国际会议DASFAA 2024会议的程序委员会主席(PC Chair)。
李海生
北京工商大学教授
报告题目：面向工业应用的仿智融合服务
报告摘要：目前，工业界的复杂产品设计制造正在向数字工程全覆盖模式进行演变，这既依赖于传统的数值模拟和仿真为代表的工业软件技术，也依赖于新兴的以人工智能为代表的智能服务技术。针对CAE和AI融合过程中产生的技术生态、知识体系、过程模式和研究范式等方面的冲突和挑战，介绍团队在以数字孪生场景需求为指引，推动仿智融合发展方面做的一些工作。
个人简介：博士生导师。现任北京工商大学计算机与人工智能学院执行院长，商业数据安全防护与智能治理北京市重点实验室主任，中国人工智能学会智能服务专业委员会副主任委员，中国图学学会第八届理事会常务理事，中国计算机学会杰出会员。获中国物流与采购联合会科技进步一等奖，中国图学学会优秀科技工作者奖，北京市教育教学成果奖一等奖2项，二等奖4项。主持国家自然科学基金联合基金重点项目、面上项目、国家重点研发计划课题、北京市自然科学基金面上项目等。出版学术专著三部，授权发明专利和软件著作权登记多项。以第一作者或通讯作者在《软件学报》《计算机学报》《计算机辅助设计与图形学学报》和TNNLS、TCE等IEEE汇刊发表论文100余篇。
杜军平
中国人工智能学会副理事长
北京邮电大学教授
报告题目：面向复杂营销决策的上下文工程优化
报告摘要：本报告针对复杂营销程序性知识挖掘难、边界场景下智能体决策鲁棒性差、动态推理中上下文知识供给失配三大挑战，以构建面向复杂营销决策的上下文工程优化体系为总体目标，从程序性知识挖掘与策略表示、智能体数据演化与合成、基于信息瓶颈理论的上下文工程优化、面向复杂营销决策的上下文工程优化系统四个方面，介绍了如何突破传统检索增强生成范式的局限，建立从知识挖掘到数据演化再到上下文自适应优化的完整技术链路，旨在解决面向智能体推理决策的程序性知识隐匿、复杂营销决策空间的边界数据稀疏、动态推理过程中上下文有效信息密度衰减三个关键科学问题。
个人简介：IEEE/CAAI/CCF Fellow、博士生导师，北京邮电大学校学术委员会委员、计算机应用技术中心主任。享受国务院政府特殊津贴。研究方向为大数据、机器学习、突发事件预测预警等。主持国家自然科学基金重大项目、国家重点研发计划项目、国家自然科学基金重点项目等。在IEEE TPAMI、TKDE、 TNNLS、VLDBJ、SIGMOD、 ICDE、 KDD、 AAAI、WWW、 MM、CVPR等发表论文700余篇，包括SCI论文182篇，H-Index 59，申请发明专利63项，已授权46项。获。分别获吴文俊人工智能杰出贡献奖、CCF夏培肃奖、2024年和2022年中国电子学会科学技术奖科技进步一等奖、CCF科技成果奖技术发明一等奖、国家技术发明奖二等奖、高等学校科学研究优秀成果奖（科学技术）技术发明一等奖、北京市科学技术二等奖等。
李洪波
北京极智嘉联合创始人兼首席技术官
报告题目：具身智能机器人集群系统的创新与应用
报告摘要：近年来，人工智能、智能机器人、具身智能等技术深度融合正推动机器人技术产业化与落地应用不断加速。具身智能机器人在智能制造、智慧物流等众多领域应用场景不断拓展，持续赋能各行各业转型升级，并呈现出本体具身智能化、集群协作规模化与调度决策最优化等显著趋势。本报告系统梳理具身智能机器人领域的发展现状，重点围绕具身智能机器人集群系统中具身智能、群体智能与数据智能三大关键技术分享相关研究进展和应用创新，并对具身智能机器人集群系统的前沿发展趋势进行展望。
个人简介：享受国务院政府特殊津贴专家、青年北京学者。长期从事智能机器人和群体智能等技术研究和产品研发，在本领域顶级国际期刊和顶级会议上发表学术论文100余篇，获授权中国专利100余项、国际发明专利46项，获北京市科技进步一等奖、中国自动化学会技术发明一等奖、中国电子学会科技进步一等奖、中物联科技进步一等奖、中国指挥与控制学会技术发明一等奖。
李文玲
北京航空航天大学教授
报告题目：图动态系统滤波方法研究
报告摘要：图动态系统是一类由代数图描述状态耦合关系的动态系统，其滤波问题旨在利用测量信息联合估计动态系统的状态和图拓扑矩阵。本报告主要介绍课题组提出的几类图动态系统滤波算法，针对离散时间图动态系统，从最优化角度设计了一类联合估计系统状态和图拓扑矩阵的滤波算法，其中系统状态和图拓扑矩阵的估计值分别由Kalman滤波算法和ADMM算法进行求解，并在车辆跟驰系统仿真中验证了其估计性能；针对马尔科夫跳变的图动态系统，设计了一类联合估计系统状态和图拓扑矩阵的交互式多模型滤波算法，并在车辆跟驰系统仿真中验证了其估计性能。
