CCF Computility 2026 | 马帅、尚学群、高云君、谢鲲、童咏昕、毛睿、戴海鹏等教授邀您共话数据模型与计算方法论坛
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）。
算力网是数字基础设施发展的核心形态，数据模型与计算方法是其高效运行的关键支撑。本次论坛聚焦算力网架构下的大数据近似计算、跨模态关联与分析、全链路可信数据要素、网络可视化技术等，探讨适配分布式算力调度、跨域数据共享的向量数据引擎和图数据表征。同时围绕边缘与端侧智能技术、异构算力协同、高效并行计算、资源动态优化等前沿计算方法展开交流。汇聚业内专家与科研从业者，分享技术成果、剖析应用痛点，探索技术落地路径，助力算力网实现算力、数据、网络深度融合，推动算力网络技术体系迭代与规模化应用。
袁野，现为北京理工计算机学院教授、博士生导师、国家级领军人才。主持国家自然基金重点项目，科技部重点研发课题。曾获中国电子学会自然一等奖，教育部和辽宁省科技进步一等奖、全国优秀博士论文提名奖、中国计算机学会优秀博士论文奖。袁博士是中国计算机学会数据库专业委员会常委、大数据专家委员会委员、分布式系统专委委员、人工智能学会信息服务专委常委、中国计算机学会高级会员，IEEE、ACM高级会员。香港科技大学、香港中文大学、英国爱丁堡大学访问学者。在SIGMOD、VLDB、ICDE、VLDB Journal、IEEE Trans. TKDE、IEEE Trans. TPDS等重要学术会议和期刊上发表论文100余篇。
许建秋，南京航空航天大学教授，计算机系主任，主要从事数据管理及数据库原型系统研究，近年来主要针对大模型驱动的复杂数据管理和高效计算开展工作，主持国家自然科学基金项目3项。发表学术论文60余篇，包括中国计算机学会推荐A类论文IEEE TKDE、ICDE、PVLDB、计算机学报等，出版英文专著1本。担任中国科学卓越期刊二期领军Frontier of Computer Science 青年编委，多次获得国际/国内学术会议论文奖，包括最佳系统演示论文奖，最佳展望论文奖等。
顾荣，南京大学副教授/博导，国家高层次青年人才项目入选者，CCF分布式计算与系统专委常务委员，CNCF开源项目Fluid社区主席，研究方向为云计算与大数据系统、智能计算系统，研究成果发表于SIGMOD，VLDB，ICDE,USENIX ATC，EuroSys，VLDBJ，TPDS, ToN等领域国际会议期刊。他曾获得达摩院青橙奖、江苏省科学技术一等奖、IEEE TCSC Early Career Excellence Award、HPCC会议最佳论文奖等学术荣誉，以及华为火花奖、阿里、中兴产学研优秀学术项目奖等业界奖项。他主持国家重点研发项目课题、国家自然科学基金面上项目、中国博士后基金特别资助项目以及阿里、华为等企业科研项目共20余项。
讲者简介：马帅，北京航空航天大学计算机学院教授、南昌大学学术副校长兼人工智能学院院长。主要从事大数据理论与系统的研究，其成果持续发表在数据库领域、数据挖掘、人工智能和系统等顶级会议和期刊。曾任多个国际顶级期刊编委及国际顶级领域主席、程序委员。曾获国家级人才称号和VLDB最佳论文奖、中国电子学会科技进步特等奖和自然科学一等奖等。
报告题目：大数据近似计算——深度学习与传统算法融合？
报告摘要：大数据近似计算是大数据时代面向处理最优解求解、难以求解场景的有效手段之一。本报告将探讨一种新的近似计算方法：深度学习与传统算法的融合计算。介绍深度学习与算法融合的发展历程，重点阐述传统算法辅助深度学习、深度学习辅助传统算法以及两者深度融合计算三种融合计算模式，并初步展示了这些融合方法在提升准确性和效率方面的显著效果。
