CCF上海与CCF物联网专委联合举办“优秀青年学者论坛”

2024年9月21日，由CCF主办，CCF上海与CCF物联网专委联合组织的优秀青年学者论坛在太原潇河国际会议中心举办。论坛由CCF上海监委主席、CCF物联网专委副秘书长孔令和主持。邀请到青年一代的优秀学者浙江大学高艺教授、南京大学刘佳副教授、上海交通大学刘生钟副教授、北京理工大学于季弘副教授、中南大学张德宇副教授、东南大学周睿婷副教授先后发言。另有60余位来自高校、企业的专家与学生参与本次论坛，会场爆满，多位参会人员站着从头听到尾。全体与会人员围绕物联网领域的前沿研究与未来发展等方面展开讨论交流。

论坛开始，第一位嘉宾是浙江大学高艺教授，分享了题为《大模型赋能的云边协同智能物联网》的报告。大模型技术在上下文理解以及多模态处理方面展现出了惊人的能力。通过大模型技术的赋能，物联网能够实现更加泛在化、智能化和个性化的服务。因此，AI大模型如何赋能物联网，共同推动技术进步，成为了一个值得深入探讨的问题。但是，物联网端侧设备的计算，通信，存储等资源极其受限，难以满足大模型推理所需。在这个报告中，高艺教授分享了大模型赋能的云边协同智能物联网关键技术，主要包括其团队近几年在平台支撑，模型设计，以及应用生成等多个方面的初步探索和实践，同时也希望能和参会者一起交流智能物联网未来发展的愿景。

第二位嘉宾南京大学刘佳副教授，分享了报告《RFID无源传感技术》。传感器革命性地增强了人类感知和理解世界的能力，被称为现代信息技术的三大支柱之一。然而，传统的传感方案面临传感分离、电源依赖、成本高昂等问题，难以满足物联网规模化发展新阶段的需求。报告以无源RFID标签为传感载体，展示了高效传输、可信计算、深度感知三位一体的无源传感技术，为下一代传感方案提供新思路。

第三位嘉宾上海交通大学刘生钟副教授，分享了报告《面向多模态时序大模型的初步探索》。从大语言模型的爆发开始，人工智能逐渐从领域专用智能迈向了跨域通用智能的阶段，其成功离不开高效的模型自监督预训练。然而，对比学习、掩码自重构等标准自监督算法在多模态物联网信号上面对信息稀疏、噪声干扰、情景变化等挑战时往往泛化性能不足，且大规模训练所需的数据规模难以满足。本次报告汇报了刘生钟副教授团队在多模态时序大模型方面的探索性工作，介绍针对低质量、非对称、小规模的多模态信号，通过设计高效预训练算法和数据扩充技术在多任务、跨情景泛化中实现高效鲁棒感知的初步进展与经验。

第四位嘉宾北京理工大学于季弘副教授，分享了报告《OFDM反向散射通信》。无源物联网是物端节点功耗极低的一种物联网，可以赋能长期免维护的物联网应用，是6G标准的重点方向之一，是推进国家双碳计划的支撑信息技术之一。其中，物端节点可以近零功耗运行的核心在于供能、感知、计算、通信的极简化。在报告中，季弘副教授结合了团队在低功耗反向散射通信方面的工作分享无源物联网反向散射通信面临的挑战；并介绍了其在OFDM激励驱动的反向散射通信组网技术、系统等方面的一些初步成果和思索。

第五位嘉宾中南大学张德宇副教授，分享了报告《边缘智能系统设计初探》。随着计算机软硬件和人工智能的快速发展以及新型应用的不断涌现，计算模式正在从以云计算为中心的集中式智能向面向边缘计算的分布式智能和自主智能逐步演进。在这一智能计算新范式背景下，如何利用人工智能赋能于资源受限的端侧设备，满足丰富多样的智能应用的实际需求，面临着诸多技术挑战。本报告从面向智能终端的应用设计和深度学习算子执行优化两个层面，探讨终端系统提供智能应用时的性能瓶颈和优化方法。

最后，第六位嘉宾东南大学周睿婷副教授分享了《基于时空共享的GPU集群推理服务智能调度系统》。DNN（深度神经网络）模型在端边云推理加速技术广泛应用于智能家居、自动驾驶、工业物联网等需要实时响应和高效计算的场景。端边云推理加速主要包括云集中推理、边缘直接推理、端边云协同推理三种主要模式。这三种模式各自有不同的应用场景，选择哪种模式取决于任务的实时性、数据传输限制、模型复杂度、计算资源等因素。本报告梳理了端边云推理加速的关键技术挑战及周睿婷副教授团队的初步探索成果, 着重介绍在GPU集群推理加速调度机制设计方向的最新研究成果，并共同探讨端边云推理加速的未来研究方向。

历经四小时的报告分享与热烈讨论，与会嘉宾及参会人员一致认为物联网的前沿研究与应用场景都非常重要，需要学术界与产业界携手共进，理论结合实践拓展物联网的潜能；其次青年学者是物联网未来发展的中坚力量，亟需锻炼和发展；最后，本次论坛的执行主席孔令和表示通过此次论坛，希望更多的青年加入到物联网研究的大潮中，为我国物联网应用发展的需求做出卓越贡献，明年再见！