CCF Computility 2024 | 黄建伟教授、单志广研究员和邓小铁教授邀你共话算力经济

黄建伟，香港中文大学（深圳）校长讲座教授和协理副校长，深圳市人工智能和机器人研究院副院长和群体智能研究中心主任，IEEE Transactions on Network Science and Engineering主编，教育部长江学者特聘教授，IEEE Fellow，科睿唯安计算机科学领域全球高被引科学家。主要研究领域：无线网络、群体智能，网络经济学。

马倩，中山大学副教授。分别于北京邮电大学和香港中文大学获得本科和博士学位，分别在香港中文大学和美国东北大学任博士后。主要研究方向包括算力网络、边缘计算与云计算、分布式人工智能、网络优化和网络经济学。在IEEE/ACM ToN、IEEE TMC、POM、ACM MobiHoc等国际高水平期刊与会议发表论文30余篇，曾获IEEE WiOpt 2021最佳论文奖和IEEE WiOpt 2015最佳学生论文奖。主持了国家自然科学基金面上项目和青年项目、国家重点研发计划青年科学家项目子课题等国家纵向科研项目，并参与国家自然科学基金联合基金项目、国家重点研发计划等项目。

张萌，浙江大学伊利诺伊大学厄巴纳香槟校区联合学院 (ZJUI)研究员兼长聘轨助理教授，博士生导师，入选国家高层次青年人才计划。伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系兼聘助理教授。于2019年毕业于香港中文大学信息工程系获得博士学位，2020-2022年就职于美国西北大学电气与计算机工程系从事博士后(Postdoctoral Fellow)研究工作，于2022年1月加入ZJUI。于2018-2019年访问普林斯顿大学电气工程系。主要研究方向为无线与计算机网络，智能网络优化，边缘智能及分布式机器学习，在具有多实时通信与计算，实时数据隐私保护，及网络与数据经济学等前沿课题取得了一系列研究成果。于2021年获IEEE/IFIP WiOpt最佳论文奖。学术兼职：国际领域会议TPC：INFOCOM, ICC, WCNC, WiOPT 顶级期刊审稿人：IEEE/ACM ToN, IEEE TMC, IEEE JSAC, IEEE TWC, IEEE INFOCOM, WiOpt等。

单志广，国家信息中心信息化和产业发展部主任（正司局级）、二级研究员、中国智慧城市发展研究中心主任，智慧城市发展研究中心主任、未来产业和平台经济研究中心主任。数字经济论坛理事长，新型智慧城市建设部际协调工作组秘书处秘书长，国家大数据发展专家咨询委员会秘书长，区块链服务网络(BSN)发展联盟理事长。新世纪百千万人才工程国家级人选，享受国务院政府特殊津贴。

报告题目：智能计算与“算力网”

报告摘要：介绍智能计算的发展趋势与应用需求，阐述智能计算中心的概念、效应分析、建设必要性与现实意义，分析智能计算中心的总体架构、技术演进路径、建设架构、技术路线，论述公共智能服务的必要性、主要特征、服务架构、服务内容、服务生态与推进策略，提出全国一体化算力体系建设存在的认识误区与偏差，分析在实践层面仍然面临的开放性挑战，提出科学推进一体化算力网络的建议。

邓小铁，CCF计算经济学专业组主任，北京大学计算机学院前沿计算研究中心讲席教授, 北京大学前沿计算中心执行主任，AI院多智能体中心主任。曾任教于上海交通大学、利物浦大学、香港城市大学和约克大学。主要科研方向为算法博弈论、区块链、互联网经济、在线算法及并行计算。2008年，他因在算法博弈论领域的贡献当选 ACM Fellow；2019年，因在不完全信息计算和交互环境计算领域的贡献当选 IEEE Fellow；2020年当选欧洲科学院外籍院士；2021年当选中国工业与应用数学学会会士（CSIAM Fellow）；2021年被任命为博弈论学会（GTS）理事；2021年被聘为中国运筹学会博弈论分会荣誉理事；2021年获得 CCF 人工智能学会多智能体与多智能体系统研究成就奖；2022年获得 ACM 计算经济学的“时间检验奖”（Test of Time Award）。作为项目负责人，他曾承担几十项加拿大、香港、英国及国家基金委科研项目，并担任多种国际期刊编委。邓小铁担任多个国际学术会议主席，并发起由亚欧美三大洲循环举办的国际互联网经济学术会议(The Conference on Web and Internet Economics，WINE)和国际理论计算机联合大会(International Joint Conference on Theoretical Computer Science，IJTCS)。曾获得 IEEE 理论计算机学术会议 FOCS 最佳论文奖；其成果“关于图与组合优化的若干经典问题的研究”获2015年度高等学校科学研究优秀成果奖（自然科学）二等奖。

报告题目：GPU pricing

报告摘要：高性能GPU对加速AI大模型任务至关重要，但其分配与定价因资源稀缺和高需求而复杂。在这样的专有计算系统中个各种因素工作负载、用户需求和系统利用率的资源分配策略，以及作业调度和资源池化技术都对提高效率起到作用。与此对应的基于成本、市场和价值的定价模型，以确保价格反映GPU的技术和性能优势是当前研究中提供决策支持，实现资源最优利用和成本效益最大化的一项关键科学挑战。

