CCF Computility 2026 | 杨强、李哲涛、陈龙、凤阳、陈磊、陈益强等教授、专家邀您共话第二届“模型联邦网络(模联网)前沿技术”论坛

第三届中国计算机学会（CCF）分布式计算大会暨中国算力网大会 (CCF Computility 2026）将于 2026 年 7 月 24 日至 26 日在中国河北雄安新区举行，会议规模预计 1500 余人。本次会议由中国计算机学会主办，中国计算机学会分布式计算与系统专委会与北京邮电大学共同承办。会议主题为 “算力网：新质生产力背景下的分布式系统”，旨在为分布式系统和算力网相关的从业者提供最专业的学术研讨、技术交流和成果展示的平台。CCF Computility 2026 为大家准备了 11 场由院士等顶级专家带来的主旨报告，15+场技术论坛（120+位特邀报告）。

目前会议注册通道已经开放，早鸟优惠火热报名中！

论坛背景

随着大模型技术持续演进，智能系统正逐步逼近单体能力扩展的边界。以“集中式训练”为核心的技术路径虽显著提升了模型能力，但其高算力依赖与场景泛化受限，使其难以支撑开放环境中动态、多样的服务需求。同时，现实系统正由多源模型、边缘设备与人类主体共同构成异构智能体体系，系统性能的关键不再取决于单一模型能力，而在于多主体之间的协同效率。模型联邦网络（模联网）从系统视角出发，将智能系统的核心对象由“模型能力”转向“协同关系”，通过任务测调与智能体协作的双层结构，实现异构智能体的动态组织与持续演化。在不依赖数据共享与集中训练的前提下，支持分布式模型与服务单元的按需组合与协同优化。本论坛将围绕异构智能体协同推理、任务驱动的模型动态适配与可信协作机制等关键问题展开，探索“模型即服务（MaaS）”向协同运行范式的演进路径，为人工智能2.0时代的分布式数智基础设施提供支撑。

论坛报告安排

注册时间及缴费标准

论坛主席及介绍

陈益强研究员

中国科学院计算技术研究所

中国科学院计算技术研究所副所长，中国科学院雄安创新研究院筹建工作组组长，多模态协同与高质效应用北京市重点实验室主任。兼任国家“现代服务业”和“BT和IT融合”重点专项总体专家组成员。IEEE/CCF Fellow。曾入选国家级科技创新领军人才、科技部中青年科技创新领军人才以及北京市科技新星等。主要从事人工智能、普适计算、联邦学习等方向研究，在多模态高精度感知、跨模态细粒度关联、眼科和脑疾病智能辅诊模型及联邦平台等研究方面取得成果，在国际重要期刊和会议上发表论文200余篇，获得会议最佳论文奖7项；申请发明专利100余项，授权50余项；曾获国家科技进步奖二等奖以及2017CCF技术发明一等奖（排名第一），2015、2016 连续两年获北京市科技进步二等奖等。

杨强院士

香港理工大学

杨强教授，现为加拿大工程院（CAE）及加拿大皇家学院（RSC）院士、香港理工大学人工智能高等研究院及香港理工大学联邦学习研究院院长、中国人工智能学会（CAAI）副理事长，也是CAAI、AAAI、ACM、IEEE、AAAS等多个国际学会的Fellow。他是国际顶级期刊《ACM TIST》和《IEEE TRANS on BIG DATA》的创始主编。其研究领域聚焦于迁移学习与联邦学习的研究及应用，著有《迁移学习》、《联邦学习》、《隐私计算》等。他此前曾任香港科技大学教授（荣休）、微众银行首席人工智能官（荣休），还曾担任 AAAI-2021大会主席、国际人工智能联合会（IJCAI）理事会主席，并先后荣获2017年“ACM SIGKDD”杰出服务奖与2023年“IJCAI Donald E.Walker”杰出服务奖。

讲者及报告介绍

杨强院士

香港理工大学

讲者简介：杨强教授，现为加拿大工程院（CAE）及加拿大皇家学院（RSC）院士、香港理工大学人工智能高等研究院及香港理工大学联邦学习研究院院长、中国人工智能学会（CAAI）副理事长，也是CAAI、AAAI、ACM、IEEE、AAAS等多个国际学会的Fellow。他是国际顶级期刊《ACM TIST》和《IEEE TRANS on BIG DATA》的创始主编。其研究领域聚焦于迁移学习与联邦学习的研究及应用，著有《迁移学习》、《联邦学习》、《隐私计算》等。他此前曾任香港科技大学教授（荣休）、微众银行首席人工智能官（荣休），还曾担任 AAAI-2021大会主席、国际人工智能联合会（IJCAI）理事会主席，并先后荣获2017年“ACM SIGKDD”杰出服务奖与2023年“IJCAI Donald E.Walker”杰出服务奖。

