AI能否真正理解物理世界并与之交互?徐凯、杨鑫邀你共论 | CNCC

个人简介：国家高层次人才，南方科技大学计算机系教授，曾就职于英国邓迪大学、伦敦玛丽王后大学、法国INRIA Rhone-Alpes研究所、新加坡南洋理工大学。研究方向包括 计算机视觉、深度学习、大模型和智能体、医学影像处理等。连续多年入选全球前2%顶尖科学家和终身影像力榜单。任包括IEEE TMM在内的国际顶级期刊的编委，2022年中国计算机视觉和模式识别大会（PRCV）主席。

报告题目：面向复杂场景的目标感知技术研究

报告摘要：目标检测与识别是计算机视觉的重要任务，也是多模态大模型和具身智能的关键环节。现有方法在复杂场景下仍面临小目标难以检测、适应性不足、未知类别识别能力受限等问题。报告介绍面向这些挑战的相关模型与方法，重点讨论新型视觉基础模型、复杂场景闭集与开放集检测等技术，通过优化检测框架缓解类别与边界框预测干扰、小目标检测薄弱和查询固定等局限，并探讨融合视觉与语言模型的开放式检测方法及其训练效率、精度表现。

个人简介：陈志波，中国科学技术大学讲席教授，主要研究领域为基于生成式AI的视觉信号智能处理以及相关交叉领域。曾获国家自然科学二等奖，教育部自然科学一等奖，安徽省科技进步一等奖等，获IEEE TCSVT期刊2025最佳论文奖，入选国家高层次人才。现任IEEE TCSVT期刊资深编委，曾任IEEE视觉信号处理与通信技术委员会(VSPC-TC)主席。

报告题目：基于物理的生成式世界模型 Physically Grounded Generative World Modeling

报告摘要：生成式人工智能与视频基础模型的快速发展，为世界建模带来新的机遇。然而，视觉上逼真的视频生成并不天然具备物理一致性、因果合理性和交互可控性。报告聚焦“基于物理的生成式世界模型”，介绍面向物理机制理解的系列研究，包括3D/4D生成、先几何后外观的建模范式、物理感知运动合成、潜空间物理对齐与世界模型评测等，进一步讨论世界模型与物理智能协同发展的路径，探索让生成结果更好反映真实世界规律的方法。

个人简介：教授、省部级自然科学一等奖获得者。曾任IBM研究院首席研究员和亚马逊人工智能实验室顾问总计10年 。主要研究兴趣为机器学习及交叉应用。长期任机器学习三大会议ICML/NeurIPS/ICLR领域主席、ICML董事会成员（大陆首位）。获AAAI 2021、IJCAI 2023最具影响力论文、CVPR 2024、IROS 2025最佳论文候选、ACL 2025杰出论文，学术引用逾四万次。任国际科学智能联盟副秘书长、国际模式识别学会IAPR、英国工程技术学会IET会士，获IEEE-CS AI’10 to Watch新星奖、IEEE-CIS青年成就奖。

报告题目：大模型新架构探索：JTok和xHC

报告摘要：报告介绍JTok与xHC两项大模型新架构研究，分别从token与残差流维度扩展模型能力。JTok引入可学习记忆向量与轻量调制，在61B参数、570B tokens规模实验中，实现达到同等性能所需训练算力节省约35%。xHC通过时序特征增强和稀疏残差流，将Hyper-Connections扩展率推进至N=16，并展示其在混合专家模型上的表现。报告还将讨论访存瓶颈、xHC-Flash优化及两条路径的潜在互补性。

个人简介：袁鑫，西湖大学感知与计算成像实验室负责人，美国光学学会会士（Optica Fellow），国家海外高层次青年人才，入选斯坦福大学世界前2%科学家终身影响力榜单。2015-2021年担任美国贝尔实验室视频分析与编码首席研究员。担任光学领域知名期刊《Optics and Laser Technology》编辑（Editor）、《Chinese Optics Letters》专题编辑（Topic Editor）、《Advanced Imaging》副编辑（Deputy Editor）。获2025年中国光学工程学会技术发明二等奖，是国际上单曝光压缩成像的主要推动者。

报告题目：计算成像重建算法20年进展：从迭代优化到深度学习再到生成式AI

报告摘要：报告回顾计算光谱成像重建算法近二十年的发展脉络。从早期的迭代优化算法，到以卷积神经网络、循环神经网络和Transformer等为代表的深度学习方法，再到近期扩散模型与生成式人工智能对成像重建带来的新思路，梳理算法范式演进及其技术特点。报告将比较相关方法在重建能力与应用需求方面的变化，介绍现有计算光谱成像重建方法的研究进展，并结合任务型计算光谱成像，分享下一阶段的研究思考。

个人简介：主要研究人工智能、类脑计算；在 IEEE T-PAMI、IEEE T-RO、IEEE T-SP 等顶级期刊及 ICML、NeurIPS、CVPR 等国际会议发表论文 50 余篇；担任国际期刊 Int. J. Robotics Research (IJRR) 编委；主持国家自然科学基金项目 4 项、科技创新 2030 “脑科学与类脑智能” 国家重大专项子课题、“新一代人工智能” 国家重大专项子课题等。

报告题目：面向端侧“学习-推理”一体化的类脑在线学习技术——从“静态推理”迈向“动态智能”

报告摘要：当前端侧智能系统多采用离线训练、端侧推理方式，模型部署后缺乏持续在线学习与环境适应能力。突破“训练—推理”分离的局限，发展支持端侧片上在线学习的高效算法和芯片架构，是构建“学习—推理”一体化新范式的重要方向。报告将分析端侧学习面临的挑战，介绍类脑在线学习算法与芯片架构的核心目标、技术演进路线，以及团队推动端侧智能从“静态推理”迈向“动态智能”的最新研究进展。

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。