简介
当大模型从实验室走向千行百业，AI正经历从算法突破到产业落地的关键一跃。小米作为"人车家全生态"智能生活的引领者，始终与学术前沿同频共振——从具身智能到多模态感知，从端侧芯片到云端大模型，技术合作的深度与广度持续拓展。 本论坛聚焦AI领域最具活力的青年学者力量，汇聚来自国内顶尖高校的青年科研精英，围绕大模型、具身智能、AI for sicience等前沿方向，分享最新研究成果与产业落地实践。
简介为官网原文，部分内容可能未写完。
人员
主席
- 王斌 · 小米集团
嘉宾
- 黄萱菁 · 复旦大学
- 陈虹雨 · 小米集团
- 孟二利 · 小米集团
- 李祖超 · 武汉大学
- 范志华 · 中国科学院计算技术研究所
报告安排
GUI 智能体：从环境交互到自主规划
黄萱菁 · 复旦大学
简介
大语言模型正在推动人工智能从语言生成走向目标导向的任务执行。GUI 是手机应用、网页系统和桌面软件的通用交互入口，也集中体现了智能体在真实环境中感知状态、选择行动、利用反馈和处理异常的综合能力。本报告介绍GUI智能体的感知、决策、行动与反馈闭环，结合Magic-GUI、ToolCUA和MagicAgent，讨论交互环境、GUI—Tool协同、自主规划及强化学习方法，并分析Harness工程、行动对齐和多智能体协同在提升系统可靠性、安全性与可控性方面的作用。
小米技术合作与技术生态
陈虹雨 · 小米集团
简介
小米是一家以智能手机、智能设备和IoT平台为核心的消费类电子产品和智能制造公司。从智能手机起步，逐步构建起“人车家全生态”战略。我们始终以“技术为本”，致力于让全球每个人都能享受科技带来的美好生活。高校是新技术的研发中心，也是培养创新人才的重要基地。小米技术合作形成了一套辐射科技创新、人才培养、公益品牌三位一体的产学研合作生态。
从“试错驱动”到“自主演化”：多智能体与大模型重塑材料研发范式
孟二利 · 小米集团
简介
传统材料研发高度依赖人工试错，周期长、成本高，已成为新材料产业创新的瓶颈。随着大模型与多智能体技术的成熟，材料研发正经历从 "试错驱动" 到 "自主演化" 的范式变革。本报告将介绍小米 AI 实验室在 AI for Science 方向的探索与实践：以跨尺度多模态材料大模型为知识底座，以多智能体协同为执行中枢，构建涵盖科学假设生成、实验自动编排、设备自主执行、数据闭环迭代的材料自主实验室体系。
面向智能体的高效推理与多模态方法研究
李祖超 · 武汉大学
简介
本报告围绕大模型智能体两大核心使能技术：高效推理与多模态开展系统性研究。针对智能体进行多步推理、工具调用、环境交互时存在算力开销大、延迟高、成本难以管控等痛点，报告提出多项高效推理方案，在维持任务性能的同时，有效降低推理成本。面向智能体感知真实场景的需求，研究多模态信息融合技术，拓宽智能体输入维度，提升任务能力。研究阐明二者在智能体架构中的内在联系：高效推理保障智能体 “跑得动”，多模态能力让智能体 “看得清”。报告最终目标，是为搭建高效通用、可落地的多模态智能体，提供技术方法支撑与实现路径。
基于数据流技术的边缘大模型推理加速研究
范志华 · 中国科学院计算技术研究所
简介
随着自动驾驶、机器人等场景推动大模型向边缘端部署，受限算力与存储资源下的高并发、低延迟和强实时需求，使传统加速架构难以充分释放大模型推理性能。本报告围绕数据流技术如何支撑边缘大模型高效推理展开，介绍团队在算法结构重构、算子表达优化和运行时调度机制方面的研究进展，包含基于FFT语义压缩的线性算子蝶式数据流重构、面向非线性算子的原语级融合方法，以及硬件资源感知的自适应投机执行机制。