摘要：3月22日，由CCF主办的第三届中国数字经济产业发展大会（CCDE 2025）将在苏州环秀湖畔举行。大会期间，将围绕人工智能、大模型+、数据、数字安全、智能车联网、智能建造、数字金融、数字文旅等八大产业主题举办产业对接交流会，共话数字经济产业发展美好未来。本文

本文特别介绍将于3月22日下午举办的人工智能产业对接交流会，交流会主题：智链未来—AI技术驱动产业新范式。

3月22日，由CCF主办的第三届中国数字经济产业发展大会（CCDE 2025）将在苏州环秀湖畔举行。大会期间，将围绕人工智能、大模型+、数据、数字安全、智能车联网、智能建造、数字金融、数字文旅等八大产业主题举办产业对接交流会，共话数字经济产业发展美好未来。本文特别介绍将于3月22日下午举办的人工智能产业对接交流会，交流会主题：智链未来—AI技术驱动产业新范式。

本场产业对接交流会聚焦人工智能领域前沿方向，共同探讨人工智能技术的学术进展与产业应用趋势，推动人工智能产业的高质量发展。

产业对接交流会基本信息

时间：

2025年3月22日下午（13:30-17:10）

地点：

苏州国际会议酒店北楼三楼N12会议室

主办单位：

中国计算机学会（CCF）

主持人：

李凡长、史颖欢

产业对接交流会日程安排

产业对接交流会主席及嘉宾介绍

会议主席

李凡长

教授，博士生导师，俄罗斯工程院外籍院士

个人简介：

人工智能专家，李群机器学习、动态模糊逻辑、动态模糊机器学习和多维度协同教育方法的开创者。原任苏州大学计算机科学与技术学院院长，现任江苏省机器学习与网络安全交叉研究工程中心主任，纽约州立大学布法罗分校-苏州大学机器学习与类脑计算国际合作实验室主任，中国人工智能学会理事，江苏省计算机学会副理事长，江苏省人工智能学会副理事长，苏州市人工智能学会理事长。主持国家自然科学基金重点项目、科技部重点研发计划项目等项目10余项，发表学术论文300多篇，出版学术专著10部（其中在美国、德国出版英文专著3部），教材5部，获授权发明专利44件，获IEEE CS GrC Pioneer Award 1项，省级科技奖二等奖2项，省级教学成果奖二等奖2项。

会议共同主席

史颖欢

南京大学计算机学院教授、博导，兼任南京大学健康医疗大数据国家研究院医疗人工智能平台主要负责人

个人简介：

国家自然科学基金优秀青年科学基金、吴文俊人工智能优秀青年奖获得者。近年来主持国家重点研发计划（课题），国家科技创新2030-新一代人工智能重大项目（课题），目前任CCF人工智能与模式识别专委、CAAI智能服务专委、模式识别专委委员。获得南京大学首届优秀研究生德育导师、江苏省自然科学二等奖、中国人民解放军军队医疗成果奖、中国计算机学会大数据会议最佳应用论文奖等荣誉。

报告嘉宾

陈文光

清华大学计算机科学与技术系讲席教授，鹏城实验室研究员

个人简介：

主要研究领域为操作系统、编译器与并行计算。现为中国计算机学会会士，学术工委主任，YOCSEF荣誉委员；北京计算机学会副理事长；ACM中国理事会常务理事。

题目：低成本大模型训练

摘要：大模型训练成本一直是领域发展的重要问题，DeepSeek让大模型的训练成本有了明显下降，引发了广泛关注。本报告将讨论从模型架构、数据、低位宽与稀疏化、训练方法以及训练系统角度，如何进一步显著降低训练成本以及对训练硬件的需求。

