吴帆，博士，上海交通大学计算机科学与工程系特聘教授、博导、系主任，2020年国家自然科学基金杰出青年科学基金获得者。在移动计算、端智能、大数据管理、智能博弈等领域取得了一系列科研成果，已发表学术论文200余篇，论文发表在JSAC、TON、TMC、TPDS、TOC、TKDE等国际著名期刊，以及MOBICOM、MobiHoc、CoNEXT、INFOCOM、ICDE、VLDB、KDD等重要国际会议，并出版英文专著一部。先后担任IEEE Transactions on Mobile Computing、ACM Transactions on Sensor Networks、IEEE Transactions on Network Science and Engineering、Elsevier Computer Networks编委，以及Journal of Computer Science and Technology青年编委和中国计算机学会通讯专题编委。曾获教育部自然科学奖一等奖2项、ACM中国新星奖、CCF-IEEE青年科学家奖、仲英青年学者、CCF-腾讯犀牛鸟卓越奖、CCF-Intel青年学者提升计划、上海市浦江人才，以及包括IEEE/ACM IWQoS 2020在内的7次国际学术会议论文奖。作为项目/课题负责人承担科技创新2030“新一代人工智能”重大项目、国家重点研发计划、国家自然科学基金、上海市科委项目20余项。

王晓飞，博士，计算机科学与技术副院长，教授，博导，国家级青年人才，中国计算机学会分布式专委会杰出青年学者，IEEE通讯协会Fred W. Ellersick Prize年度最佳杂志论文奖获得者，IEEE通讯协会亚太地区年度杰出论文奖，ACM China新星奖（天津），天津市科技进步一等奖，天津市青年科技奖。主要研究边缘智能理论、边缘计算系统架构、云边协同算法和算力网络技术体系等，发表高水平科研论文200余篇（含SCI论文90余篇），其中包括中科院1区/CCF-A类论文40余篇，中科院2区/CCF-B类论文40余篇，引用近万次，申请授权发明专利50余项，获世界通信大会ICC等学术会议和期刊的最佳论文奖励10余次，担任IEEE COMST（IF:34）等多个一二区期刊副编委和专刊编委，主持了国家自然科学基金、科技部重点研发计划等国家级省部级纵向课题多项，负责了电信、移动、亚信、华为、电科院等企业项目十余项。

吴杰，天普大学Laura H. Carnell讲席教授，网络计算中心主任。2009至2016年期间被聘为天普大学计算机信息科学系系主任，2015至2017年期间担任国际事务部协理副教务长。他曾担任美国国家科学基金会的项目主任，也是佛罗里达大西洋大学的讲座教授。他的研究领域涉及移动计算、无线网络、路由协议、云计算、网络安全和社交网络应用等方面。吴教授在其研究领域发表了数百篇高水平学术期刊论文和国际会议论文，并出版了多本专著书籍。他担任多个中外著名学术期刊的编委，其中包括IEEE移动计算、IEEE服务计算、IEEE分布式并行计算以及中国计算机科学技术学报等，也是多个国际学术会议的组织者，曾担任 IEEE DCOSS'09、IEEE ICDCS'13、ICPP'16、IEEE CNS'16、WiOpt'21、ICDCN'22、IEEE IPDPS'23、ACM MobiHoc'23 以及 IEEE CCGrid 2024 的大会主席/联合主席，还有 IEEE MASS'04、IEEE INFOCOM'11、CCF CNCC'13 和 ICCCN'20 的程序主席/联合主席。吴教授曾为 IEEE 计算机学会的杰出访问学者、ACM 杰出演讲者，以及 IEEE 分布式处理技术委员会主席。他是AAAS FELLOW和IEEE FELLOW，欧洲科学院院士，荣获 2011 年中国计算机学会海外杰出贡献奖。

报告题目：面向高效 AI/ML 的云边协同网络

报告摘要：云边协同网络将大型数据中心与小型物联网设备等广泛的系统及设备紧密相连。边缘与云网络相结合所蕴含的潜在优势众多，诸如能够迅速适应新技术，加快软件与功能更新的发布及应用，还能优化各类资源以及网络与边缘设备的管理。此次演讲着重阐述了于云边协同网络中高效运行AI/ML算法所面临的若干挑战，尤其关注低延迟、连接性、本地数据处理以及实现效率等方面。演讲将会探讨两个具体的AI/ML实现范例：其一为将AI/ML代码从物联网/边缘设备以最优方式卸载至云端，其二是探索网络拓扑与连接性以达成高效的去中心化联邦学习。

