演讲主题

赵生捷

赵生捷教授是同济大学电子与信息工程学院和软件学院双聘教授、博士生导师、同济大学软件学院院长、 第一批海外高层次人才国家特聘专家、国际欧亚科学院院士、世界知名的贝尔实验室技术学院院士、 中国发明协会会士、海外高层次人才联谊会信息科学与技术专业委员会副主任、“科学中国人 2014 年度人物”奖获得者。 持有美国德克萨斯A&M大学（Texas A&M University）电子和计算机工程学博士学位和中国科学技术大学学士学位。

赵生捷教授团队共发表IEEE期刊和国际会议200多篇，其中IEEE期刊论文80多篇，含8篇ESI高被引论文。 持有50多项美国和中国发明专利或专利申请。是“十二五”国家重大专项和“十三五”国家重点研发计划项目首席科学家， 主持国家973课题以及国家自然科学基金重点项目等多个国家级项目。 团队获得计算机和通信等领域的国际会议最佳论文奖和省部级自然科学和科技进步一等奖多项。

王承祥

王承祥，男，博士， 东南大学移动通信国家重点实验室和网络通信与安全紫金山实验室教授、博导、欧洲科学院院士、 国家千人计划专家、IEEE Fellow、IET Fellow、2017-2019年科睿唯安“全球高被引科学家”、 IEEE Transactions on Wireless Communications的执行编委会成员、IEEE通信协会2019-2020杰出讲师、 江苏省双创团队领军人才、江苏省双创人才、2020年“十佳中国电子学会优秀科技工作者”、 人工智能全球最具影响力学者提名奖（AI 2000 Most Influential Scholar Award Honorable Mention）获得者。

王承祥于1997年和2000年在山东大学分别获得电子与信息系统学士和通信与信息系统硕士学位， 于2004年在丹麦奥尔堡大学获得无线通信博士学位。2005年作为讲师加入英国赫瑞瓦特大学（Heriot-Watt University）创建先进无线技术实验室并担任主任， 于2009年晋升为副教授，2011年晋升为教授，成为该校电子工程系历史上最年轻的教授。2018年加盟东南大学移动通信国家重点实验室和网络通信与安全紫金山实验室， 现为教授、博导。

王教授目前主要研究方向为无线信道测量与建模、B5G网络架构和关键技术、人工智能与无线网络的融合等，他已出版专著4部， 书籍章节2章，发表期刊和国际会议论文近400篇，其中IEEE核心期刊论文近140篇, ESI高被引论文24篇， 有11篇国际会议论文获“最佳论文奖”，在20个国际会议上被邀请作大会主旨报告或特邀报告，在7个国际会议上做Tutorials， 谷歌学术引用13600多次，h指数为57。王教授担任过 16个国际期刊的编辑或客座编辑，包括 6个IEEE顶级期刊， 担任过30多个国际会议的总主席、技术程序委员会主席或分会主席等，主持或参与了30 多项中国科技部、国家自然科学基金委、 英国工程与自然科学研究理事会(EPSRC)、欧盟以及工业界资助的项目。

李建中

李建中，哈尔滨工业大学教授，博士生导师，国家杰出青年基金获得者，中国计算机学会“王选奖”获得者, 国家973计划项目首席科学家, 历任中国计算机学会常务理事、大数据专家委员会副主任、数据库专业委员会副主任、 传感网专业委员会主任、物联网专业委员会主任、中国自动化学会大数据专业委员会副主任、ACM SIGMOD China主席。 他多年致力于海量数据计算的理论与算法、无线传感网等方面研究，主持多项国家科技部和国家基金委的重大和重点项目， 解决了诸多科学技术问题，在国内外发表学术论文400余篇，其中国际顶级学术刊物和顶级学术会议论文120余篇， 被他引近2万余次，H-因子50，多篇论文获VLDB等国际顶级和重要会议最佳论文奖， 多篇论文被纳入美国和英国出版的学术著作、手册以及美国大学计算机研究生课程。 他是第一位在VLDB等国际顶级学术会议发表论文的中国大陆学者。 他还主持研制了我国自主研制生产的DJS-100系列计算机的操作系统、我国第一个机群计算机系统和机群并行数据库系统， 在很多领域得到应用，获得多项国家级和省部级科技进步和自然科学奖。 他还30余次担任国际顶级和重要学术会议指导委员会主席、大会主席、程序委员会主席等职务。

崔莉

1985年毕业于清华大学无线电系半导体物理与器件专业，获工学学士学位。1988年毕业于中国科学院半导体所生物化学传感器专业，获硕士学位。 1999年毕业于英国格拉斯哥大学生物电子学专业，获博士学位。

