新加坡科技设计大学博士后研究员。本科毕业于电子科技大学，后获新加坡科技设计大学—新加坡国立大学联合培养博士学位。长期从事分布式机器学习、边缘智能、AI-RAN等交叉学科研究，发表NeurIPS、ACL、ICLR等高水平期刊/会议论文40余篇，担任ICML、AAAI、UbiComp等国际会议研讨会联合主席。曾获2026年6G·星辰青年科学家和多项国际会议论文奖等荣誉。

报告题目｜AI-RAN视角下任务导向的多模型通信与协同

报告摘要｜随着大模型能力向无线接入网、边缘计算和终端智能持续延伸，6G网络正从“AI赋能RAN”迈向“AI原生RAN”。AI-RAN不再仅是利用AI优化无线资源管理，而需将通信、计算、数据与模型能力深度融合，支撑大模型与小模型、云端与边缘、网络与终端之间的高效协同。本报告围绕“从比特到语义”的模型协同演进主线，分析多模型协同由模型权重、梯度进一步演进为语义信息和token的技术趋势，从而降低通信开销、提升推理效率。报告最后讨论该机制在具身智能、工业智能体等新型6G应用中的潜在价值与关键挑战。

北京邮电大学信息与通信工程学院副教授，北京市网络体系构建与融合重点实验室成员，中国指挥与控制学会智能指挥调度专业委员会委员。主要研究方向为6G具身智能体网络、大小模型协同、环境语义赋能无线通信、通感一体化波束成形。主持或参与国家重点研发计划项目2项、国家自然科学基金项目5项；发表IEEE TWC、IEEE JSAC等期刊与会议论文50余篇，出版著作2本，授权发明专利20项。担任《通信学报》青年编委，IEEE WCSP、ICCC等国际会议Co-Chair。

报告题目｜面向6G具身智能的通感算控一体化网络架构与闭环优化

报告摘要｜具身智能体网络的规模化部署正面临资源异构、动态环境与实时性约束的挑战。本报告聚焦6G AI-RAN架构下多智能体系统的通感算控一体化协同问题，提出一种云边端分层协同网络架构与闭环优化方法。针对高维认知语义与底层控制在时空尺度上的解耦需求，构建宏—微双时间尺度的“大脑—小脑”协同框架：云端作为认知大脑，负责理解用户高层意图并分解为结构化任务流程；边缘作为实时调度中枢，完成通信、感知、计算资源的联合编排；端侧具身智能体作为执行单元，将调度指令转化为连续物理动作，形成从意图解析到执行反馈的完整闭环。报告还将介绍基于轻量化智能决策模型的资源管理方法，以及面向6G AI-RAN具身智能体网络的原型实验系统平台搭建进展。

加拿大工程院院士、IEEE Fellow，现任穆罕默德·本·扎耶德人工智能大学机器学习系与计算机科学系教授，加拿大麦吉尔大学计算机科学学院教授、威廉·道森学者。1996年、1999年分获清华大学数学系学士与自动化系硕士学位，2006年获美国伊利诺伊大学香槟分校计算机科学博士学位。曾任Tinder首席科学家、三星蒙特利尔人工智能中心副总裁、首席科学家及联合主任，2021至2025年任ACM SIGBED主席。研究兴趣涵盖人工智能与机器学习、智能计算与通信系统、物联网及信息物理融合系统，合著学术专著5本，发表论文400余篇，获IEEE、ACM相关领域最佳论文奖10余项。

报告题目｜面向下一代通信网络的LLM：基础、关键技术与未来方向

报告摘要｜大语言模型（LLM）正在深刻改变人工智能的发展格局，并有望在下一代（NextG）通信网络的演进中发挥关键作用。除自然语言理解与生成能力之外，LLM也为网络智能化、网络自动化、网络优化与自主决策带来了新的机遇。本报告首先简要介绍LLM的基础知识及其部署中的实际考量，随后重点介绍若干关键技术与案例研究，包括用于网络流量预测的自我优化LLM、用于传输功率优化的上下文学习方法，以及用于6G网络复杂任务规划的多LLM辩论框架，展示LLM如何推动网络预测、网络优化和网络自动化规划的发展。最后，报告将展望实现智能化下一代通信网络的未来研究方向。