张敏灵

东南大学计算机科学与工程学院教授

个人简介：

主要研究领域为机器学习、数据挖掘。现任中国人工智能学会机器学习专委会副主任、江苏省人工智能学会副理事长等。担任《中国科学：信息科学》、《IEEE TPAMI》、《ACM TOIS》、《ACM TIST》、《Frontiers of Computer Science》、《Machine Intelligence Research》等期刊编委，ACML、PAKDD指导委员会委员，AAAI/IJCAI/ICML/ICLR/KDD等国际会议领域主席30余次。曾获CCF - IEEE CS青年科学家奖（2016）、国家杰出青年科学基金（2022）等。

报告题目：Delving into the Calibratability of Deep Neural Networks

报告摘要：Reliable predictive models should be accurate when they are confident about their predictions and indicate high uncertainty when they are likely to be inaccurate. However, modern DNNs trained with cross-entropy (CE) loss, despite being highly accurate, have been recently found to predict poorly calibrated probabilities, unlike traditional models trained with the same objective. In recent years, many approaches have been proposed to improve DNNs’ calibration performance while maintain their accuracy. Differing from prior researches, our recent studies focus on the calibratability, which refers to the extent to which a model can be calibrated during the post-calibration phase. Our studies show a disparity between models' calibration performance and their calibratability. Specifically, we found that despite models trained with existing calibration methods are better calibrated, they suffer from not being as calibratable as regularly trained models, namely, it is harder to further calibrate these models with post-hoc calibration approaches. Taking Label Smoothing and Mixup as two illustrative cases, our recent work highlights some surprising phenomena concerning calibrability and offers potential avenues for this issue.

尉寅玮

山东大学教授

个人简介：

主要研究领域为多媒体内容分析与信息检索技术，具体包括多媒体内容理解，多模态大模型，多媒体信息检索与推荐系统等。参与国家自然科学基金委、新加坡国防科技局(DSTA)、美国国防高级研究计划局(DARPA)等政府部门支持的纵向科技项目，以及腾讯、华为、快手、阿里巴巴等企业横向项目。累计发表CCF-A类会议论文或IEEE/ACM Trans期刊论文50余篇，获国家发明专利10项。获得ACM China Council SIGMM博士学位论文奖、山东省人工智能学会优秀学位论文奖、AI2000多媒体领域最具影响力学者提名奖等奖项。

题目：基于大模型的生成式检索与推荐

摘要：在数字时代信息总量呈现指数级增长的背景下，搜索与推荐系统作为满足用户信息需求的基础设施，已发展成为现代互联网服务的核心技术架构。这两个看似差异化的技术方向，实质上围绕共同的核心命题展开——通过高效的信息匹配机制连接用户需求与目标内容：前者聚焦于查询与文档的精准映射，后者致力于用户与物品的智能关联。纵观其发展历程，搜索与推荐技术始终保持着技术范式的同步演进，从早期的规则系统到机器学习模型，再到深度学习架构，每个阶段的突破都推动着匹配效果的显著提升。而随着生成式大语言模型的突破性进展，这两个领域正迎来全新的技术革命——生成式搜索与推荐系统。这种新型范式通过创造性内容生成替代传统检索排序机制，不仅能够直接生成精准的答案或推荐结果，更开创了从"匹配既有信息"到"创造适配内容"的范式跃迁。

赵朋朋

苏州大学计算机科学与技术学院教授、博士生导师，苏州工业园区科技领军人才, 苏州市智能信息处理重点实验室主任

个人简介：

主要研究方向为推荐系统、大数据分析等。主持国家重点研发课题1项、国家自然科学基金项目3项，获苏州市科技进步奖 2项。在AAAI，IJCAI，SIGIR，TKDE等国际会议和期刊发表论文80余篇；获国家发明专利授权40余项，其中8项已成果转化。担任AAAI、IJCAI、KDD、WWW等顶级会议SPC/PC。入选2024年度斯坦福全球Top 2%科学家榜单。

报告题目：推荐系统从深度模型到大模型

报告摘要：推荐系统技术经历了从传统协同过滤到深度学习驱动，再向大模型架构跃迁的演进过程。大模型凭借千亿级参数、预训练-精调范式和多模态理解能力，重构推荐系统，推动其从被动响应向主动构建认知框架转变，迈向认知智能阶段。报告将探讨技术演进逻辑，从深度学习到大模型，揭示机遇与挑战。