讲者简介：尚学群，西北工业大学教授，国家高层次人才计划入选者，现任西北工业大学计算机学院院长。长期从事大数据管理与分析研究与系统开发，主要研究领域为数据挖掘，机器学习，大数据，生物信息学等。兼任工信部“十五五”规划专家组成员，大数据存储与管理工信部重点实验室主任，ACM SIGWEB CHINA主席，中国计算机学会信息系统专委会副主任，中国生物工程学会人工智能与生物技术专委会副主任，中国人工智能教育联席会理事，陕西省计算机学会副理事长，陕西省科技创新团队带头人等，并担任陕西省政协委员，多个国际期刊编委，国际学术会议分会主席和程序委员。作为项目负责人先后主持多项国家自然科学基金重点项目，国家重点研发计划课题等。已在 Nature Communications、The Innovation、IJCV、TMM、TKDE、ICDE等国内外重要学术期刊及权威国际学术会议上发表论文120余篇。带领团队围绕大数据管理与分析领域的“卡脖子”问题，开展系统集成攻关，研制的XX推演系统有力支撑了重要演训任务，网络构建与分析系统、跨模态关联分析与推理技术等被辉瑞公司、中国国家基因库、华大基因、浪潮、中船集团等来自60余个国家和地区的工业界和学术界应用。获陕西省自然科学一等奖、陕西省五一劳动奖章等。
报告摘要：多模态数据的爆炸式增长对跨模态关联与推理能力提出了更高要求。尽管现有大模型已实现基础的图文交互，但在细粒度语义对齐、跨模态逻辑一致性、以及分布外泛化三个核心任务上仍存在瓶颈，成为制约多模态智能发展的关键问题。本报告将系统讨论弱监督细粒度对齐、模态不一致与数据集偏见、多尺度时序超图及跨模态多关系图推理等关键技术，并探讨未来方向。
讲者简介：高云君，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。
报告摘要：数据要素已成为驱动数字经济发展的核心引擎，但在实践中仍普遍面临“供不出、流不动、用不好”等瓶颈，其深层原因可归结为三重核心矛盾：数据生产环节的多源异构数据制备困难与数据孤岛，资产供应环节的软硬件割裂与定价失据，以及流通环节的隐私泄露与权属模糊，严重制约高价值数据的可信释放。本报告将分享汇报人团队在全链路可信数据要素管理方面的探索：首先，在数据要素生产方面，针对大规模数据制备、一体化无感数据编织、场景化数据质量管理进行探究，缓解“数据富矿、要素贫瘠”难题；其次，在数据资产供应方面，从高性能数据混合存储、多粒度数据智能精炼、多维度数据市场定价入手，实现高质量数据资产的按需弹性供应；接着，在数据安全保障方面，构建“源头治理—过程管控—终端补救”的全链可信安全体系，协同平衡隐私性、可用性与鲁棒性；最后展望全链路可信数据要素智能管理的未来方向与演进路径。
讲者简介：谢鲲，湖南大学二级教授、博士生导师，是国家自然科学基金杰出青年基金获得者、中国青年女科学家奖获得者，湖南省自然科学基金杰出青年基金获得者、湖南省青年骨干教师、湖南省优秀硕士生导师、长沙市“巾帼建功”标兵。教育部“超算与人工智能融合计算”重点实验室主任。担任湖南大学信息科学与工程学院学术委员会主任、学位委员会主任。研究方向为网络运维，网络安全，人工智能。
报告摘要：网络是数字经济核心基础设施，精准高效地感知全网运行状态是保障网络安全稳定运行、实现智能运维的前提与基础。随着网络规模持续增长与业务复杂度不断攀升，现有测量技术面临"全局看不全、微观看不清"的双重挑战。本报告围绕全量高频网络可视化展开，介绍团队在全局测量与微观测量两方面的研究进展：全局层面，利用网络数据低秩特性，提出"测量部分、推断整体"的在线测量理论，以极低采样开销实现全网状态高精度重构；微观层面，构建覆盖包、流、KPI的多层次高频感知与极致压缩技术体系，突破设备资源与传输带宽瓶颈。
讲者简介：童咏昕，北京航空航天大学教授，博士生导师，计算机学院副院长。国家杰青、优青基金获得者、智能原生数据系统北京市重点实验室主任、中国计算机学会（CCF）杰出会员、CCF会员与分部工委副主任、CCF走进高校工作组组长。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。主要研究方向包括：联邦学习、向量数据库系统、时空大数据挖掘、大模型的数据引擎等。近年先后在TODS、VLDBJ、TKDE、SIGMOD、VLDB、SIGKDD等国际一流期刊/会议发表论文百余篇，谷歌学术引用1.8万余次。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。担任《Frontiers of Computer Science》期刊的执行编委、《IEEE TKDE》与《IEEE TBD》等国际期刊编委。