长期致力于智慧网络及应用研究，发表论文100余篇，入选ESI高被引论文、IFIP Networking等最佳会议论文10余篇；出版学术专著5本。担任多个网络领域期刊副编辑。入选中国通信学会算力网络、人工智能技术与应用、CCF计算机网络等委员会委员。主持自然基金重大项目，国家重点研发计划、军科委等十余项国家级项目；获教育部自然科学二等奖。所研发的算网编排系统获算网基础设施优秀产品及方案奖、网络领先创新科技成果。

报告题目｜说出你的网络：基于多智能体编排的自动化网络仿真构建

报告摘要｜网络研究通常依赖高保真仿真，但构建绿地（greenfield）环境仍需大量人工操作。大语言模型智能体在意图与实现之间存在鸿沟：长上下文、弱验证以及单一模型的使用，使得将意图转化为可运行的仿真器状态十分困难。本报告提出NICE——一个从自然语言意图构建绿地仿真的闭环多智能体框架，将分层的“主管—工人”架构与上下文隔离、用于状态接地和自我修复的闭环验证、双层经验记忆以及自适应LLM路由相结合。在包含30个任务的基准测试上，NICE将成功率从3.3%提升至90.0%；相比不带路由的变体，每个任务的平均模型成本从0.045美元降至0.034美元，首次通过率从46.7%提高至76.7%。

南京邮电大学副教授，现任南京邮电大学通信技术研究所常务副所长、物联网研究院副院长、教育部泛在网络健康服务系统工程研究中心副主任，入选中国科协青年托举人才工程。长期致力于智能内生无线网络、移动物联网等研究，发表高水平论文80余篇，授权国家发明专利30余项，获IEEE GLOBECOM最佳论文奖（排名第1）、IEEE JC&S最佳论文奖（排名第3）等。主持参与国家重大研究计划集成项目、国家自然科学基金青年项目、国家重点研发计划课题等多个项目。

报告题目｜多智能体协作赋能的智能内生无线网络关键技术

报告摘要｜当前移动物联网人机物融合场景呈现终端异构、业务动态、环境复杂的特征，传统基于静态规则的接入管控机制难以适配泛在接入与差异化业务保障需求，亟须构建具备内生智能的新型网络管控体系。本报告立足大规模人机物交互场景，面向多终端差异化业务需求，提出以多智能体协作为核心路径，构建知识、编排、监管等多类智能体协同联动机制，将智能内生能力深度嵌入无线网络管控全流程。最后，报告结合AI-RAN、RIS智能管控等业务场景，探索智能体的应用潜力。

阿联酋大学计算与人工智能学院助理教授。2023年获电子科技大学信息与通信工程专业博士学位，曾任新加坡创新研究院中级研究员、新加坡科技设计大学博士后研究员。主要研究方向为物联网、无人机网络、数字孪生与AI-RAN。任IEEE Network、IEEE Communications Letters副编辑，IEEE ICC、GLOBECOM研讨会TPC联合主席。以第一作者在IEEE TWC、IEEE TMC、IEEE INFOCOM等权威期刊和顶级会议发表论文20余篇，授权国家发明专利6件，出版专著一部。获IEEE ICCCS青年科学家奖及多项国际会议最佳论文奖。

报告题目｜数字孪生赋能的低空经济网络异构资源智能管理

报告摘要｜本报告面向低空经济网络中无人机高速移动、空地信道动态变化、服务范围跨尺度以及通信、计算、感知与频谱资源高度异构等问题，探讨数字孪生技术驱动的网络资源智能管理方法。报告首先介绍低空经济网络的发展背景与资源管理面临的主要挑战，随后针对不同飞行距离和应用场景，分别阐述面向近距离无人机网络的协同数字孪生、面向中距离场景的LST-DT、面向远距离场景的双尺度数字孪生，以及面向偏远距离场景的流量数字孪生技术，重点分析其在网络状态感知、资源需求预测、任务协同和动态资源调度等方面的作用。最后，报告将总结相关技术特点，并展望数字孪生与人工智能、通感算一体化及自主网络管理深度融合的未来发展方向。

CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、专题论坛、特色活动及展览。大会汇聚两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。CNCC2026将于10月21-24日在四川省成都市举办，大会主题是“数聚驱动，智算未来”，欢迎各界前来参会。