徐宏力，中国科大教授，博导，国家优青，现任计算机学院党委书记兼副院长，研究方向包括边缘智能、云网融合、联邦学习等。近年来，主持了国家基金委优青/重点、国家重点研发计划课题、中科大-华为计算网络联合创新等项目。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。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。

郑晓龙，华为数通研究部部长，华为DCN领域科学家，2016年获清华大学自动化系博士学位，2011年获清华大学自动化系学士学位。研究兴趣主要有数据中心网络架构，RDMA网络，大模型训推网络，发表SCI/顶会（如SIGCOMM、ATC等)论文十余篇，专利数十项，主持国家重点研发项目一项，曾获清华大学优秀博士论文，清华大学优秀毕业生。

张宇超，北京邮电大学计算机学院，教授、博士生导师，国家优青、国家重点研发计划项目青年科学家。主要研究领域包括计算机网络、智算中心、AI安全等方向，发表国际高水平学术论文90余篇，多次获得最佳论文及提名奖，授权国家发明专利和国际PCT专利30余项，制定国家行业标准4项、团体标准2项。长期担任MobiCom、IWQoS等国际会议主席/领域主席，是《电子学报》、《计算机工程》、《中兴通讯》等期刊青年编委。

讲者简介：华为数据通信DCN技术实验室专家，2018年博士毕业于斯坦福大学。长期从事DCN的流量建模，负载均衡，缓存管理等研究，多项相关技术已在商用交换机落地应用。在DCN领域已申请30余项发明专利，并发表3篇学术论文。近期研究重点为AI系统的建模优化和超万卡仿真平台构建，对于大规模AI训练的组网拓扑、长距拉远、多网合一等领域都有深入研究，助力构建华为星河AI网络解决方案。

报告题目：大规模 AI 集群网络的挑战与实践

报告摘要：在OpenClaw引领的AI Agent浪潮下，对智算集群提出了全新的极致算力与网络诉求。作为支撑AGI的核心基础设施，智算集群正迎来全方位变革，超十万卡超大规模组网升级、大模型高效训练、多机常态化推理、通算与AI智算深度联动成为行业趋势。同时，传统集群架构受限、大规模组网可靠性下降、通信延迟拖累训练与协作效率等痛点愈发突出，成为行业共性难题。本报告结合华为智算集群的迭代实践与前沿思考，围绕超大规模、高可靠、高效能智算网络体系构建核心问题，与业界专家共同探讨技术演进方向与核心挑战，探索下一代智算集群的创新破局路径，赋能多智能体AI与AGI基础设施持续升级。

讲者简介：中国电信云计算研究院云网融合中心负责人，资深主任研究员。北京大学电子系博士及本科，曾任耶鲁大学计算机系研究型助理教授及博士后，华为加拿大AI网络团队负责人。长期从事AI基础设施、数据中心网络、广域网调度等方向研究与系统研发。在SIGCOMM/ATC/INFOCOM/IEEE TON等顶尖会议期刊发表论文30余篇，获最佳论文1篇，拥有专利10余项，曾主持国家自然科学基金青年基金，获华为火花奖及Meta Networking Research Award等奖项。

报告题目：智算时代下多租户GPU集群的网络通信优化

报告摘要：随着AI大模型（LLM）与智能体（Agent）训练及推理需求的爆发式增长，大规模智算集群已成为新一代人工智能发展的核心基座。由于建设成本高昂，面向多租户的共享型GPU集群已成为云服务商部署大模型的主流基础设施。在多租户环境下，多个训练任务共享网络资源，引发通信冲突，导致训练任务变慢及GPU算力资源浪费。本次报告将聚焦多租户GPU集群中网络通信调度难题，分析其技术挑战与行业现状，并分享团队在该方向的多项创新成果及对未来技术演进的思考。

讲者简介：王昭宁，中国联通研究院高级研究员，集团科研战略人才，3GPP SA5工作组副主席，入选北京市科协青年人才托举工程，牵头或参与多项国家重点研发计划研究任务、中国联通核心攻关项目课题，长期从事6G、网络优化、智算网络、大数据等技术研究工作。

报告题目：大规模智算网络运营管理：挑战与展望

报告摘要：聚焦规模化AI业务驱动下的智算中心网络运营实践，系统梳理了智算网络在业务落地与运营管理中面临的多重挑战，并结合数据与知识协同驱动、算网深度融合等趋势，展望新一代自动化、智能化、高效节能的运营体系建设路径，为构筑高可靠、高效率的智算基础设施提供参考。

讲者简介：戴国浩，上海交通大学副教授。主要研究方向为稀疏计算电路与系统，在相关领域的国际顶级会议和期刊发表论文80余篇，谷歌学术施引四千余次。发表论文曾5次获最佳论文奖（FPGA’25，ASP-DAC’25，ISEDA’25，DATE’24，ASP-DAC’19）和3次获最佳论文奖提名。担任领域内多个国际会议TPC成员和期刊审稿人、Ph.D. Forum at DAC 2024联席主席等职务。曾参与指导学生获ACM 2021 SRC 全球第三，MICRO 2020 SRC全球第一。个人荣获2024MIT TR35、2024算力中国·青年先锋人物（全国每年10人）、2022 WAIC 云帆奖、2021 NeurIPS BIGANN竞赛全球冠军等荣誉。

报告题目：大模型集群推理中的软硬件协同设计

报告摘要：如今大模型时代下，Token成为核心的生产要素，推理系统速度成为关键指标。现在的主流投机解码的主体主要分为两类，一类是以EAGLE为代表的自回归小模型，一类是以DFlash为代表的并行小模型，但这两类方法在智能体“长文本”“高频次”推理场景中仍存在一定缺陷，本次报告分析了智能体时代下现有投机解码方法的问题并给出其应该具备的特征，进一步提出设计一种面向智能体场景的高效投机解码方法，该方法通过消除KV Cache突破智能体“长文本”的限制并缓解Infra侧的优化压力，相比于EAGLE和DFlash取得1.2~1.5倍加速。

讲者简介：缪葱葱，新加坡国立大学高级研究员，于清华大学计算机系获得博士学位，后期在腾讯公司工作，长期从事计算机网络、计算机系统等方面研究和工程落地，获CCF科技进步二等奖，深圳市科技进步一等奖，发表ACM SIGCOMM、USENIX NSDI、ACM MOBICOM、IEEE TPDS等计算机领域顶级会议和期刊论文30余篇。

报告题目：大规模跨域互联网络关键技术

报告摘要：大模型进入万亿参数时代，单个GPU/服务器提供的算力有限，需要打造大规模、分布式的高性能计算集群。本报告通过实现网络故障快速定位和可靠性优化技术构建高可用的数据中心互联网络；提出光网络遥测技术构建世界最高精度光网络数据采集系统，实现物理层故障秒级定位；提出基于故障可预测的流量工程系统大大提升了网络系统的带宽容量，保障网络的可用性；提出骨干网络数字孪生模拟器将网络流量工程故障定位时长缩短至分钟级。