1988年至1994年，在中科院半导体所从事固态传感器研究，1993年被破格提拔为副研。1994年作为高级访问学者在加拿大多伦多大学化学系，研究嗅觉传感器。 1995年做为英国皇家学会研究员在英国格拉斯哥大学E&EE系生物电子学研究中心，从事第一代电子鼻研究。 1996年至2003年受聘于在英国格拉斯哥大学，在电子与电气工程系生物电子学研究中心从事集成嗅觉传感器(第二代电子鼻)的研究、实验室芯片及光学集成传感系统研究（Lab-on-a-Chip）和集成传感器系统芯片IDEAS (集成诊断电子分析系统System-on-a-Chip)的研究工作。 现为计算所网络技术研究中心传感器网络实验室负责人。

陈旭

陈旭教授长期从事边缘计算、边缘智能、物联网等领域的研究，入选国家海外高层次青年人才、德国洪堡学者、 广东省珠江创新团队等项目。迄今在IEEE Journal on Selected Areas in Communications、IEEE/ACM Transactions on Networking、 IEEE Transactions on Mobile Computing、 IEEE RTSS、 INFOCOM、ICDCS、ACM MOBIHOC、UBICOMP等国际高水平会议与权威期刊发表论文100余篇， ESI高被引论文6篇，热点论文1篇。获得IEEE ComSoc学会亚太区杰出青年学者奖、IEEE ComSoc Young Professional最佳论文奖、 CCF A类国际会议IEEE INFOCOM最佳论文亚军奖、IEEE ICC最佳论文奖以及国际会议IEEE ISI的最佳论文荣誉提名奖以及香港青年科学奖。 获邀担任IEEE Open Journal of Communications Society领域主编、IEEE Internet of Things Journal和IEEE Transactions on Wireless Communications副编辑。

摘 要：作为大数据时代的一个极其重要源头，来自移动互联网与物联网的移动大数据，将在智慧城市、社会感知、环境监测等众多领域得到广泛应用。、 新兴移动大数据应用具有动态性强、时空覆盖范围广、要求实时响应等鲜明特点，对传统云计算模式提出了巨大挑战。 因此，为了推动移动大数据产业深入发展，研究面向移动大数据应用的新型计算技术是极其重要的。 边缘计算（Edge Computing）通过将计算存储能力与业务服务能力向网络边缘迁移，使应用、服务和内容可以实现本地化、 近距离、分布式部署，从而有力支撑5G/6G移动互联网与智能物联网应用的高容量、强计算、以及低时延高可靠等业务需求。 同时，充分利用边缘计算，通过网络大数据深度学习与挖掘，实现智能化移动网络信息感知与性能优化，促进通信、 计算和存储的深度协同融合。 由于潜力巨大和应用广泛，边缘计算已成为当前学术界和产业界极其关注的研究热点之一。 该报告将介绍中山大学研究团队在边缘计算方向的研究进展、以及探索边缘智能--边缘计算和人工智能彼此赋能的新范式。

楼云江

楼云江，哈尔滨工业大学（深圳）机电工程与自动化学院教授，党委书记、副院长，IEEE高级会员，深圳市高层次专业人才。 楼云江教授长期从事机器人操作与抓取、运动规划与控制等研究。出版英文编著1本，获得国际PCT专利1项，授权发明专利20余项， 在机器人领域国际一流学术期刊和学术会议上发表研究论文100余篇，获得2019年度深圳市科技进步一等奖（第一获奖人）。 主持5项国家自然科学基金项目和一项智能机器人领域国家重点研发计划项目。

摘 要：随着产品制造从大批量、单一品种向小批量、多样化发展，自动化生产线面临短周期、个性化的制造需求。 机器人示例学习技术为机器人的快速部署提供了一种解决方案。基于机器人示例学习技术，装配工人将自己的操作经验， 用装配演示的方式为机器人提供完成指定装配任务所需的零件运动信息；机器人通过模仿人的动作掌握特定产品的装配技能， 完成相应装配任务或与工人协同装配。我们提出了一种基于示例学习的机器人3C装配方案，包括3C装配动作获取技术、机器人装配策略学习、 高精度零件位姿估计、机器人柔顺控制等环节。为了获取工人装配时的零件运动信息，我们以最大化交并比为指标， 建立了优化的3C装配演示动作采集平台；提出采用改进的拓展卡尔曼滤波方法对演示轨迹进行降噪、丢点补偿处理， 从而获得演示数据；我们提出了改进的任务参数化高斯混合模型用于描述机器人装配策略，能够同时兼顾演示数据中的零件位置与姿态信息； 并采用相关性加权的任务参数化高斯混合回归方法生成机器人装配运动轨迹的概率分布。零件的初始位姿和目标装配位姿为机器人装配策略的输入，其位姿采用3D视觉传感器及基于快速点云配准技术的位姿估计方法给出。 得到机器人装配运动轨迹的概率分布后，鉴于3C装配演示信息的冗余性，我们采用机器人主动柔顺控制方法跟踪该轨迹， 根据轨迹冗余偏差主动调整机器人末端刚度，并自动补偿较小偏差；对于无法通过主动柔顺补偿的偏差，我们应用基于深度强化学习的精密插孔策略， 以试探的方式完成装配。机器人示例学习提供了一种快速将工人装配技能转移给机器人的方法，使得机器人快速部署到3C装配线成为可能。