个人简介：博士生导师，国家级青年人才，IEEE Senior Member，主要研究方向是动态系统滤波、随机优化、机器学习、目标跟踪等。发表论文120余篇，授权发明专利12项，出版专著2部，主持国家自然科学基金4项，参与国家重点研发计划项目2项，获教育部自然科学奖一等奖、中国电子学会科技进步一等奖、吴文俊人工智能自然科学奖二等奖等。担任中国自动化学会智能自动化专委会副主任、中国人工智能学会智能服务专委会秘书长、中国计算机学会人工智能与模式识别专委会委员，以及3个SCI期刊编委等。
薛哲
北京邮电大学计算机学院教授
报告题目：面向异构数据的联邦学习关键技术研究
报告摘要：数据异构性是制约联邦学习性能与效率的核心挑战。本报告从标签分布异构性、特征分布异构性、图结构异构性三个方面展开研究。针对标签分布异构问题，提出分类器去偏机制，缓解客户端偏移导致的本地模型过拟合，提升训练效率。针对特征分布异构性问题，建立基于数据生成的无监督联邦跨模态检索框架，实现客户端间多模态数据的有效融合。针对图结构异构性问题，提出基于掩码损失的联邦异质图学习框架，提升全局收敛效率与模型泛化能力。上述工作为数据异构场景下的联邦学习提供有效的解决方案。
个人简介：博士生导师、国家优秀青年基金获得者。研究方向包括多模态数据分析与挖掘、联邦学习、突发事件检测与分析等。在领域国际会议和期刊上发表论文100余篇，申请和授权发明专利30余项，出版学术著作2部。主持和参与了20余项科研项目的研究工作，包括国家重点研发计划项目、国家自然科学基金重大项目/重点项目/面上项目、CCF-百度松果基金、CCF-腾讯犀牛鸟基金等。担任CAAI智能服务专委会副秘书长、CCF人工智能与模式识别专委会委员、CCF多媒体专委会委员、CSIG图像视频通信专委会委员。获中国电子学会科技进步一等奖、IEEE CCIS国际会议最佳论文奖、IEEE BigComp国际会议最佳论文奖等多个奖励。
于自强
CAAI“智能服务专委会”副秘书长
烟台大学计算机与控制学院教授
报告题目：AI范式下时空数据高效自适应计算问题研究
报告摘要：随着移动互联网与物联网的广泛普及，人们社会活动所产生的大量数据都具有时间和空间属性，使得时空数据管理成为数据科学领域的重要研究方向。在人工智能快速发展的背景下，以Transformer为代表的深度神经网络已被广泛应用于时空数据的感知、计算与分析。与自然语言这类价值高度密集的数据不同，时空数据具有分布变化快、价值密度低、冗余信息多等显著特点。当前融合多注意力机制的深度神经网络虽然在自然语言等价值密集的数据分析领域取得了显著成效，但其“一刀切”（one size fits all）的注意力模式在应对时空数据时，忽视了时空数据固有的局部关联特性，导致适应性不足和计算冗余等问题。为此，本报告将介绍团队近年来在时空数据高效计算方面的研究进展，着重探讨如何将显式的时空索引结构与注意力机制深度融合。我们旨在根据时空数据动态演化特性，自适应地引导模型将深度计算聚焦于具有显式时空关联的数据单元。通过这种方式，在保持模型表达能力的同时，可有效避免处理无效数据带来的不必要计算开销，从而实现时空数据的高效表征推理。
个人简介：CCF 人工智能与模式识别专委会执行委员、山东省人工智能学会常务理事。主要研究兴趣为数据智能管理与分析，包括时空高效计算、视频跨模态检索、图数据管理等。主持国家自然科学基金面上项目/青年项目、CCF-华为胡杨林基金、山东省重点研发计划、山东自然科学基金面上项目等国家、省部级和头部企业研究课题。在SIGMOD、VLDB、ICDE、SIGIR、TKDE等CCF A类国际顶级会议和期刊发表论文30余篇。担任《Frontier of Computer Science》（CCF B类期刊）编委，SIGKDD 2025 Proceeding Chair， VLDB Journal、TKDE等CCF A类期刊审稿人以及SIGKDD、AAAI、CIKM等国际顶级会议程序委员会委员。
本文由CAAI智能服务专委会供稿
2026全球人工智能技术大会邀您共襄盛举
2026年5月23—24日
我国人工智能领域最具影响力的千人级巅峰盛会
2026全球人工智能技术大会（GAITC2026）
即将在浙江杭州第七度点燃烽火
大会诚邀您共聚钱塘江畔
与院士天团并肩，与全球智者同行
在交叉融合中破局开路，在相生共赢中领跑未来
精彩内容，设个星标
让我们一起探索更多AI前沿资讯！
热门跟贴