同济大学长聘教授、博导，上海市优秀博士主攻知识图谱与知识增强大模型及AI产业落地。打造KAG?Thinker、MemOS等成果，著专著6部，发表论文百余篇，谷歌学术被引1.5万+。主持十余项国家级AI项目，获多项科技与学术奖项。曾任AI独角兽CTO，现任OpenKG首任轮值主席，兼任多个学会重要职务。

报告题目：《全景记忆：2026智能体记忆技术十大趋势与挑战》

摘要：面向智能体向长期陪伴伙伴演进的趋势，研判下一代智能体记忆领域十大核心挑战与前沿趋势。围绕统一记忆架构、多模态记忆、端侧隐私学习、记忆与推理协同、类脑记忆机制、用户动态建模、记忆可信治理、跨智能体记忆共享、记忆幻觉防控、主动情境服务展开探讨。畅想突破碎片化记忆困局的技术路线，展望具备长期认知能力的个性化智能体未来形态。

介绍：张宁豫，博士，副教授，启真优秀青年学者，多次入选斯坦福全球前2%顶尖科学家榜单，主要研究方向为自然语言处理、大模型等，主持国家自然科学基金青年/面上、科技部科技创新2030新一代人工智能重大专项子课题，研发海洋大模型OceanGPT·沧渊、智能体技能图谱SkillNet、AI机理科学家Mechanist。

报告题目：大模型智能体多模态记忆系统

摘要：随着大模型智能体向长期运行、自主学习与持续交互方向发展，记忆能力已成为支撑智能体持续学习、个性化服务和复杂任务执行的关键基础。本报告围绕大模型智能体多模态记忆系统及其应用展开，构建面向文本、视频等多模态信息的统一记忆框架，实现多模态数据的高效存储、组织、管理与检索。同时，系统进一步面向移动设备提供端侧记忆能力，兼顾记忆效率与可靠性，为大模型智能体提供高效、可靠且易于部署的记忆基础设施，助力智能体实现长程、个性化和智能化的服务。

人工智能科学家、Memories.ai联合创始人兼首席科学家、英国布里斯托大学助理教授。毕业于剑桥大学，曾任Meta Reality Labs研究科学家，长期从事视觉AI、长视频理解、多模态大模型及人机交互研究。其创立的Memories.ai致力于构建具备长期视觉记忆能力的新一代AI系统。

报告题目：让Al记得住你:端侧视觉记忆与个人AI的下一步

摘要：今天大模型最大的缺口不是不够聪明,而是不记得你——所有"个性化"都停在几轮对话的上下文窗口里。我们在做的是一层视觉记忆(visual memory):把屏幕和摄像头持续看到的东西,变成可检索、可推理的长期记忆,而不是一堆躺着的录像。这一层跑在端侧,数据不出设备,配合 AI PC、手机和可穿戴上的算力,让 agent 第一次拥有跨天、跨应用、跨场景的个人上下文。我会讲我们在 Luci Desktop 以及与联想等 OEM 落地过程中踩过的真问题:记什么、怎么压缩、隐私边界怎么划、端侧模型的能力天花板在哪。最后聊一个判断:当每台设备都带上视觉记忆之后，个人 AI 的产品形态和数据飞轮会长成什么样。

清华大学兴华讲席教授、教育部长江讲席教授。曾任英国谢菲尔德大学讲席教授，2024年回国任教。长期从事多模态感知、类脑学习与具身智能研究，推动3项AI技术产业化。论文被引4.5万余次，H指数>90，连续入选全球前2%科学家及0.05%高被引学者。现任多本IEEE汇刊副主编，主持国家自然科学基金重点项目，为国际模式识别学会会士

报告题目：面向个性化智能体的自演化技能沉淀与效率优化

摘要：大模型智能体在真实办公场景中反复执行任务，却往往“用过即忘”，成功经验无法固化为可复用的能力，造成token与算力的持续浪费。本报告提出一种自演化技能沉淀框架：智能体在任务执行中自动将成功轨迹提炼为结构化、可检索、可组合的技能单元，作为程序性记忆纳入个性化记忆体系，实现“越用越聪明”。技能库随用户任务不断生长，形成千人千面的能力资产，使个性化与效率优化统一于同一路径。进一步地，沉淀的技能可用于小模型后训练，使3B级模型在办公任务上对标更大规模模型的表现，显著降低推理成本。报告还将介绍基于多节点GPU集群的自演化实验环境与沙箱，及在标准化基准上的量化验证结果。

介绍： Drexel University博士，记忆张量创始人兼CEO、上海算法创新研究院大模型中心负责人。带领团队研发“忆3”记忆架构、MemOS记忆操作系统与Metis记忆原生基模，致力于低幻觉、个性化及自我进化的AI系统创新与产业落地。曾任阿里巴巴业务中台数据智能负责人与淘天集团数据平台负责人。

报告题目：Metis：从无状态大模型到记忆原生基础模型

摘要：本次报告将介绍“记忆基础模型”这一新范式，以及我们构建的首个原型 Metis。传统大模型在多轮交互中本质上是无状态的，历史信息通常依赖上下文回放、RAG 等外部模块；Metis 则在模型主干中引入可持续、动态演化的原生记忆状态，将历史交互压缩到模型内部，并通过记忆注意力参与后续推理。通过面向记忆的专项训练，Metis 能够在前向计算中自主完成记住、更新、遗忘和反思等记忆过程；推理过程中模型权重保持冻结，原生记忆状态仅通过无梯度的前向计算即可持续更新。报告还将结合实验结果，讨论这一技术路线在记忆压缩、跨轮状态保持、计算效率和长期个性化交互方面的能力与边界，以及它对下一代有状态、可演化智能体的意义。

介绍：联想集团CTO办公室技术战略与平台主任研究员、副高级工程师。深耕多模态AI与智能理解研究及产业化，获吴文俊人工智能科技进步奖二等奖2次。曾获ECCV、ICPR、ICDAR等国际赛事十余项冠军，拥有30余项发明专利。主导技术已在联想超2000万台设备规模化应用，连续三年获联想MVP专利奖

报告题目： AI Twin: 全景记忆驱动Agent走向智能分身

摘要：随着Agent从任务执行走向长期陪伴，如何让AI真正“懂你、像你、替你思考和行动”，正在成为下一代智能体的重要挑战。本报告从认知神经科学中的人类记忆机制出发，探讨记忆如何塑造个体认知、决策与人格，并进一步介绍基于全景多模态数据构建个性化记忆系统的方法。报告将分享一种受人类情景记忆、语义记忆与程序记忆启发的AI Memory架构，通过构建可演化的个性化记忆图谱，使Agent逐步实现“Know What I Know、Think What I Would Think、Do What I Would Do”，向具备长期认知连续性的智能分身（AI Twin）演进。结合真实用户研究与产业实践，报告还将讨论记忆驱动Agent的关键技术路径、应用场景及未来挑战

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。