CCF Computility 2026 | 王新兵、刘云淮、罗洪斌、邱铁、翟恩南等教授邀您共话算网智协同演进：融合机制、关键技术与应用生态构建论坛
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）。
云际计算及算网协同先进技术/多样性算力技术数字经济迈入智能化新阶段，算力、网络与智能正从“分立供给”转向“深度协同”，算网智一体化成为新型数字基础设施核心。云计算、边缘计算、大模型、智能网络等前沿技术持续突破，深刻重构资源调度、网络服务与智能应用模式，成为支撑新质生产力发展的关键底座。当前，算网智融合仍面临诸多瓶颈：异构资源难以统一调度、跨域协同与服务保障不足、智能内生能力薄弱，技术验证与规模化应用间存在转化壁垒。本次论坛聚焦算网智融合前沿趋势与落地实践，围绕体系架构、智能调度、云边端协同、大模型与网络耦合等关键议题研讨，打通技术创新到产业应用的闭环，构建可落地、可复制、可演进的融合模式。论坛旨在凝聚共识、推动技术突破与生态协同，打造高效、安全、智能的新型基础设施，为千行百业数字化转型与智能化升级提供坚实支撑。核心议题：算网智融合的产业必要性、发展边界与核心驱动力；融合发展关键瓶颈：架构、调度、智能内生、安全可信；落地实现路径：云边端协同、算网一体调度、大模型赋能网络；产业化推进：工程化机制、典型场景与生态体系构建。
廖小飞，计算机系统结构专业工学博士，现为华中科技大学计算机学院教授、博导、院长，湖北省计算机学会理事长。主要学术方向为内存计算、图计算、大数据系统等。先后主持国家杰出青年科学基金、国家自科基金优青项目、面上项目、青年基金项目以及国家重点研发计划项目（首席）、国家863计划项目、霍英东青年教师基金等项目。廖小飞是国家杰出青年科学基金获得者、国家自然科学基金委优秀青年科学基金获得者，入选万人计划领军人才，获得2017年度CCF-IEEE CS青年科学家奖。
何强，东北大学教授，博士生导师。从事云计算、算力网络、机器学习等方向教学研究工作。在IEEE/ACM Transactions on Networking等国际知名期刊和NeurIPS等国际会议上发表或录用论文100多篇，第一作者或通信作者发表CCF A、IEEE/ACM Transactions 40篇，高被引/热点论文10篇，授权/申请国家发明专利30多项；负责国家级和省部级项目10余项；荣获辽宁省优青、辽宁省优秀博士学位论文、辽宁省自然学术成果奖2项。
郑龙，华中科技大学计算机科学与技术学院教授，博士生导师，国家优秀青年科学基金获得者，湖北省杰出青年基金获得者。2016年获得华中科技大学计算机系统结构专业工学博士学位，2014-2015年在新加坡南洋理工大学并行与分布式计算中心交流访问，目前主要从事人工智能大模型、图计算、数据流等新兴领域系统结构方向的研究，在MICRO、ISCA、HPCA、SC、DAC、USENIX ATC、FPGA、ICDE、PACT以及IEEE TCAD/TC/TPDS、ACM TACO等CCF重要国际学术会议和期刊上发表论文80余篇，获批国家发明专利14项、美国专利6项。
讲者简介：王新兵，上海交通大学特聘教授、博士生导师，国家杰出青年科学基金获得者，国家自然科学基金委创新研究群体项目负责人。1998年获上海交通大学自动化系学士学位，2001年获清华大学计算机科学与技术系硕士学位，2006年获美国北卡罗来纳州立大学计算机工程博士学位，2006年起任职于上海交通大学，从事物联网、大数据、人工智能与地球科学交叉研究。
报告摘要：人类社会已经进入智能时代，智能时代的社会发展催生了大量的智能化应用，智能化应用对机器的认知智能化水平提出了前所未有的要求，机器认知智能的实现依赖的就是知识图谱技术。知识图谱是面向人类生产生活中所产生的多源、异质、泛在大数据，通过计算处理，识别出有效、新颖的知识，进而通过知识交互与呈现指导人类行为。在图文数一体化的知识图谱构建及应用中，构建用于提取、表示与存储知识的技术是知识图谱的基础，而构建知识呈现与交互的知识系统和基于知识图谱的知识发现与推理则是两个关键点。
讲者简介：刘云淮，北京大学计算机学院“博雅”特聘教授，博导，ACM China副主席，北京大数据研究院院长，国家杰出青年，中组部“万人计划”青年拔尖人才，国家重点研发计划项目负责人。刘云淮博士2008年毕业于香港科技大学计算机科学和工程专业。此前于清华大学获得学士学位，曾先后在中国惠普有限公司、香港科技大学、中科院深圳先进技术研究院任职。2011年加入公安部第三研究所物联网研发中心，任职副主任、研究员、二级警督。2016年，获得公安部个人三等功。2016年加入北京大学。他的研究方向主要在物联网、移动计算、工业互联网等方向。发表论文160余篇，四次获得IEEE ICDCS, ACL，CIKM，SANER等国际会议最佳论文。
报告题目：AID: 从计算机辅助设计到人工智能引导设计
