简介
大模型正在重塑智能物联范式。从过去的“AI赋能物联”，演进为如今的“物联支撑AI”，这一变革正在重构大模型时代下智能物联的系统边界与能力分工。云边端协同、网络内生智能、精准测量与可信安全，正成为下一代系统的核心支柱。然而，复杂网络的高精度测量、感传算资源的跨域协同调度，以及高通量环境下的可靠传输，仍有很多未解之题。本论坛将聚焦大模型时代下智能物联的关键技术，邀请领域内权威学者分享最新研究成果，深入探讨从算法创新到系统落地的全栈突破，推动产业迈向“万物智联”时代。
简介为官网原文，部分内容可能未写完。
人员
主席
- 彭舰 · 四川大学
- 张欢欢 · 北京邮电大学
嘉宾
- 郭得科 · 中山大学
- 谢鲲 · 湖南大学
- 徐宏力 · 中国科学技术大学
- 杨鲲 · 南京大学
- 李彤 · 中国人民大学
- 周安福 · 北京邮电大学计算机学院
- 马华东 · 北京邮电大学
报告安排
开场致辞
彭舰 · 四川大学
算力网的发展思考和一些实践探索
郭得科 · 中山大学
简介
我们首先回顾最近20多年网络计算典型形态的演变路径，分析客户端/服务器、对等计算、网格计算、云计算、边缘计算的基本理念，探讨算力网的概念、挑战和发展机遇。其次，我们介绍在联盟算力网、教育科研算力网、以及6G算力网方面的一些实践和研究规划。围绕广域算力联盟的资源协同、服务保障与收益优化，报告将介绍可靠性驱动的提供方接入与契约定价、面向长期收益的市场感知资源调度，以及统筹任务调度、迁移区域与网络路径选择的资源分配与任务迁移一体化机制。在服务保障与激励方面，探讨自治约束下的服务质量反馈控制、基于服务质量在线评估的节点选择与分层收益分配，以及预算约束下的节点资源投入优化。结合实验结果，展示相关技术在降低资源采购成本、提升调度与节点收益、改善服务质量与满意度方面的效果。
全量高频网络可视化技术
谢鲲 · 湖南大学
简介
网络是数字经济与智能化系统的底座，故障定位、流量工程、算力调度都依赖对网络状态的准确观测。随着网络规模与动态性急剧提升，自动驾驶网络、数字孪生等要求网络状态全息可见、高频实时、深入微观。然而传统观测"测不全、看不细、识不准"：全网测量代价随规模平方增长，微秒级突发在分钟级采样下不可见，高阶耦合关系难以挖掘，故障只能事后被动处置。本报告介绍全量高频网络可视化技术，以低秩稀疏测量打破空间粒度限制，以低开销微观遥测突破时间粒度瓶颈，以高阶张量分析实现异常精准识别，把网络观测从"粗网眼"变为"细网格"，为网络从事后处置走向事前主动预警、迈向自智网络奠定数据基础。
端侧智能：破解资源受限场景下大模型推理困境
徐宏力 · 中国科学技术大学
简介
端侧智能场景下，大模型推理需兼顾低时延、数据隐私与本地化部署，但端侧设备算力、内存与带宽有限，混合专家等大模型难以高效运行。将部分参数卸载至CPU虽可降低显存压力，却带来传输开销与CPU计算瓶颈。为此，本报告提出面向资源受限场景的CPU-GPU协同推理与专家预取方法。一方面，依据实时计算需求动态决定各专家模块的执行位置，使CPU与GPU协同承担计算，并结合当前层实际需求与下一层预测进行资源分配与参数准备；另一方面，利用推测解码中草稿模型的隐藏状态预测目标模型的专家路由，结合上一轮真实路由，在草稿与验证阶段提前预取可能访问的专家，并按历史路由对当前预测的互补程度选择优先更新的层。通过动态管理GPU中有限的专家缓存，使显存优先服务于计算价值与访问概率更高的专家，从而减少传输等待、CPU阻塞与流水线空闲，为突破端侧显存、算力与带宽限制、实现大模型高效本地推理提供新思路。
6G移动通信网络中的通感算智融合
杨鲲 · 南京大学
简介
本次报告将从6G移动通信网络的角度探讨通感算智融合，实现通信网络内生智能，支持移动网络具备理解、预测并自主优化的能力。内容涵盖无线AI物理层端到端设计以及网络架构内生智能，包括基于华为晟腾NPU的物理层AI RAN实现和通算一体；介绍团队的多模态通感立体通信网络及其数字孪生，包括面向软件无线电/FPGA/GPU的硬件原型系统验证；最后探讨数字孪生向基础模型/世界模型的演进思考。
大模型时代的跨域分布式系统通信优化
李彤 · 中国人民大学
简介
大模型时代，算力、数据与服务日益跨域分布，跨域通信成为影响系统性能的关键瓶颈。本报告将从降低通信需求、提升通信效率、增强通信能力三个方面，阐述跨域分布式系统的通信优化思路。结合GeoTP、GeoLM、GeoCoco 等跨域数据管理系列工作，以及 TACK、PRED、AutoRec 等确定性传输系列工作，介绍我们在减少跨域交互、提升协调效率、增强传输能力方面的研究实践，并展望大模型时代跨域分布式系统通信优化的发展方向。