举行，大会将为全球自动化、信息与智能科学领域的专家学者和产业界的同仁提供展示创新成果、展望未来发展的高端学术平台，加强不同学科领域的交叉融合，引领自动化、信息与智能科学与技术的发展。

　　本届大会设置共计近50个平行会议，“大模型与网联智能”平行会议集结完毕，将于2024年11月2日召开！敬请期待！

　　PP电子 app

　　随着5G通信和大模型等技术的飞速发展，智能机器人、无人车、无人机等智能系统迎来了新的发展机遇。然而，由于应用场景日趋复杂，数据形式日益多样，单智能系统的感知、运算、存储和信息处理等能力有限，给实际应用带来诸多挑战。同时，大模型强大的表达能力、交互能力和学习能力给智能系统的感知、规划、决策性能的进一步提升带来了巨大可能。因此，开展大模型与网联智能系统的综合研究成为人工智能新的前沿发展方向。

　　为了更好地探讨5G网联、智能系统与大模型技术的前沿进展，研讨相关重要方向和关键技术，中国自动化学会网联智能系统专委会在2024年中国自动化大会期间举办网联智能系统与大模型专题研讨会，会议邀请领域内8位权威专家带来精彩学术报告，深入探讨相关主题，促进领域研究人员的交流。

　　程翔，北京大学电子学院副书记，北京大学博雅特聘教授，博导，IEEE Fellow，AAIA Fellow，国家杰青和优青，荣获第五届“科学探索奖”，中国工程院首届“中国工程前沿杰出青年学者”， IEEE亚太地区杰出青年研究学者，IEEE车辆技术协会杰出讲师（Distinguished Lecturer），连续多年爱思唯尔“中国高被引学者”，中国通信学会青年科技奖。研究方向主要集中于基于数据驱动的智慧网络和网联智能研究。共发表论文300余篇，其中IEEE期刊160余篇，包括ESI热点论文4篇和ESI高被引论文19篇。获得了10次知名国际期刊和会议的论文奖项。授权专利30项（包括2项国际PCT专利）；获得了省部级奖励7项，牵头发布/立项了4项国内标准，包括1项行业标准和3项团体标准。目前，担任担任IEEE Transactions on Wireless Communications等多个期刊的编委工作，担任中国自动化学会“网联智能专业委员会”主任和中关村“多智能体协同理论和技术”开放实验室主任等。

　　张嘉楠，北京大学电子学院助理教授、研究员、博士生导师、博雅青年学者、海外优青。获清华大学学士学位，美国麻省理工学院（MIT）硕士、博士学位。曾在谷歌总部网络基础设施部门担任高级工程师。研究方向为网络理论与网联智能：包括网络优化与跨系统资源分配、随机控制、网络可靠性等理论；应用于通感存算一体化网络、数据中心网络，及多智能体系统。在国际顶级期刊和会议上发表学术论文20余篇。担任中国自动化学会“网联智能专业委员会”副秘书长。曾获WiOpt 2024最佳论文奖、INFOCOM 2017分会场最佳论文展示奖、谷歌Perfy Award等奖项。

　　支撑移动智能体（例如无人车、无人机、人形机器人等）是6G 网络的重要场景之一，该场景中包含了大量的通信和多模态感知信息，为了更合理的利用人工智能方法开展通信和多模态感知的深度交叉融合，同时实现 AI for Com和 Com for AI，我们首次提出了机器联觉的概念，即通信与多模态感知的智能融合。在初步介绍机器联觉的概念后，简单介绍一下多模态数据集的构建后，报告将重点介绍我们最近开展的利用人工智能大语言模型（LLM）解决传输物理层设计中的信道预测问题。精确的信道状态信息（CSI）对于B5G/6G MIMO无线通信系统性能保障至关重要，而信道预测是高速场景下低成本获取CSI的一项关键技术。然而，现有的基于参数化模型和深度学习的信道预测方法存在预测精度低和泛化性差等问题，难以应用到实际复杂信道环境。近期，GPT-4和LLaMA等大语言模型（LLM）在自然语言处理等领域取得了巨大的成功，展现了强大的推理和泛化能力。然而，当前LLM在无线通信的应用局限于语言形式的协议理解等任务，限制了其在物理层的应用范围。那么，大语言模型能否突破语言局限，赋能非语言形式的无线通信物理层任务？为此，我们以信道预测任务为突破点，首次将预训练LLM应用于无线通信物理层任务，提出了不同于传统参数化模型和深度学习小模型的信道预测新范式。仿真结果显示，所提出方案在TDD和FDD信道预测任务上取得了SOTA的全样本和少样本预测性能，频点泛化性能大幅领先于现有方案，同时具有和深度学习小模型相当的训练和推理时间开销，有望部署于实际场景。此外，所提方案具有较好的通用性，能够扩展到不同LLM种类，适应不同微调方式，并扩展到细粒度信道预测等信道预测相关任务。