赵俊华博士为香港中文大学（深圳）理工学院教授，新能源科学与工程专业主任，深圳高等金融研究院能源市场与能源金融实验室主任，中新智慧储能联合研究中心执行主任，深圳数据经济研究院金牛资产管理研究中心共同主任。长期从事智能电网、能源经济、低碳转型、人工智能等领域研究。2023年当选英国工程与技术学会会士(IET Fellow)，2021-2022年连续入选爱思唯尔“中国高被引学者”。2020-2022年连续入选斯坦福大学评选的“全球前2%顶尖科学家”。2017年获澳大利亚达沃斯论坛（ADC Forum）授予青年科学家奖(Young Scientist of the Future)。两次获得湖南省科技进步奖，一次获得浙江省自然科学奖，一次获中电联“电力科技创新奖”， 2020年获国际期刊Energy Conversion and Economics年度最具影响力论文奖。现已发表超过300篇研究论文，其中包括《Cell》子刊《Joule》一篇、《Patterns》一篇，《Nature》子刊《Scientific Data》二篇，中国工程院院刊《Engineering》一篇，超过100篇文章发表在顶级期刊，超过60篇发表在IEEE Transactions上。谷歌学术引用逾15000次，谷歌h因子61。

报告题目：人工智能驱动的低碳能源经济学

报告摘要：控制碳排放、延缓气候变化是关系到人类命运的重大课题。能源行业是温室气体的单一最大排放源。如何利用经济手段实现能源行业的低碳转型是一个具有重要意义的研究课题。本讲座初步探讨如何基于人工智能技术解决能源电力系统低碳转型中的几个关键问题，包括用户行为理解，企业实时排放计量，市场交易行为仿真等。

祁琦，CCF计算经济学专业组秘书长，中国人民大学高瓴人工智能学院长聘副教授，博导，国家海外高层次青年人才，CCF中国计算机学会计算经济学秘书长。博士毕业于美国斯坦福大学，导师叶荫宇教授。曾任香港科技大学助理教授。主要研究方向为算法博弈论、大模型自主智能体、机制设计、多智能体和优化。在国际一流计算机、人工智能、管理学期刊和会议上发表一作/通讯论文50余篇，包括OR、MOR、GEB等期刊和STOC、WINE、CCC、NeurIPS、KDD等计算机顶会。主持国家高层次人才计划及多项香港科学基金研究项目。任多个国际人工智能、互联网和博弈领域会议的资深程序委员及会议联合主席。在互联网广告上的研究和应用成果获得了两项美国专利。

报告题目：算力赋能计算经济

报告摘要：随着大模型时代的到来，算力已成为推动各领域变革的核心力量。强大的算力为复杂经济模型的构建与分析提供了坚实基础，使得我们能够更深入地理解和预测经济现象。通过高效的计算能力，我们可以处理海量的经济数据，挖掘潜在的规律和趋势，为政策制定、企业智能决策等提供更具科学性和准确性的依据。本报告将探讨算力在计算经济学中的作用，尤其侧重于其在广告拍卖机制和社会资源优化配置中的应用。在广告拍卖领域，强大的算力能够快速处理和分析大量数据，精准评估广告价值和参与者行为，从而优化拍卖流程，提升广告投放效率和效果。而在资源分配方面，算力使得我们可以通过基于智能体的模型方法来对复杂的场景进行实时模拟和计算，助力实现资源的最优配置，提高资源利用效率。通过算力的赋能，广告拍卖机制和资源分配机制得以不断完善和创新，为经济活动的有序开展和资源的合理利用提供了有力支撑，推动计算经济学在这些具体应用场景中取得更显著的成果和进步。

金海明现任上海交通大学计算机科学与工程系副教授，约翰·霍普克罗夫特计算机科学中心副主任，博士生导师，入选国家海外高层次青年人才计划。金海明长期从事物联网、移动计算等方向的研究，在TON、TMC、JSAC等知名国际期刊和SenSys、INFOCOM、UbiComp、MobiHoc等知名国际会议上发表和录用学术论文60余篇。金海明任知名国际会议INFOCOM、MobiHoc、ICDCS的程序委员，获CCF-滴滴盖亚青年学者科研基金杰出项目奖、INFOCOM杰出程序委员奖、中日韩A3前瞻项目论坛最佳报告奖、CCF A类会议INFOCOM 最佳论文提名，入选2023年全球前2%顶尖科学家榜单。

报告题目：网约车智能分单方法研究

报告摘要：网约车是一种依托互联网技术的新型交通出行方式，因其匹配效率高、乘客体验好等优点，在全球范围内非常流行。本次汇报将介绍本课题组的四项以网约车智能分单为主题的工作。在第一项工作中，我们提出了订单分布自适应的分单方法，针对现有合乘订单聚合效果差的问题，设计了一种时空分层的自适应分单框架。我们证明了自适应分单间隔问题不存在常数竞争比的确定性或随机性的在线算法，实验结果表明该方法显著提高了平台合乘分单收益。在第二项工作中，我们提出了保障司机公平性的分单方法，针对现有分单方法不公平的问题，设计了一种带约束多智能体强化学习框架。我们证明了算法以次线性的速率收敛到稳定点，实验结果表明该方法在提升平台长期收益的同时减少了司机的收益差距。在第三项工作中，我们提出了平台偏好可配置的分单方法，针对多个分单目标间相互冲突的问题，设计了一种多目标多智能体强化学习框架。我们证明了算法的收敛性和样本复杂度，实验结果显示该方法所构建的帕累托平面优于现有基线方法。在第四项工作中，我们提出了平台场景可泛化的分单方法，针对不同场景供需分布多样化的问题，设计了一种多场景多智能体强化学习框架。我们理论分析了策略在新场景的最优性差距和约束违反程度，实验结果表明该方法得到的策略对新场景具有良好的泛化能力。