CCF BigData 2026倒计时两天：主旨报告亮点抢先看_最新动态

首页 > 最新动态 > CCF BigData 2026倒计时两天：主旨报告亮点抢先看

最新动态

CCF BigData 2026倒计时两天：主旨报告亮点抢先看

2026-08-2017

CCF BigData 2026 将于8月21日至23日在哈尔滨万达文华酒店举办，其中大会主论坛于8月22日与23日上午在酒店大宴会厅举行。本届主论坛邀请到院士、国家级领军人才、IEEE Fellow 等8位国内外顶尖专家，带来主旨报告。报告聚焦数据治理、大模型技术、通导融合、群智计算及行业智能服务等前沿方向，融汇顶尖学术成果与产业实践洞察，内容扎实、视野开阔，诚邀大数据领域研究者与从业者共赴冰城，共话数智未来。

以下为八位主旨报告讲者的报告详情与核心内容，学术亮点先睹为快。

樊文飞中国科学院外籍院士

樊文飞，CCF会士、深圳计算科学研究院首席科学家、英国爱丁堡大学信息学院讲座教授，中国科学院外籍院士、英国皇家学会院士、英国皇家工程院院士、英国爱丁堡皇家学会院士、欧洲科学院院士、ACM Fellow。北京大学讲座教授、清华大学杰出客座教授、北京大学深圳研究生院南燕荣誉教授。毕业于北京大学 ( 本科，硕士 ) 和美国宾夕法尼亚大学 ( 博士 )，任职爱丁堡大学前为美国贝尔实验室科学家。曾获得英国量家学会 Wolfson 研究成果奖 (2018)、欧洲研究委员会 ERC Advanced Grant (2015)、英国 Roger Needham 奖 (2008)、中国长江学者 (2007)，海外杰出青年学者 (2003)、美国 CAREER Award(2001)，Elsevier 网络科学刊物年度最佳论文和最杰出作者奖 (2002) 以及数据管理四大国际顶级理论与系统会议的时间检验奖和最佳论文奖:Alberto O.Mendelzon时间检验奖/ACM PODS十年最佳论文奖 (2010,2015),ACM SIGMOD (2017),VLDB (2010)和ICDE(2007)最佳论文奖。目前主要研究领域为数据库理论与系统，包括逻辑推理与机器学习的结合，DB4AI，AI4DB，数据质量、分布式计算、跨模计算、增量算法，在线推荐。

报告题目：从高质量数据到可信、可控、可用 AI
8月22日09:00 - 09:40 大宴会厅

报告摘要：

人工智能正在加速进入制造、金融、医疗和科研等关键领域，但其能力上限不仅取决于模型规模、更取决于数据质量、数据分析算法和数据基础设施。低质量、陈旧和不一致的数据会放大模型错误 ; 单纯依赖大模型又面临幻觉、推理不可靠、可解释性不足和海量数据依赖等问题 ; 传统数据库也难以直接支撑多模态数据管理、实时更新和智能体驱动的新型 AI 应用。本报告围绕高质量数据驱动的可信 AI 技术体系展开。首先，探讨如何通过自动化数据清洗、智能标注和合规处理，将原始数据转化为可训练、可计算、可复用的高质量数据资产。其次，讨论机器学习与逻辑推理协同的数据分析算法，通过引入领域知识和客观约束，提升小样本场景下决策的准确性、稳定性、可解释性和可控性。最后，分析面向 AI 的新一代数据基础设施，重点关注关系、向量、图和文档等多模态数据的统一管理、跨模查询、实时计算，以及智能体增强数据库中的确定性与一致性保障。报告旨在推动“高质量数据、可信分析算法与自主可控数据基础设施”的协同发展，为关键行业构建可信、可控、可用的人工智能系统提供技术路径，并引发学术界与产业界对可信 AI 体系的深入研究与实践探索。

郭毅可中国科学院外籍院士

郭毅可，CCF会士、香港代表处主任，香港科技大学首席副校长、计算机科学及工程学系和电子及计算机工程学系讲座教授、以及香港生成式人工智能研发中心主任。他是世界知名的计算机科学家，曾领导本港、国内、英国和欧洲其他国家的多个大型人工智能及数据科学研究项目。他曾任英国帝国理工学院七大全球研究所中的数据科学研究所始创所长及香港浸会大学副校长(研究及拓展)。他是英国皇家工程院院士 (FREng)、欧洲科学院院士 (MAE)、香港工程科学院院士 (FHKEng)、电机电子工程师学会会士 (FIEEE)、英国电脑学会会士 (FBCS) 、以及中国人工智能学会会士 (FCAAI)。