　　程翔，北京大学电子学院副书记，北京大学博雅特聘教授，博导，IEEE Fellow，AAIA Fellow，国家杰青和优青，荣获第五届“科学探索奖”，中国工程院首届“中国工程前沿杰出青年学者”， IEEE亚太地区杰出青年研究学者，IEEE车辆技术协会杰出讲师（Distinguished Lecturer），连续多年爱思唯尔“中国高被引学者”，中国通信学会青年科技奖。研究方向主要集中于基于数据驱动的智慧网络和网联智能研究。共发表论文300余篇，其中IEEE期刊160余篇，包括ESI热点论文4篇和ESI高被引论文19篇。获得了10次知名国际期刊和会议的论文奖项。授权专利30项（包括2项国际PCT专利）；获得了省部级奖励7项，牵头发布/立项了4项国内标准，包括1项行业标准和3项团体标准。目前，担任担任IEEE Transactions on Wireless Communications等多个期刊的编委工作，担任中国自动化学会“网联智能专业委员会”主任和中关村“多智能体协同理论和技术”开放实验室主任等。

　　生成式人工智能是当前AI技术发展的热点，具有对复杂数据分布强大的学习能力，数据高低维度之间的高效转换能力，和数据质量的超级增强能力。本讲座将简要介绍生成式人工智能技术，然后聚焦其在6G核心技术中的两个应用：打造生成式网络通信大模型、支撑生成式语义通信。

　　崔曙光，教授，加拿大皇家科学院、加拿大工程院双院院士，全球高被引学者，IEEE Fellow，深圳市杰出人才培养计划首批入选人，深圳市决策咨询委员会成员。崔教授于2005 年在美国斯坦福大学获得博士学位，先后在UC Davis等多所美国大学任教至讲座教授。2018年加入香港中文大学（深圳），先后担任理工学院执行院长、校长学勤讲座教授、深圳市未来智联网络研究院院长、港中深-京东集团人工智能联合实验室主任，广东省未来智联网络重点实验室主任。崔教授当前的科研成果主要集中在通信网络与AI技术的深度融合。他已在国际一流期刊和会议上发表了近400篇论文，曾担任多个IEEE 国际会议的主席和程序委员会主席，IEEE 旗舰期刊的指导委员会成员、主席，IEEE 无线技术委员会的主席。他在2012年获得IEEE信号处理协会最佳论文奖，2013 年当选IEEE Fellow，2014 年入选IEEE 通信协会杰出讲师、汤森路透全球高被引科学家名单、ScienceWatch 全球最具影响力科学家名单。崔教授在2020至2022年还获得IEEE ICC最佳论文奖，IEEE ICIP最佳论文列表，IEEE GLOBECOM最佳论文奖，中国ICT创新应用奖，IEEE WCNC 最佳论文奖，CCF Chinagraph首个图形开源数据集奖，中国电子学会自然科学一等奖，中国通信学会技术发明一等奖。在2023年，崔教授获得IEEE马可尼最佳论文奖，IEEE WTC无线技术成就奖，并当选新一届IEEE Transactions on Mobile Computing（CCF-A核心期刊）主编，是中国大陆工作的学者首次担任。在2024年，崔教授荣获2023年度国家自然科学二等奖。

　　近年来，大语言模型发展迅速，能力越来越全面，通用性越来越强，应用越来越广泛。本报告将首先简要回顾大模型技术，然后结合百度在大模型方面的工作，介绍知识增强的大语言模型技术及能力特点， 最后结合具体实践介绍大模型的产业应用。

　　何中军，教授级高工，百度人工智能技术委员会主席。长期从事人工智能、自然语言处理、机器翻译研究与开发，研发了全球首个互联网神经网络机器翻译系统、语义单元驱动的机器同传系统等。在领域权威会议和期刊发表学术论文30余篇，获授权发明专利90余项。曾获得国家科技进步二等奖、北京市科技进步一等奖、中国电子学会科技进步一等奖、中国专利银奖、北京青年榜样、中国电子学会优秀科技工作者等奖励。

　　鲁棒性是指系统在面对各种干扰时仍能保持预期性能的能力，其起源可追溯至20世纪50年代的“Robust Control”。鲁棒性问题是人工智能等领域长期存在的未解难题，严重制约着人工智能技术在信息化作战等强对抗场景下的应用。本报告将介绍一种称为数据复原的研究思路，简要介绍数据复原领域已经取得的进展，并对未来进行展望。