报告题目：可信联邦学习和联邦智能体

报告摘要：本讲座聚焦可信联邦学习与联邦智能体。可信联邦学习通过融合隐私保护与分布式训练与推理，解决了传统联邦学习在安全与效率上的短板。联邦智能体则赋予各参与方自主决策与协作能力，实现了动态环境下的自适应模型聚合。二者结合推动了从集中式“共训共推理”到去中心化“分布式训练推理进化”智能范式的转变。为人工智能的未来提供了新路径。

李哲涛教授

暨南大学

讲者简介：李哲涛，暨南大学信息科学技术学院院长，二级教授。在学术研究方面，围绕计算机网络、人工智能等研究领域，近年来发表学术论文40余篇；获得中国发明专利授权20余项。在项目承担方面，主持国家自然科学基金科研仪器项目、重点项目等。在奖励荣誉方面，入选国家高层次创新领军人才、教育部青年长江学者；参与获国家科学技术进步奖二等奖等。

报告题目：模型互联网

报告摘要：互联网、云计算与大数据的快速发展推动了人工智能进入大模型时代。然而，大模型发展正面临两方面挑战：（1）硬成本巨大、软成本昂贵、质增益微弱;（2）异构模型急速增长和泛在部署，模型间交互协同日益迫切。受计算机互联网发展历程的启发，报告将分享模型互联网（AI-ModelNet）的概念、构想及系统架构。它是一种通过构建模型间消息通路，实现互联互通、能力共享与协同推理等的新范式。模型互联网有望实现大模型与大算力、大数据的解耦，成为迈向通用人工智能的重要分支。

陈龙博士

江行智能

讲者简介：陈龙，江行智能基础模型CTO，2022年获上海交通大学软件工程博士学位，并于加拿大西蒙菲莎大学(SFU)完成博士后研究，兼任上海市计算机学会系统结构专委会秘书长。累计发表CCF A类论文30余篇、IEEE/ACMTransactions论文20余篇，学术引用超800次，两次获得并行与分布式系统领域国际旗舰会议最佳论文奖，拥有10项国家发明专利及2项美国公开专利，相关成果曾获加拿大国家级媒体CBC及MIT Solve报道。加入江行前，陈龙曾在字节跳动担任高级研究员，参与火山引擎大模型架构设计，在超大规模算力集群管理与大模型工程化方面积累了丰富经验。SFU博士后期间，他以特聘专家身份支持江行大规模模型训练工作。2026年正式加盟江行，担任Foundation Model CTO，负责基础大模型技术路线、底层算力架构演进，以及核心业务场景下的大模型规模化与商业化落地。

报告题目：从感知环境到改变世界: 面向开放工业场景的物理 AI 架构与工程化路径探索

报告摘要：随着人工智能从数字世界走向真实物理世界，具身智能正成为推动新一代工业智能升级的重要方向。不同于以识别、分析和内容生成为主的数字智能，面向工业场景的物理智能需要在复杂开放环境中实现多模态感知、空间理解、任务规划、自主决策与可靠执行的闭环协同，并满足工业场景对实时性、安全性、稳定性与落地性的要求。如何构建适应真实场景、支持长周期运行并持续优化的具身智能技术体系，已成为学术界与产业界共同关注的问题。本报告将结合能源电力等典型行业实践，介绍面向物理世界的核心技术框架，包括空间智能、多模态大模型、具身操作模型及一脑多体协同等关键方向，探讨真实工业环境下的数据闭环、模型训练、系统部署与任务执行等技术挑战与实现路径，并进一步展望物理AI在工业巡检、自主作业、复杂环境操作与群体协同中的应用潜力。