郭教授获授予2022年吴文俊人工智能杰出贡献奖，此奖项被认为是中国智能科学技术领域的最高荣誉。2025年6月，郭教授荣获星岛新闻集团颁发「2024年杰出领袖」奖项（教育/专业/科技及创新组别），以表彰其对香港教育及科技创新的变革性贡献。同年11月，郭教授当选为中国工程院外籍院士，以表彰其在信息与电子工程学领域的卓越贡献。中国工程院作为国家工程科学技术界最高学术机构，院士荣衔代表工程科学技术领域终身享有的最高学术成就。

报告题目：AI for Global Research Collaboration: Towards A New Area of Scientific Publication

8月22日09:40 - 10:20 大宴会厅

报告摘要：

AI 正从根本上改变科学家消化与交流知识的方式：借助 AI 助手，研究人员可在短时间内从数十万篇论文中提取关键数据，使文献阅读从被动堆积转变为动态交互，显著提升知识获取与利用的效率。同时，AI 工具如 Empirical Research Assistance（ERA）能够通过 Gemini 模型自动撰写并优化科研代码，大幅缩减反复测试与实验的迭代时间，加速从构想到发表的整个研究生命周期。

在出版层面，AI 已展现出完整自动化研究流程的潜力。“The AI Scientist” 系统不仅能自行提出研究构想、编写程序、执行实验与分析数据，更可完成整篇学术手稿并执行同行评审，其所生成的论文甚至已通过顶级机器学习会议的初步审查。此类进展标志着科学发现不再专属于人类，而可能迈向人机协作的新范式。本报告将讨论我们在这方面的一些想法和工作。

陈雷香港科技大学 ( 广州 )

香港科技大学 ( 广州 ) 数据科学与分析讲席教授，同时担任香港科技大学计算机科学与工程学系讲席教授，兼任信息枢纽院长、数据科学与分析学域署理主任。他是 ACM Fellow 和 IEEE Fellow，领域内的杰出研究者。陈雷教授的研究方向涵盖数据驱动人工智能、概率和不确定性数据库 , 社交网络中的众包分析 , 以及区块链、元宇宙等新兴技术。他曾于滑铁卢大学取得计算机科学博士学位，并斩获多项顶级学术荣誉，包括 2015 年 SIGMOD 时间检测奖、2022 年 VLDB 最佳研究论文奖，以及 2014 年 VLDB 优秀演示奖。陈雷教授在学术界拥有广泛的领导力与任职经历：现任VLDB 基金会主席 , 此前曾任 VLDB 2019 程序委员会联合主席及 IEEE TKDE 期刊主编 , 此外，他还历任 2024 年 VLDB 大会联合主席、2025 年 IJCAI 中国大会联合主席，以及 2019 年 VLDB 程序委员会联合主席。

报告题目：Data-Centric AI: Powering the Machine Learning Lifecycle from Preparation to Reliable Inference

8月22日10:40 - 11:20 大宴会厅

报告摘要：

尽管近年来人工智能取得的成功通常被归因于硬件、算法和数据这一“三位一体”的共同推动，但长期以来，相关研究更多关注模型设计，而非数据管理。然而，随着人工智能逐步应用于关键的现实场景，以模型为中心的方法所存在的局限性也日益显现。本报告将介绍一种向数据驱动学习转变的思路，即将从数据准备到系统部署全过程中的系统化数据处理作为提升系统性能的主要驱动力。我们将探讨先进的数据准备方法如何缓解数据稀缺问题，例如利用自监督学习进行空间插值；同时，通过核心集选择和数据回放策略，实现高效的流式学习，并在无监督持续学习中防止灾难性遗忘。此外，我们还将探讨数据在优化大语言模型推理效率与可靠性方面所发挥的关键作用。通过采用上下文感知的语义缓存以及面向混合缓存的自适应请求调度，可以显著降低推理延迟，并提升系统的有效吞吐能力。在可靠性方面，本报告将进一步讨论知识增强的检索增强生成如何利用先进的基于图的检索和 Skyline 优化，缓解大语言模型的幻觉问题，并提供显式的推理路径。通过在整个人工智能处理流程中将数据作为一等要素，我们可以构建不仅更加高效、可扩展，同时也更加可信、精准的人工智能系统。