报告题目：大模型的图书馆：向量数据引擎的机遇与挑战
报告摘要：向量数据引擎是大模型时代的关键数据基础设施，被广泛应用于AI-Ready训练数据集构建、检索增强生成(RAG)以及智能体记忆管理等场景。本报告将首先回顾向量数据引擎的发展脉络与技术演进，随后，结合产业需求与团队最新研究成果介绍向量数据领域的前沿进展，最后展示相关技术的落地应用，并对向量数据管理未来的发展趋势进行展望。
讲者简介：毛睿，教育部CJ学者奖励计划特岗学者，中国计算机学会会士，深圳大学特聘教授，博导，深圳市高层次专业人才、深圳市“孔雀计划”海外高层次人才；主要研究方向是通用大数据处理和高性能计算；97年和00年在中国科学技术大学获计算机科学学士和硕士，06年和07年在美国得克萨斯大学奥斯汀分校获统计学硕士和计算机科学博士，07～10年在甲骨文美国公司从事数据库研发；10年加入深圳大学，现任大数据系统计算技术国家工程实验室副主任、广东省普及型高性能计算机重点实验室主任、广东省算力提升基础学科研究中心副主任、广东省国产高性能数据计算系统工程技术研究中心主任、深圳市服务计算与应用重点实验室主任；中国计算机学会理事、深圳分部主席、大数据专家委副主任、数据库专委常委；深圳市计算机学会副理事长；提出了应对多样性挑战的大数据泛构模式，建立了基于度量空间的通用大数据管理分析理论框架；主持国家自然科学基金重点项目等10余个国家级项目；获2014教育部科技进步二等奖、2016军队科技进步二等奖、2021广东省教学成果一等奖、2022国家教学成果二等奖、2023中国计算机学会自然科学二等奖、2023中国电子学会自然科学二等奖、2024中国电子学会自然科学一等奖等。
报告摘要：一次表征多次使用的通用表征是预训练模型的研究核心之一。传统机器学习往往限定于欧几里得范数，与图（graph）天然的非欧几里得特性间存在鸿沟。度量空间不限制数据内部结构，仅须数据间距离满足正定、对称、三角不等性，可以表征很多图数据。我们提出先将图表征为度量空间再向量化，然后多范数下训练和融合模型的新范式，研究面向度量空间的表征学习理论框架，包括多范数下的通用近似性，模型参数优化机制，多模态/多任务训练融合机制等。本研究有望为图数据通用表征探索新的路径。
讲者简介：戴海鹏，南京大学计算机学院教授，博导，国家级青年人才计划入选者，IET Fellow。获ACM中国新星奖、IEEE可扩展计算技术委员会职业中期卓越研究成就奖、中国电子学会优秀科技工作者等荣誉。研究方向为物联网、数据挖掘、边缘智能、端智能等。发表国际著名会议期刊论文300余篇，含CCF A类150余篇，包括SIGCOMM、NSDI、SIGMOD、VLDB、ICDE、KDD、UbiComp、INFOCOM、WWW、ISCA、EuroSys、ATC等国际一流会议。曾获一流会议期刊论文奖项十余项，包括5项CCF A/B类会议最佳论文奖项等。担任国家重点研发计划项目、教育部学科突破先导项目课题负责人。荣获2025年度中国通信学会科学技术奖二等奖（第一完成人），2024年度江苏省计算机学会科学技术奖一等奖（第一完成人）等。担任ACM SIGCOMM China秘书长、中国计算机学会物联网专委会常委、网络与数据通信专委会常委等职务。担任UbiComp、ICDM、ICNP、COCOON、ISPA、HPCC等二十余次会议主席职务。担任国内外一流期刊COMNET领域主编、TII编委、TCE编委、IoT-J编委、电子学报编委。入选“全球前2%顶尖科学家”终身科学影响力榜单。
报告摘要：随着人工智能从云端向边缘与端侧设备加速下沉，低功耗、高效率、轻量化部署成为核心需求。面向端侧资源受限、模型规模庞大、异构部署困难等挑战，报告人围绕模型编译调度、稀疏推理、大模型微调展开研究。通过协同编译调度、MoE模型算法-系统协同设计、LoRA高效服务等技术，显著提升推理吞吐量、降低时延。相关技术在真实硬件平台与视觉、多模态任务中得到验证，为高效可扩展的边缘与端侧智能部署提供系统化支撑。
评论 0