刘群

华为诺亚方舟实验室语音语义首席科学家，负责语音和自然语言处理研究。 原爱尔兰都柏林城市大学教授、爱尔兰ADAPT中心自然语言处理主题负责人、中国科学院计算技术研究所研究员、自然语言处理研究组负责人。 分别在中国科学技术大学、中科院计算所、北京大学获得计算机学士、硕士和博士学位。 研究方向主要是自然语言理解、语言模型、机器翻译、问答、对话等。研究成果包括汉语词语切分和词性标注系统、基于句法的统计机器翻译方法、篇章机器翻译、机器翻译评价方法等。 承担或参与多项中国、爱尔兰和欧盟大型科研项目。在国际会议和期刊发表论文300余篇，被引用9000多次。培养国内外博士硕士毕业生50多人。 获得过Google Research Award、ACL Best Long Paper、钱伟长中文信息处理科学技术奖一等奖、国家科技进步二等奖等奖项。

摘 要：预训练语言模型表现出了强大的能力，为自然语言处理打开了全新的局面。但预训练语言模型的模型大小和推理速度使之很难直接适用于边缘计算设备。 本报告讲介绍华为诺亚方舟实验室在预训练语言模型压缩和优化方面的工作，具体工作包括两阶段蒸馏的预训练语言模型TinyBERT，三值量化的预训练语言模型TernaryBERT，动态可伸缩的预训练语言模型DynaBERT，以及针对底层硬件的一些预训练语言模型优化和实现。 经过压缩和优化后的预训练语言模型可以方便地适用于各种边缘设备。

王烽

毕业于武汉大学电子信息学院，获理学博士学位。加入华为后长期从事云计算系统和关键技术研究，参与华为云计算产品多个版本、多个特性的预研、设计和开发工作。 当前为华为边缘云创新 Lab 副主任，负责边缘云、边缘 AI 方向创新研究。

王国栋

王国栋，博士毕业于维也纳科技大学（Vienna University of Technology），现上海市计算技术研究所副总师， 中奥智能工业研究院负责人（Sino-Austria Research Institute of Intelligent Industries）， 奥地利Simple-AI KG公司联合创始人，曾在维也纳科技大学担任机器学习研究员，英国剑桥大学访问学者， 维也纳科技大学“国际交流奖学金” 获得者。应用研究工作主要集中在如何利用机器学习和深度学习技术解决工业界难题， 例如，基于图像处理的工业无损检测和生产过程产品质量控制，预测性维护，边缘智能技术在智慧工厂中的应用等； 理论研究工作主要集中于深度神经网络及其自动化机制研究，多篇学术论文发表在高水平国际期刊或会议上。 近年参与过数个欧盟学术委员会及奥地利联邦政府资助的科研项目，内容涉及智慧城市，智慧楼宇，智能制造等， 主要集中于如何利用可靠的机器学习技术赋能智能工业发展。

摘 要：深度学习技术快速渗透进入日常生活中的各个方面，尤其是在工业数字化转型方面正发挥越来越大的作用， 例如深度学习在半导体的设计与制造中的创新应用。这些应用包括半导体或大规模集成电路的设计，晶圆缺陷检测等。 Schinper作为奥地利Simple-AI KG技术团队在中国商业化落地技术团队， 借助Simple-AI技术团队在欧盟内的项目与技术经验，着力利用前沿深度学习技术解决半导体制造业目前面临的难题。 因此，报告首先对深度学习技术在半导体制造业中的应用做一个概括回顾，然后以大规模混合集成电路的设计验证作为切入点， 结合两个具体工业应用案例，介绍如何利利用深度学习技术快速地对大规模混合集成电路进行功能性验证， 最后展望目前深度学习技术在半导体制造行业应用面临的技术瓶颈。