崔鹏清华大学

崔鹏，CCF理事、副秘书长，清华大学计算机系长聘副教授，博士生导师，IEEE Fellow，ACM 杰出科学家，获得国家杰青项目资助。研究兴趣聚焦于因果启发的稳定预测和决策、结构化数据通用大模型等。将因果统计思想与机器学习框架进行融合性研究，自主提出并发展了因果启发的稳定学习理论方法体系，构建并开源首个结构化数据通用大模型 LimiX，在医疗、工业等场景取得显著应用价值。在 ICML、KDD 等顶级国际会议及 Nature Machine Intelligence 等期刊发表论文 100 余篇，先后 7 次获得国际会议或期刊论文奖。担任 IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD、KAIS 等国际期刊编委。获得两项国家自然科学二等奖、两项教育部自然科学一等奖、CCF-IEEE CS 青年科学家奖。担任第九届科协全国委员会委员，中国计算机学会副秘书长。

报告题目：结构化数据通用大模型：从数据智能基座到数据要素服务新范式

8月22日11:20 - 12:00 大宴会厅

报告摘要：

大语言模型推动了信息空间智能的跃迁，但科学发现、工业优化和经营决策等现实问题，主要以表格、时间序列和图等结构化数据为载体。传统“一类任务、一个数据集、一个专用模型”的范式，开发成本高、泛化能力弱，也使数据价值释放高度依赖原始数据汇聚与重复建模。本报告将介绍结构化数据通用大模型（Large Data Model，LDM）的基本思想与技术进展。LDM 通过在大规模、多领域结构化数据上进行预训练，从数据上下文中识别变量关系与潜在生成规律，以统一模型支持预测、插补、生成和因果分析等多类任务。报告将讨论结构化数据智能从专用建模走向通用基座的关键路径。在此基础上，进一步介绍基于 LDM 的“模数体”技术：将数据中可复用的规律与能力封装为可调用、可组合、可评测的智能载体，推动数据利用从“传递原始数据”转向“调用数据能力”，为实现原始数据可控、数据能力可用、使用过程可计量的数据要素服务提供新的技术路径。

邓中亮中国工程院院士

国际欧亚科学院院士

邓中亮，北京邮电大学教授，郑州航空工业管理学院校长，二十多年来致力于星地一体通信与导航融合理论、技术研究与工程实践，破解了长期困扰国际的高精度、广覆盖、室内外无缝隙、低成本定位以及广域高速卫星通信等基础性难题，在重大生产安全保障、远海域重大工程建设等核心领域发挥了巨大作用，引领位置服务规模化应用。以第一完成人获国家技术发明奖和国家科技进步奖共 3 项， 2016 年获光华工程科技奖，2020 年获全国创新争先奖。发表核心论文超 200 篇，获授权发明专利超百项。

报告题目：通导深度融合与人工智能

8月23日09:00 - 09:40 大宴会厅

报告摘要：

人们 80% 时间在室内，面向智慧社会的数字经济、公共安全、应急救援、老幼关爱、物联网、军事国防等对位置服务需求爆发式增长。北斗 +5G 融合已成为国家导航产业中长期发展规划重要内容，并成为当前移动互联网时代和智慧社会最受关注的热点。无处不在、无人不用、无所不需的位置服务需要不同尺度的位置云提供大规模、高可靠、高精度和低成本的时空信息。而卫星、移动基站、短距离无线以及其他时空信息感知手段均具有一定的局限性，如何实现广域高精度位置感知和计算成为了世界研究的热点。本报告分析了北斗 +5G 融合发展需求与面临的技术挑战，重点介绍了单无线网络（3G/4G/5G 移动通信网）高精度定位、多模态网络融合高可靠定位、天地一体智能无缝定位、广域室内外位置大数据服务及产业化应用等方面取得的系列研究成果以及“羲和”计划的进展情况。通过对移动通信、广播、无线网和卫星导航等多尺度位置云融合创新，为我国国家综合 PNT 重大工程以及低成本高精度位置服务提供了一条投入少、见效快的建设之路。

王海峰百度首席技术官

王海峰，百度首席技术官、深度学习技术及应用国家工程研究中心主任，国家卓越工程师。国际学术组织 ACL 首位华人主席、ACL 亚太分会创始主席、ACL Fellow、IEEE Fellow、国际欧亚科学院院士。CCF 资深会员。长期致力于自然语言处理、大模型、深度学习等人工智能核心技术研究及产业化工作。以第一完成人获国家技术发明二等奖、国家科技进步二等奖、中国专利金奖等，荣获首届全国创新争先奖、光华工程科技奖等。