范琦

南京大学智能科学与技术学院准聘副教授，博士生导师，国家级青年人才

个人简介：

2023年于香港科技大学计算机科学及工程学系获得博士学位，导师为 Chi-Keung Tang 教授（IEEE Fellow）。研究方向为计算机视觉，高效基础大模型。主持国自然青年人才项目1项，部委项目1项，国自然青基和省自然青基各1项。近年在计算机视觉国际顶级学术会议和期刊(CVPR、ECCV、ICLR、AAAI、IJCV、TPAMI)发表论文十余篇。

报告题目：视觉感知低成本高效泛化

报告摘要：随着基础大模型的快速发展，越来越多的计算机视觉任务“似乎”得到了有效解决。然而，在实际应用中，当这些大模型面临极少的训练数据、全新的目标类别、复杂的开放场景以及高效的部署需求时，依然面临巨大挑战。这些挑战不仅阻碍了模型的实际落地应用，还衍生出了一系列重要的学术和应用问题。视觉感知低成本高效泛化的目标是基于极低的数据成本，赋予模型实现对物体的精细感知，提升其对新类别、新场景的强大泛化能力，并确保高效的应用能力。在此基础上，我们进一步探讨了如何在低数据和低训练成本的条件下，促使基础大模型在特定场景中实现有效泛化。这样，企业可以用较低的成本，充分发挥基础大模型的潜力，解决产业中的视觉感知难题。

曹敏

苏州大学副教授，苏州大学人工智能研究院院长助理

个人简介：

上海市计算机学会计算机视觉专委会副秘书长，CCF苏州执行委员。研究方向为视觉-语言多模态学习，在本领域顶级会议和期刊上发表论文20余篇，专利授权10余项。主持国家自然科学基金面上和青年项目、江苏省“双创博士”人才项目、江苏省高等学校基础科学研究面上项目、苏州市科技计划项目、多模态人工智能系统全国重点实验室开放课题、人工智能教育部重点实验室开放课题等。获得2022-2023年度苏州市自然科学优秀学术论文二等奖。

报告题目：基于多模态大语言模型的跨模态检索与生成：研究进展与应用探索

报告摘要：视觉-语言跨模态检索和生成任务作为连接视觉内容与文本信息的关键桥梁，其重要性日益凸显。如何将通用多模态大语言模型有效地迁移并适配到下游任务中，是当前研究的一个热点问题。本次报告将分享我们团队在基于通用多模态大语言模型进行下游视觉-语言跨模态检索和生成方面的最新研究进展。我们的研究主要集中在以人为中心的图文检索、通用视频文本检索、跨模态图像去噪等。本报告旨在展示我们在实现更精准、高效地进行多模态信息检索与生成方面所取得的成果，并探讨这些技术在实际应用中的潜力。

大会基本信息

时间：2025年3月22日（星期六）

地点：苏州国际会议酒店（苏州市相城区相融路699号）

大会主题：AI+千行百业

主办单位：中国计算机学会（CCF）

承办单位：CCF中国数字经济50人论坛

大会日程

3月22日上午：

（一）领导致辞

（二）发布仪式

（三）启动、揭（授）牌仪式

（四）签约仪式

（五）大会报告

（六）圆桌论坛

3月22日下午：

（一）人工智能产业对接交流会

（二）大模型+产业对接交流会

（三）数据产业对接交流会

（四）数字安全产业对接交流会

（五）智能车联网产业对接交流会

（六）智能建造产业对接交流会

（七）数字金融产业对接交流会

（八）数字文旅产业对接交流会

*日程信息实时更新，以大会最终公布为准

报名参会

2、大会官网注册报名：

3、大会注册费：

电话 0512-6590 0856转分机号39

邮箱 ccde@ccf.org.cn

来源：CCFvoice