邱铁

邱铁，博士，天津大学计算机学院教授，博士生导师，青年长江学者，2018年入选天津大学北洋学者计划、 同年入选天津市131人才计划，ACM中国理事会天津分会秘书长；IEEE高级会员和中国计算机学会杰出会员、 物联网专业委员会委员。曾在美国爱荷华州立大学（Iowa State University）电子与计算机工程系作访问学者（2014-2015）。 主要从事物联网技术、智慧城市与移动计算，智能大数据分析等相关研究工作。 目前为国际期刊IEEE Transactions on Network Science and Engineering(TNSE)、IEEE Transactions on Systems, Man, and Cybernetics: Systems和Elsevier Ad Hoc Networks等五个SCI检索国际期刊编委， 并担任过多个国际学术期刊的客座编辑。作为多个国际会议的大会主席、程序委员会主席及程序委员会成员。 编写并出版专著及专业教材9部（第一作者8部）；现已获得授权国家发明专利16项，计算机软件著作权3项。 已发表学术论文150余篇，部分论文发表在国际著名期刊IEEE/ACM ToN, TMC, TKDE, JSAC, COMST, COMMAG等期刊和IEEE INFOCOM, GLOBECOM, ICC, ACM MobiHoc等会议上，其中13篇论文被列为ESI高被引论文。 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10余项。

摘 要：嵌入式智能硬件技术的发展使物联网技术得到深度应用，再加上5G技术的推广，为智慧城市中的万物互联提供了重要支撑， 使人-机-物协同变得更加密切。随着系统规模增大，“物联”变得越来越复杂。特别是局部失效会带来链锁崩塌效应， 给拓扑连接的鲁棒性带来了严峻的挑战。本报告从物联网拓扑结构演化出发，综合分析了现存的各种启发式优化算法的优缺点， 提出了大规模物联网拓扑鲁棒性自适应演化策略。在保证拓扑无标度属性不变的前提下能有效地提升初始无标度拓扑抵抗恶意攻击的能力。 同时，在此基础上，探讨智能互联的研究进展与未来挑战。

陈全

陈全，上海交通大学计算机系长聘教轨副教授，博士生导师。长期从事系统领域的研究，已发表CCF推荐A/B类学术论文30余篇， 总被引2100余次。获得中国计算机学会优秀博士学位论文奖、上海市优秀博士学位论文奖、IEEE TCSC Award for Excellence (Early Career Researcher)、阿里青橙奖、教育部自然科学一等奖（排名第3）、 上海市技术发明一等奖（排名第6）、国家技术发明奖二等奖（排名第5）等学术荣誉。担任Frontier of Computer Science期刊青年编委；先后主持及参与国家自然科学基金青年基金项目、重点研发计划项目、 国家自然科学基金重点项目、973计划项目等。 。

摘 要：现有的互联网服务的构建方式正由一体化架构向微服务架构发展。微服务架构使得互联网服务可以利用近用户的低延迟边缘节点， 以减小响应延迟，并减少云上资源占用。我们研究了服务质量和资源量敏感的微服务部署方案。通过图分析方法实现微服务到云-边节点的优化映射， 通过强化学习实现各节点上资源的最优分配。研究表明，可在保证互联网服务低延迟的同时，显著减小资源占用。

梁小丹

中山大学百人计划副教授，主要研究方向为计算机视觉和机器学习，研究鲁棒性、可解释性和通用性的视觉感知和图结构推理模型， 及其在以人为中心的视觉分析和自动驾驶场景中的应用。2016-2018在美国卡内基梅隆大学（CMU）做博士后研究。 在人工智能和计算机视觉顶级会议和期刊发表数十篇论文（TPAMI, CVPR, NeurIPS, ICCV, ACL等）， Google引用次数超过7700余次。担任CVPR 2021 Tutorial Chair, CVPR 2020和ICCV 2019 Area Chair。 荣获2019阿里巴巴达摩院青橙奖，吴文俊人工智能优秀青年奖，CSIG石青云青年女科学家奖，ACL 2019 Best paper Nomination, Neurips 2019 Nvidia Pioneer Research Award. 获得2020 Google Waymo全球自动驾驶比赛2D物体检测季军。 在CVPR和ICML连续作为主要组织者举办六届研讨会和竞赛，ACM MM 2018 Tutorial Talk等。

摘 要：现有深度学习模型都需要大量人工模型和参数调优，在不同的数据集需要手动设计不同的最优模型结构。 从系统性角度考虑，研究高效的自动化机器学习算法，可以针对不同任务快速自动生成最优的模型结构和参数配置近期受到广泛关注。 这次主要从知识蒸馏的自动化网络结构搜索、针对物体检测和全景分割的网络结构模型， 超参数和损失函数的结构搜索和可迁移的网络结构学习等方面介绍最新的研究进展，并探讨未来的发展方向。