报告题目：原生全模态大模型

8月23日09:40 - 10:20 大宴会厅

报告摘要：

多模态统一建模是当前大模型技术发展的前沿趋势之一。本报告解读万亿级原生全模态大模型技术，通过统一自回归框架实现文本、图像、视频与音频的多模态理解与生成。原生全模态大模型基于超稀疏混合专家（MoE）架构，通过模态无关的专家路由及共享专家池，提升跨模态学习与泛化能力；在预训练阶段首创弹性训练范式，能够在内存或时间受限场景中灵活权衡性能、模型大小和推理延迟；后训练阶段引入统一多模态强化学习，提升万亿级超稀疏大模型的收敛稳定性及多模态推理能力。得益于飞桨框架的多维混合并行训练、灵活注意力掩码等技术，模型的训练效率大幅提升。综合各项基准测试表明，原生全模态大模型在多个模态上均表现出强大且均衡的性能。

於志文哈尔滨工程大学

於志文，CCF会士、常务理事，哈尔滨工程大学党委常委、副校长，西北工业大学教授，中国计算机学会会士，教育部“长江学者”特聘教授，国家杰出青年科学基金获得者，“万人计划”科技领军人才，国家重点研发专项项目首席科学家。云计算及其应用技术国家地方联合工程研究中心主任，人机物融合群智计算教育部重点实验室主任，水下群体智能国家级创新团队负责人。主要从事物联网、普适计算、群智感知计算等领域的研究工作。已在国际顶级学术期刊和会议上，如 IEEE TMC、IEEE TKDE、MobiCom、INFOCOM、UbiComp 等发表论文 200 余篇，ESI 高被引论文 8 篇。担任国际权威期刊 CCF TPCI 主编，IEEE Transactions on Human-Machine Systems、IEEE Communications Magazine、ACM IMWUT等编委，担任 ACM UbiComp2026 大会主席、CCF CNCC2025 程序主席、IEEE PerCom2015 程序副主席。担任中国计算机学会常务理事、普适计算专业委员会主任委员等。曾获 IEEE HITC 卓越技术成就奖、IEEE Smart World杰出研究奖、CCF 优秀博士学位论文奖、CCF 青年科学家奖、国家级教学成果二等奖、教育部自然科学一等奖、陕西省自然科学一等奖和黑龙江省科技进步一等奖。

报告题目：从群智感知到群智计算

8月23日10:50 - 11:30 大宴会厅

报告摘要：

报告将首先介绍移动群智感知的挑战、主要创新成果，以及群智感知系统平台 CrowdOS 和相关应用，报告进一步介绍群智计算系统概念和背景，提出以“芯片、操作系统、算法、网络”为一体的群智计算系统研究思路，同时介绍在群智计算架构、群智操作系统、群智网络、群智算法框架四方面的研究进展。

赵春江中国工程院院士

CCF会士、数字农业分会主任，中国工程院院士、国家农业信息化工程技术研究中心主任、北京农业人工智能与机器人研究院院长。中国人工智能学会副理事长、中国农学会副理事长、中国农业工程学会名誉理事长、中国农机学会名誉理事长、农业部科技委委员、国家新一代人工智能战略咨询委员会成员。主要从事农业智能系统与智慧农业技术装备研究，先后获国家科技进步二等奖5项、国际奖2项和国家863计划突出贡献奖、国家973计划先进个人等荣誉。

报告题目：农业大模型与智能服务平台

8月23日11:30 - 12:10 大宴会厅

报告摘要：

大模型在多模态理解、推理和认知决策能力上已达到新的高度，在多种任务处理上的表现超过人类水平。农业大模型与知识服务平台作为人工智能在农业领域深度应用的核心，正日益成为推动农业数智化发展的重要科技支撑。通过整合海量农业数据、运用先进的机器学习算法，可对提升农业生产效率、优化资源配置、实现科学决策提供智能化支持。高质量数据集、知识萃取、知识图谱、参数调优、大模型与专业小模型结合，有助于提高模型精度。以农业大模型为核心，整合农业领域海量数据知识，构建知识服务平台，可为农业相关人员提供方便快捷与个性化的知识服务。多模态、跨尺度数据融合、快速知识更新、模型泛化能力的提高，是需要进一步深入研究解决的核心问题。

盛会启幕在即！主论坛设有开幕式、主旨报告及交流环节，具体议程安排如下，敬请关注并合理安排时间。

距离 CCF BigData 2026 开幕仅剩 2 天。主论坛议程已公布，筹备工作进入最后阶段，诚邀相关领域专家学者共赴哈尔滨，共同探讨大数据技术发展的新趋势与新机遇。

大会网址

https://ccf.org.cn/BigData2026

点击“阅读原文”即可跳转至官网注册报名

点击“阅读原文”，进入官网。

阅读原文

点我访问原文链接