杜军朝，西安电子科技大学“华山学者”领军教授、西电二级教授、国家级人才，教育部区块链技术应用与测评工程研究中心常务副主任，陕西省智能人机交互与可穿戴技术重点实验室骨干，陕西省科技创新团队负责人，陕西省秦创原科学家+工程师团队首席科学家，ACM西安分会常务理事，ACM中国图灵大会组委。以第一完成人获2022年度教育部技术发明二等奖、2021/2019年度陕西省高等学校科学技术特等奖/一等奖。出版国家重点图书出版规划教材《ZigBee技术原理与实战》。承担国家自然科学基金重点项目和省部级项目多项。在国际旗舰会议ACM Ubicomp、ACM Mobisys、IEEE/ACM期刊等发表论文多篇，获得2017 ACM Ubicomp 杰出论文奖（CCF A类）。研发物联网技术定位跟踪与预警系统、多媒体通信与智能服务系统，在国家重要行业推广应用，支持国产化替代与智能化升级的发展战略。研发国产“申威”和“飞腾”处理器的虚拟化测评技术，主持制定了中国电子学会《计算机系统虚拟化技术与系统通用测评要求》标准（T／CIE106-2021）。

报告题目：云边协同的联邦训练技术与资源受限的端侧智能应用

报告摘要：随着边缘智能应用，尤其是大模型加持的具身智能应用的迅猛发展，云边协同的多模态感知模型的联邦训练技术、资源受限的端节点中的智能应用技术，获得学术界和产业界的关注。本报告介绍团队在边缘智能应用中，面临数据和计算异构、缺少标记数据等挑战，研究多模态感知模型的联邦训练技术、联邦半监督学习技术与异步联邦训练技术；针对资源受限端节点中智能应用技术，研究模型压缩框架、跨域自适应技术，以及嘈杂环境中多人命令识别技术和应用等。

吴帆，博士，上海交通大学计算机科学与工程系特聘教授、博导、系主任，2020年国家自然科学基金杰出青年科学基金获得者。在大小模型协同智能、分布式智能系统、大数据管理、智能博弈等领域取得了一系列科研成果，已发表学术论文200余篇，论文发表在JSAC、TON、TMC、TPDS、TOC、TKDE等国际著名期刊，以及MOBICOM、MobiHoc、CoNEXT、INFOCOM、ICDE、VLDB、KDD等重要国际会议，并出版英文专著一部。先后担任IEEE Transactions on Mobile Computing、ACM Transactions on Sensor Networks、IEEE Transactions on Network Science and Engineering、Elsevier Computer Networks编委，以及Journal of Computer Science and Technology青年编委和中国计算机学会通讯专题编委。曾获国家级教学成果奖二等奖、教育部自然科学奖一等奖、CCF科技进步奖一等奖、ACM中国新星奖、CCF-IEEE青年科学家奖、仲英青年学者、CCF-腾讯犀牛鸟卓越奖、CCF-Intel青年学者提升计划、上海市浦江人才，以及包括IEEE/ACM IWQoS 2020在内的7次国际学术会议论文奖。先后担任ACM中国理事会副主席、CCF上海分部秘书长、CCF YOCSEF上海主席等。作为项目负责人承担科技创新2030“新一代人工智能”重大项目、国家自然科学基金、上海市科委项目20余项。

报告题目：大小模型端云协同智能计算

报告摘要：人工智能的快速发展与广泛应用已成为经济社会发展的强大引擎。大小模型端云协同进化作为人工智能关键前沿技术，可有效克服云侧集中式学习范式在可扩展性、实时性、个性化、负载成本、隐私安全等方面的不足，已成为产学研的焦点，并被Gartner和阿里巴巴达摩院等国内外知名机构预测为革新智能计算范式的科技趋势。本报告将会追寻端云协同智能技术的发展脉络，分享我们团队在端侧智能推理、大规模联合学习以及端云协同分布式智能支撑系统等方面的研究进展。

中国科技大学教授，博导，国家优青基金获得者。现任计算机学院党委书记兼副院长，主要研究方向包括边缘计算、云网融合、智能网络等。近年来，主持了国家基金委优青/重点/面上/青年基金、国家重点研发计划课题等项目，与国内多家知名企业建立了紧密合作。担任CAAI智能信息网络专委会常务委员，国际著名期刊Computer Networks等编委，曾任CCF A类期刊IEEE JSAC客座编辑。获省自然科学一等奖（第一）、省科技进步二等奖、华为优秀技术成果奖、ICNP 2016最佳论文奖提名等荣誉及奖项。