徐梦炜

徐梦炜，北京邮电大学计算机学院副研究员，博士生导师。于北京大学获得博士与本科学位，普渡大学访问学者。 主要研究领域为移动/边缘计算和系统软件，近些年专注于边缘设备上的人工智能系统构建与优化工作， 相关成果发表于MobiCom/MobiSys/UbiComp/IEEE TMC等国际顶级会议期刊，受邀担任UbiComp/ICWS/IEEE TMC等会议期刊审稿人，并参与多项国家级重点项目的研发工作。

摘 要：以深度学习为代表的的机器学习技术已经掀起了新一代人工智能的浪潮。 系统研究作为上层算法应用与下层硬件结构之间的桥梁，在其中扮演了关键的角色。 已有的系统研究主要从云计算和数据中心的角度出发，代表性工作是分布式深度学习训练系统的构建与优化。然而， 随着终端深度学习应用的蓬勃发展、用户对隐私的日益重视以及5G时代的到来，越来越多的模型需要在移动和终端设备上进行运算， 而不是通过计算卸载的方式在云端进行，这为系统研究带来了新的挑战和机遇：如何在硬件资源受限的终端设备上运行复杂的人工智能应用？ 本次报告将从海量监控视频处理的应用场景出发，展示如何通过将更多的计算与存储部署在摄像头上，全面提高系统可扩展性与吞吐率。

郑子木

郑子木，博士毕业于香港理工大学，后加入华为云边缘云创新Lab。研究方向为边缘AI、多任务迁移学习及AIoT。 发表国际相关领域顶级会议及期刊 (TPDS、IJCAI、ICDCS、CIKM、TOSN、TIST等)论文十余篇，多次获得最佳会议论文奖项，多次获得华为公司技术贡献奖项。 当前为华为边缘云创新Lab专家，负责边缘AI创新研究。

冷晓琨

冷晓琨，哈尔滨工业大学博士，乐聚（深圳）机器人技术有限公司董事长。十五年机器人学习研究经历，曾获全国优秀共青团员、 第十届中国青年创业奖、第九届中国青少年科技创新奖、“创青春“全国大学生创新创业大赛金奖、 工信部创新创业特等奖等国家级奖项。入选福布斯中国及亚洲30U30榜单，并登上福布斯杂志封面。 团队致力于双足人形机器人技术研究与应用落地，技术层面专注双足人形机器人整体结构设计、 核心部件制造及人工智能算法研究，主导的“小型双足人形机器人步态算法”、“高韧性强扭矩复合材料舵机”获深圳行业创新纪录认证， “并联臂传动技术”解决大型机器人转动惯量高等难题，主持研发的产品Aelos机器人作为中国人工智能代表登上平昌冬奥会北京8分钟； 应用层面专注人形机器人在教育领域的落地，搭建覆盖学前教育、基础教育、职业教育、高等教育在内的全学段人工智能教育服务方案，服务全国1300多所学校， 其赋能人工智能教育的做法得到教育部主管期刊《中国信息技术教育》封面报道，并入选教育部第一批青少年实践与劳动教育课题立项。 乐聚机器人被评为国家高新技术企业、中国潜在独角兽企业、广东省第五批机器人骨干（培育）企业，并入选全国信标委人工智能分委会首批单位委员。

摘 要：机器人作为人工智能应用的主要载体，已经开始被应用在各领域。相对于传统的轮式机器人，双足机器人的运动学结构使其能适应人类生活和工作环境， 双足式以动物仿生学为原型进行运动规划，能在非结构化环境下移动，可实现跨越、 跳跃等操作，环境适应性强。双足机器人具有人类的外观特征并类似人类的行走方式，机器人可直接应用于人类的生活、 工作环境，代替人类完成相关工作，具有广泛的应用前景。 本报告以冷晓琨博士及其带领的乐聚机器人团队在双足人形机器领域的探索实践为案例，与大家共同探讨双足人形机器人行业现状、 技术瓶颈；如何通过浮动基座模型、多目标参数优化设计、基于全身动力学的最优轨迹控制框架等方法来进行双足机器人平台设计及步态优化， 从而提升机器人本体性能及抗干扰能力；如何基于5G通信技术创建智能引擎，实现机器人在复杂环境下的认知与知识共享； 如何推动双足人形机器人在教育、家庭等多领域的落地，实现由技术优势到经济效益的转化，推动商业变现等议题。