凤阳总经理

中国电信教育行业事业部

中电信翼智教育科技有限公司重客部

讲者简介：凤阳，中国电信教育行业事业部、中电信翼智教育科技有限公司重客部总经理。中国电信集团公司教育行业资深专家，中国电信集团人才工作站入站专家，拥有15年教育行业信息化、数字化、智能化领域工作经验，长期服务教育部、科技部、中国科学院、中国社会科学院等单位，对行业政策解读、技术发展、演进趋势有深刻理解。

报告题目：模联网赋能人工智能在行业场景的落地

报告摘要：当前教育行业大模型应用面临三大痛点：数据孤岛严重，校际间数据难以流通；隐私合规压力大，学生数据敏感度高，共享即风险；模型部署成本高，各校重复投入，中小学校根本用不起，导致AI在教育领域"叫好不叫座"，试点多、落地少。破局的关键在于模联网的技术探索——我们提出"数据不挪窝，模型来服务"的创新范式，让模型主动走向数据，而非数据迁就模型。结合中国电信可信数据空间在数据确权、隐私计算、安全流通、可信调度等方面的关键能力，在保障数据主权和合规的前提下，实现跨校、跨区域的模型调用与智能服务。这一模式让优质大模型能力以服务化方式触达每一所学校，尤其惠及资源薄弱地区，可有效支撑智能批改、个性化教学、学情分析等场景，真正推动教育行业人工智能从试点走向规模化落地。

陈磊高级经理

中国工商银行

讲者简介：陈磊，中国工商银行高级经理。在AI大模型与跨境金融融合领域具有丰富经验，主导构建全球协同的智能运营体系，推动OCR、RPA与大模型技术落地，实现跨境业务效率与风控能力的双重突破。

报告题目：AI大模型驱动跨境金融数字化集约运营的创新实践

报告摘要：工商银行通过AI大模型技术重构境外业务运营体系，实现全球资源弹性调度与智能化升级。基于“总行云脑+区域虚拟中心”三级架构，融合RPA与大模型打造数字员工矩阵，覆盖90%跨境标准化操作（如汇款、审单）。智能风控系统利用大模型实现交易实时预警，风险事件发现率提升50%；OCR与多语言识别模型将单据识别精度提高至95%，业务直通率超90%。平台化支撑21家境外机构7类核心业务，通过“监测-优化-验证”闭环实现模型自进化，人力成本降低31%。数据驱动BI大屏实现运营全景可视化，推动跨境业务从经验驱动向智能决策转型。

陈益强研究员

中国科学院计算技术研究所

讲者简介：中国科学院计算技术研究所副所长，中国科学院雄安创新研究院筹建工作组组长，多模态协同与高质效应用北京市重点实验室主任。兼任国家“现代服务业”和“BT和IT融合”重点专项总体专家组成员。曾入选国家级科技创新领军人才、科技部中青年科技创新领军人才以及北京市科技新星等。主要从事人工智能、普适计算、联邦学习等方向研究，在多模态高精度感知、跨模态细粒度关联、眼科和脑疾病智能辅诊模型及联邦平台等研究方面取得成果，在国际重要期刊和会议上发表论文200余篇，获得会议最佳论文奖7项；申请发明专利100余项，授权50余项；曾获国家科技进步奖二等奖以及2017CCF技术发明一等奖（排名第一），2015、2016 连续两年获北京市科技进步二等奖等。

报告主题：模联网原理与关键技术

报告摘要：在互联网公域数据支撑下，DeepSeek等大模型遵循Scaling Law范式快速发展，但行业大模型面临"数据孤岛"（隐私数据难共享）、"算力孤岛"（边缘算力不足）、"模型孤岛"（高成本限制规模化）三大挑战。报告介绍了一种模型联邦网络（模联网）创新架构，借鉴大脑功能分区机制与突触可塑性原理，构建静态功能分区与动态协同机制，通过联邦学习实现数据加工式共享，基于测算分离双层架构打破隐私壁垒，包含横纵联邦建模生成领域专家模型、服务计算图分层匹配实现动态推理链，以及直觉水印反馈驱动的持续优化机制等关键技术。报告将在医疗领域介绍通过"模联效应"突破规模局限，推动跨行业"AI4ALL"基础平台建设，为各领域提供低门槛、低成本、高效能的智能服务。

大会主旨报告专家信息

CCF Computility 2026 | 杨强、李哲涛、陈龙、凤阳、陈磊、陈益强等教授、专家邀您共话第二届“模型联邦网络(模联网)前沿技术”论坛

评论 0

近期热门新闻

下一篇