报告题目：边缘智能：从联邦训练到联邦微调

报告摘要：联邦训练可以利用边缘设备的算力和数据，通过模型聚合实现协同训练。报告综合分析了联邦训练所面临的需求和挑战，通过网络方法（如资源适配等）来提高联邦模型训练的性能，介绍了课题组围绕本地更新、模型传输、全局聚合等步骤取得的研究成果。同时，随着大型预训练语言模型的不断涌现，我们将研究拓展至联邦微调大模型。通过对边缘智能的研究，推动该技术的发展与应用，带动人工智能与物联网的嵌合运用。

陈旭，中山大学计算机学院教授、担任先进网络与计算系统研究所所长以及国家地方联合工程实验室副主任，入选德国洪堡学者、国家级青年人才项目和广东省高层次人才项目。承担包括国家自然科学基金联合重点项目、NSFC-广东省大数据科学中心项目、国家重点研发计划、广东省创新团队等项目与课题。曾获得IEEE Distinguished Lecturer、香港青年科学家奖、IEEE计算机学会年度最佳论文奖亚军， IEEE INFOCOM/IWQoS/ICC最佳论文奖项等学术荣誉。目前担任国际知名期刊IEEE JSAC、TWC、TVT、中国工程院信息院刊等编委。

报告题目：边缘大模型高效协同推理及应用

报告摘要：以ChatGPT为代表的AIGC应用崛起，在全球范围内掀起了一场关于大模型的竞速赛，由此导致AI算力需求急速攀升。边缘算力在成本、时延、隐私上具有天然优势，可作为云端算力的补充可，更好支撑大模型赋能千行百业。本报告将介绍边缘侧大模型多设备高效协同推理技术，通过利用本地化边缘设备和集群，实现经济实惠、资源高效和灵活可伸缩的个性化大模型人工智能服务及应用。本报告也将进一步展示在边缘环境中利用多个分布式边缘设备进行深度神经网络训练，应用于多设备协同联邦模型训练、边缘大模型协同微调等新兴场景。

王晓飞博士，计算机科学与技术副院长，教授，博导，国家级青年人才，中国计算机学会分布式专委会杰出青年学者，IEEE通讯协会Fred W. Ellersick Prize年度最佳杂志论文奖获得者，IEEE通讯协会亚太地区年度杰出论文奖，ACM China新星奖（天津），天津市科技进步一等奖，天津市青年科技奖。主要研究边缘智能理论、边缘计算系统架构、云边协同算法和算力网络技术体系等，发表高水平科研论文200余篇（含SCI论文90余篇），其中包括中科院1区/CCF-A类论文40余篇，中科院2区/CCF-B类论文40余篇，引用近万次，申请授权发明专利50余项，获世界通信大会ICC等学术会议和期刊的最佳论文奖励10余次，担任IEEE COMST（IF:34）等多个一二区期刊副编委和专刊编委，主持了国家自然科学基金、科技部重点研发计划等国家级省部级纵向课题多项，负责了电信、移动、亚信、华为、电科院等企业项目十余项。

报告题目：边缘智能与边缘算力

报告摘要：在大模型与小模型协同发展的背景下，边缘智能与边缘算力正日益成为关键技术。本报告将深入探讨边缘智能与边缘算力在实际应用中的重要性和前景，分析其在提高数据处理效率、降低延迟、增强隐私保护等方面的优势。我们将介绍最新的研究成果和技术进展，包括如何充分调动边缘侧零散异构的算力进行协同的模型训练和模型推理，并进一步介绍为了支撑大小模型边缘侧的协同训练推理，我们是如何构建边缘侧的算力网络。同时，本报告还将探讨边缘智能与边缘算力的协同机制，提出未来的发展方向和研究挑战，旨在推动边缘智能技术的进一步发展，为实现更加智能和高效的计算生态系统提供支持。

虞子豪，华为网络技术实验室高级专家，博士毕业于清华大学软件学院，本科毕业于中国科学技术大学少年班学院，承担国家自然基金项目和课题，研发物联网共存与融合技术、无源感知网络技术，在国际旗舰会议ACM/IEEE IPSN、IEEE ICDCS、ACM MOBICOMM等发表论文多篇。目前承担AI大模型分布式训练的多项技术研究工作，支撑华为云的盘古大模型跨集群训练穿刺，探索分布式训练技术前沿领域。

报告题目：跨集群/AZ分布式训练探索

报告摘要：随着AI大模型的迅猛发展，大模型训练需求日益膨胀，单集群规模受供电、散热、空间因素影响存在上限，跨集群/AZ分布式训练成为必然，同时，计算资源碎片化部署，分布式训练整合利用算力资源，获得学术界和产业界的关注。本报告介绍团队在分布式训练探索中，面临网络瓶颈、传输性能等挑战，研究分布式训练场景下的模型布放和切分设计、集合通信设计，网络架构及协议设计，网络隔离调度等，优化分布式训练的性能。