　　马国俊，负责抖音集团相关业务的泛体验、泛安全、泛质量智能化能力建设，主导建设了一系列AI应用系统：AI for 体验（字节跳动用户体验中台、伽利略推荐系统）、AI for 安全（抖音生态策略、可信LLM）、AI for 质量 （抖音质效实验室）等，并在抖音、直播、头条、番茄、剪映等多个业务落地。个人主要研究兴趣为LLM应用研究、智能化软件工程、可信LLM、数据挖掘等。带领团队连续多年获得字节跳动最佳技术贡献团队奖，个人发明专利50多项

　　本报告主要介绍鹏城实验室脑海团队在鹏城云脑上训练鹏城·脑海大模型的数据工程和数据Scaling Law的相关探索情况，主要内容包括：一、脑海模型简介；二、支持脑海模型持续演化的数据工程；三、脑海大模型数据Scaling Law实验探索；四、大数据驱动的脑海信号大模型。

　　王晖，博士，现为鹏城实验室网络智能研究部高效能云计算所研究员。主持和参与30多项科研课题，获得省部级科技进步特等奖1项、一等奖2项、二等奖4项，国家发明专利16项。主要从事NLP大模型、分布式机器学习等领域的研究和应用工作。带领团队先后研发了国内首个全开源开放的2千亿参数中文预训练语言模型鹏城.盘古、国内首个百亿规模参数的多语言机器翻译大模型鹏城.通言。是鹏城.脑海大模型的主要负责人之一。

　　机器能否理解人的心智一直是人工智能领域关注的热点问题。近来大模型技术快速发展，在自然语言处理、视觉理解、内容生成、决策规划等各方面表现出了强大的能力，带来了人工智能各个领域的深刻变化。大模型能否进行心智推理、如何进行心智推理、进而能否正确理解人的想法是一个有趣而又具有挑战性的问题。针对该问题，本报告从方法和实践方面探讨大模型的心智推理能力，分析大模型进行心智推理的难点和瓶颈，介绍基于视频的复杂任务意图理解、视频意图推理问答等研究进展，并对大模型的心智推理未来研究工作进行展望。

　　魏平，西安交通大学人工智能学院副院长，教授、博士生导师，国家级青年人才，陕西高校青年创新团队（自主智能系统）带头人，IEEE Senior Member。西安交通大学学士、博士学位，美国加州大学洛杉矶分校博士后、联合培养博士。研究领域包括计算机视觉、机器学习、智能系统等。主持国家自然科学基金联合基金重点等科研项目二十余项，在TPAMI、CPR、ICC等国际权威期刊和会议发表学术论文多篇。担任中国自动化学会网联智能专委会副主任委员、中国图象图形学学会机器视觉专委会委员，曾获得国家教学成果一等奖、中国自动化学会科普奖等荣誉奖励。

　　随着边缘设备性能的提升和海量实时数据处理需求的增长，边缘智能得以迅速发展，拓展了人工智能新边界。同时大模型的涌现为边缘智能带来了新的机遇和挑战：边缘设备计算、存储和通信资源异构受限，数据隐私保护要求较高，且数据呈现非独立同分布的特性， 如何充分利用异构边缘设备资源和本地数据，开展边缘协同的大模型学习，需进一步的探索。同时，动态开放的边缘环境易受潜在恶意节点威胁，安全性难以保障；现有边缘智能协同系统效率受限，难以实现动态接入与高效并行。基于上述挑战，本报告主要从理论与系统两个层面探讨边缘智能场景中如何基于弱设备利用轻量化技术实现大规模模型的协同训练优化，并面向动态开放复杂场景设计轻量化、高鲁棒、自适应的分布式学习算法。

　　于东晓，国家重点研发计划项目首席科学家、国家优秀青年科学基金获得者、山东大学计算机科学与技术学院副院长、山东省数链融合技术创新中心主任。主要研究方向包括分布式计算、边缘智能、物联网和数据挖掘。近五年来发表 CCF-A/ JCR一区论文100余篇，获得国际会议最佳论文奖4项(IEEE IPCCC 2020、PDCAT 2020、CsoNet 2019、IIKI 2019)、最佳论文提名奖3项(MobiHoc2023、IEEE MASS 2021、WASA 2019)。主持国家重点研发计划、国家优青、国家自然科学基金联合重点等科研项目二十余项。获山东省自然科学二等奖、山东省教学成果一等奖。担任CCF-A类期刊IEEE TC、通信领域旗舰期刊IEEE TWC编委、ComCom领域编辑，国际学术会议WASA 2020的程序委员会主席和IEEE WCNC 2020程序委员会领域主席，担任十余个国际顶级会议的程序委员会委员。PP电子的官方网站