▲杨强教授作特邀报告▲
会议以加拿大工程院及加拿大皇家学院院士、微众银行首席人工智能官、香港科技大学荣休教授
杨强
的特邀报告“
联邦大模型的10个研究问题
”开场。杨强教授首先强调大模型落地与终端智能协同的重要性，深入讨论了研发联邦大模型过程中面临的一系列挑战及其潜在解决方案。杨强教授剖析了当前联邦大模型发展的技术理论基础不足，特别是在提升算法效率和减少数据传输方面的研究不够成熟。他进一步指出模型效率与隐私保护之间的平衡问题，期望在联邦学习背景下寻求最优解。此外，还探讨了大小模型之间的协同策略、全迁移学习中的隐私保护、模型的动态演化机制、模型间信任与责任的分配，以及未来模型生态系统的构建等关键问题。他强调，联邦大模型的研究需从多角度出发寻找综合性的解决方案
▲郑庆华教授作特邀报告▲
中国工程院院士、同济大学校长
郑庆华
作了“
从计算智能迈向认知智能”
的特邀报告。郑庆华教授首先介绍了人工智能发展历程，展示了人工智能从简单任务处理到复杂模式识别和决策制定的转变，同时指出人工智能已经深刻影响了许多领域，包括自动驾驶、教育和娱乐。郑庆华教授进一步指出，随着技术的进步，人工智能正在向认知智能迈进，同时也指出人工智能正面临着能耗增加、知识局限和无法自我修正等问题。郑庆华教授认为大模型依托大数据和强算法是人工智能进步的关键。此外，郑庆华教授还探讨了利用脑科学原理来优化算法、探索神经元连接的可塑性和模拟人类决策机制等新发展方向，旨在突破当前机器学习的局限，推动机器智能向更高级别发展。
▲于海斌研究员作特邀报告▲
中国工程院院士、中国科学院沈阳自动化研究所研究员
于海斌
作了“
新工业革命与智能机器人
”的特邀报告，认为智能机器人将成为驱动人类第四次工业革命的使能技术，强调专用编程语言、图形化拖放式编程、传感与算法融合智能是机器人智能的支撑，并探讨了在物理层面上构建人形机器人的技术挑战。最后，于海斌研究员强调了生成式AI在引导机器人认知、决策，推动智能机器人发展上的巨大潜力。
▲吴飞教授作特邀报告▲
浙江大学人工智能研究所所长
吴飞
作了“
垂直领域大模型与大小模型进化
”的特邀报告，介绍了GPT训练的三大范式：完形填空式的自监督学习、基于预测下一个词的提示学习和指令微调、人类反馈下的强化学习，总结了数据、模型、算力是大模型训练的三个关键。最后，吴飞教授以 “智海-三乐”大模型为例，介绍了当下垂直领域大模型的发展，提出了对未来基于预训练大模型，训练垂直领域大模型的
展望
。
-
02
-
本次会议设置了
大小模型端云协同计算机理、端云协同边缘智能关键技术、端云协同智能计算支撑环境和端云协同智能系统重点需求与典型应用
四个专题。每个专题均安排了若干观点分享报告。嘉宾们从大小模型端云协同学习、大语言模型和多模态大模型的轻量化部署、边缘端侧模型推理加速、轻量模型微调增强、多终端分布式优化、隐私保护等方面介绍了理论算法研究进展、系统平台研发经验和产业应用实践，同时分享了自己的观点和看法。嘉宾们的报告内容精彩纷呈，既有前沿理论技术探索，又有行业概况与企业实践分享。
01
专题一：大小模型端云协同计算机理
（左起：
吴帆、郭斌、杜军朝、刘云新、曹婷、徐梦炜、李元春、刘思聪、周知、张圣宇）
02
专题二：端云协同边缘智能关键技术
（左起：
陈贵海、徐宏力、于东晓、任炬）
03
专题三：端云协同智能计算支撑环境
（左起：
何强、李朝、林涛）
04
专题四：端云协同智能系统重点需求与典型应用
（左起：周飞、范涛、吕承飞、邵云峰、庄晨熠、周丹、傅致晖）
-
03-
▲现场-Panel
▲
本次会议每个专题均设有观点分享和集中研讨环节，与会嘉宾探讨了边缘智能发展前沿与大小模型端云协同的机遇与挑战，深入辨析了大小模型异构与端云协同优化、基础通用模型与个性化知识、高效推理训练与受限边缘资源等方面的矛盾与挑战。
-
04
-
在思想碰撞与热烈讨论之余，会议组织与会嘉宾移步户外，在风景秀美的阳澄湖边健步，在共赏姑苏美好风光的同时继续增进了解并交换意见。与会嘉宾们普遍认为大小模型协同的边缘智能是未来布局的重要研究方向，围绕大模型边缘垂直应用、移动端智能体等前沿方向展开了开放性讨论。
-
05
-