报告摘要：随着人工智能和深度学习的高速发展和广泛应用，人工智能在多个领域获得了重要的突破。宏观复杂物理过程的建模、仿真和科学计算，特别是连续介质力学过程，是工程技术领域的基本问题，在金属加工、航空航天、材料科学等领域都有非常重要的应用。传统的数值计算方法，主要采用有限元、有限差分等方法，其计算精度和计算效率受限于对时间和空间的离散化过程，高精度计算通常需要海量计算资源，其序列化计算模式也难以通过超算等方法获益。人工智能方法，为这类复杂问题的快速求解带来了新的机遇。在本篇报告中，我们主要介绍一些近年来我们在金属晶体大型变计算中的进展，特别是面对缺乏本构方程，缺少数值解的问题的数据驱动的方法。与传统求解方法相比，我们的方法在相同求解精度下，计算效率提升了4-6个数量级，在一些实际应用中，把需要一周才能求解的问题，降低到秒级。相关方法并在实际金属加工行业得到应用和验证。
讲者简介：罗洪斌，1977年生于重庆，2007年博士毕业于电子科技大学，现任北京航空航天大学网络空间安全学院院长、教授、博导，中国计算机学会互联网专委会委员。他长期从事数据跨网安全高效流动理论与关键技术方面的创新研究与教学工作，主持国家重点研发计划课题、973 计划课题、国家自然科学基金等项目十余项，在 IEEE TON、JSAC、TPDS 等国际权威期刊和会议发表论文 60 余篇，获国家授权发明专利 30 余项(其中 24 项已转化)。曾获国家技术发明二等奖、中国电子学会科学技术奖一等奖、教育部技术发明一等奖、北京青年五四奖章、全国百篇优秀博士学位论文提名奖等奖励，2012 年入选教育部新世纪优秀人才支持计划、2014 年获国家优秀青年科学基金，2022年获国家杰出青年科学基金。
报告摘要：在人工智能与算力网络快速发展的背景下，传统信息网络面临数据冗余高、传输效率低、语义理解弱等问题。本报告提出“低熵信息网络”这一概念，探讨如何通过信息压缩、语义提纯、可信传递与智能调度，降低网络中的无效信息占比，提升算力与通信资源的协同效率。报告将围绕低熵信息网络的基本内涵、关键技术路径与典型应用场景展开，重点讨论其在算力网架构优化、边云协同、知识驱动服务和大模型推理加速中的潜在价值，并分析其面临的理论挑战与工程实现难点。该报告旨在为面向未来的高效、智能、可信算力网络提供新的研究思路与技术方向。
讲者简介：邱铁，博士，二级教授，东北大学计算机科学与工程学院院长，国家杰出青年基金获得者；曾获天津市科技进步一等奖1项、大连市优秀科学著作二等奖2项。目前为国际期刊IEEE/ACM Transactions on Networking(ToN)等五个SCI检索国际期刊编委，并担任过多个国际学术会议的大会主席和程序委员会主席。现已出版著作8部，获得授权国家发明专利40余项，计算机软件著作权10余项。已发表学术论文200余篇，其中21篇论文被列为ESI高被引论文，Google Scholar总引用13,000余次，H-Index为60，近5年连续入选Elsevier中国高被引学者。主持国家重点研发计划、国家自然科学基金重点项目、面上项目及各类项目30余项。
报告摘要：西部绿色算力在国家“东数西算”工程中承担着重要的枢纽功能。然而，当前面临绿色算力资源分散、网络稳定性不足、供需不匹配以及调度效率低等突出问题。本报告围绕跨地域算力互联、复杂网络拓扑优化、高可靠数据传输与算力智能调度等核心技术开展攻关研究，利用数字孪生技术集成多元异构算力资源，构建大规模高鲁棒拓扑算力网络实现计算资源稳定互联，设计时敏数据传输技术保障需求多样的计算数据可靠传输，提出大模型驱动的绿算资源调度技术实现绿算资源的合理分配，形成绿色算网一体化平台，实现以青海省为核心的西部绿色算力的智能统筹一体化管理。
讲者简介：翟恩南，阿里巴巴通义大模型事业部研究员，正高级工程师，国家级海外引进领军人才。2015年于美国耶鲁大学计算机系获博士学位，随后担任耶鲁大学研究型助理教授，2018年加入阿里巴巴。研究领域包括人工智能与分布式系统等，在这些领域发表国际顶级会议/期刊论文80余篇，近五年在计算机网络两大国际顶会SIGCOMM和NSDI发表论文总数全球第一。常年担任SIGCOMM、NSDI等国际顶级网络系统学术会议程序委员会委员。获电子学会青年科学家奖、电子学会技术发明一等奖、通信学会技术发明一等奖、SIGCOMM 2024最佳论文提名奖、观察者网2024年度科创人物等奖项。
报告摘要：集合通信是算力集群连接训练/推理引擎与底层网络融合性能优化的关键技术和抽象。集合通信最核心的通信算法性能直接影响大模型训练推理的效率，以及 GPU 集群利用率。已有的集合通信库（如 NCCL 和 RCCL）依赖固定集合通信算法，无法适应多样化的硬件拓扑和模型需求。当前最先进的集合通信算法合成器（如 TECCL 和 TACCL）采用混合整数线性规划建模，但面临搜索空间爆炸和可扩展性挑战。本次报告介绍 SyCCL，一种可扩展的集合通信算法自动合成器，为生产规模的大模型训练任务在数分钟内生成接近最优的集合通信算法方案。 SyCCL 的原理是利用集合操作与硬件拓扑的对称性，将原始的集合通信 demand 分解为更小拓扑子集中的 sub-demand，并通过高效搜索策略快速探索潜在的 sub-demand、生成对应子算法，最终整合为完整的集合通信算法方案。基于实际生产环境集群的结果表明 SyCCL 可将集合通信性能提升 151%-263%。此外，本次报告还将展开描述集合通信库与推理引擎的性能融合优化方向。该工作发表在 SIGCOMM 2025，并开源。
评论 0