面向人工智能的数据处理：应用、技术与系统 | ChinaData

华中科技大学教授

张书豪，华中科技大学教授，主要研究方向为流数据处理、数据库系统与高性能并行计算，当前聚焦于构建面向大模型时代的新型系统平台 SAGE，为智能体、RAG 和长期在线推理服务提供统一的执行与状态管理能力。他曾任新加坡南洋理工大学助理教授，并曾任博士后研究员在德国柏林工业大学从事分布式数据管理研究。他的研究针对向量检索、语义状态维护、多智能体推理调度等核心问题展开，成果发表于 SIGMOD、VLDB、ICDE、NeurIPS、EMNLP 等国际顶级会议，拥有多项国际专利，技术已用于物联网、智能服务与智慧工厂等场景。

华中科技大学同济医学院附属协和医院主任医师，教授

简介：张丽，教授，主任医师，博导，博士后合作导师，华中科技大学同济医学院附属协和医院超声医学科主任。国家优秀青年科学基金获得者，湖北省杰出青年基金获得者。主要研究方向为超声医学分子影像与人工智能研究。近五年先后获批主持国家自然科学基金项目5项、科技部重点研发专项课题2项，获湖北省杰青及省重点研发等项目支持。以第一作者及通讯作者 (含共同)在Circulation、JACC Cardiovasc. Imaging、Nat. Commun.等期刊发表SCI论文110余篇。作为第一完成人获华夏医学青年科技奖、中华医学青年科学技术奖，作为主要完成人获湖北省科技进步一等奖3项，带领团队获“数据要素×”大赛全国二等奖。担任美国超声心动图学会理事(FASE)、美国心脏病学院院士(FACC)、中华医学会超声分会青年学组副组长等学术职务。作为执笔/共同专家组长发布临床指南与专家共识4部。申请/授权发明专利20余项，转化2项。

题目：超声医学AI大数据平台建设与实践

摘要：探讨超声AI大模型研究的关键进展与面临的核心挑战。内容聚焦数据治理、专业标注与模型构建三大关键问题：通过建立标准化数据体系与多源集成机制，构建高质量数据库；结合专业标注工具形成多器官、多病种数据集；进一步研发专用模型并集成多模态信息，最终构建覆盖多器官、多任务的超声AI基础大模型。

刘海坤，博士、华中科技大学教授、博士生导师，入选国家领军人才计划，湖北省杰青。2012年于华中科技大学计算机系统结构专业博士毕业，先后在美国、新加坡开展访问交流和博士后研究工作。目前主要研究兴趣为新型内存和存储系统、云计算等。先后主持10多项国家自科基金项目、国家重点研发计划课题以及企业横向合作项目。在包括ASPLOS /USENIX ATC/FAST /SC等计算机顶级国际会议和期刊发表论文80多篇。担任多个国际会议程序委员会主席及领域主席。获得国家自然科学二等奖、教育部自然科学一等奖等奖项。

报告题目：硬件加速的大规模向量存储系统

报告摘要：高维向量的近似最近邻搜索(ANNS)已经成为数据库和大模型应用的重要组成部分。规模不断增长的向量数据集在性能、成本和准确性方面对ANNS提出了巨大挑战。本报告将从向量的多层级索引结构、距离计算加速机制、存储I/O优化等几个方面介绍基于新兴SmartSSD近数据处理机制的向量检索机制，以及基于CPU/GPU协同过滤和重排序的大规模向量检索机制，为探索高性能低成本的大规模向量存储系统设计方法提供参考。

中国地质大学（武汉）教授

讲者简介：曾德泽，中国地质大学（武汉）教授、博士生导师，智能地学信息处理湖北省重点实验室副主任，人工智能研究院副院长，主要从事边缘计算、泛在智算与物联网等方向的研究工作，入选国家级高层次青年人才计划。在ASPLOS、ATC、SC、INFOCOM、JSAC、TPDS、TC等期刊会议上发表论文150余篇，出版学术专著3部。担任IEEE TCC、IEEE TSUSC、FCS等期刊编委，CCF分布式计算与系统专委秘书长、CCF理事。现为IEEE高级会员、CCF杰出会员。

题目：从云原生到算力原生计算的初探

报告摘要：算力网，旨在打破云、边、端算力设备壁垒，构建一体化算力资源池，根据业务需求实现按需调度计算、存储与网络等资源。因此，需构建统一管控平台，将广域地理分布式算力设备的碎片资源统一纳管，化网络连接为算力连接，整合多级算力资源，并实现跨地域、跨层级的资源协同，将海量算力资源按需弹性地分配给需求各异的各类应用。云原生计算基于低开销容器化的运行方式非常契合算力网的资源弹性管控需求，将云原生技术应用于算力网，发挥云原生的优势，构建算力原生计算，具有很大潜力。然而，相较于云计算，算力网具有典型的资源广分布、高异构、多碎片、高动态等特征，亟需云原生技术的适应性融合与改进。本报告将初探将云原生拓展应用于算力网络的潜力与优势，同时从资源分配与任务调度优化角度探讨算力原生计算发展面临的问题。

上海交通大学，教授

简介：冷静文，上海交通大学教授，博士生导师，主要研究方向为面向人工智能的新型计算系统的设计以及性能、能效、可靠性优化，主持了优青、面上等多项自然科学基金以及龙头企业横向项目。在国际一流的会议和期刊上发表了四十多篇论文和相关国内国际专利。

报告题目：面向检索与推理融合智能应用的高效编译技术

摘要：随着人工智能技术的快速演进，智能应用正在深刻改变社会各个层面，但其背后的计算挑战也日益凸显。尤其是在信息检索与大模型推理融合的新型系统中，海量数据与庞大模型的协同处理需求已远超当前硬件系统的能力。针对这一“算力瓶颈”与“资源低效”的双重挑战，本研究聚焦面向异构硬件的算子代码自动生成与算子高性能融合等关键编译技术，提出了从底层计算单元到系统级调度策略提出了一套协同优化方法，全面提升了检索计算融合智能应用的性能与可用性，打造了智能服务系统的高效部署底座。

中电科金仓资深产品经理

张昊，中电科金仓资深产品经理，长期从事基础软硬件解决方案工作，主持过多个金融、能源、电信等关键行业的数据库升级方案设计与落地，现负责金仓产品技术洞察与路线规划，对国内外主流数据库产品特性与应用有深入研究，对数据库市场、发展趋势、行业应用有深刻理解。

报告题目：从“专用割裂”到“融合共生”：AI时代的数据库架构演进

摘要：随着人工智能应用在产业侧的持续发展，传统“专库专用”的堆砌式架构引发的数据孤岛与技术栈割裂，已成为制约AI落地的瓶颈。本次演讲将深度剖析数据库架构从“专用割裂”向“融合共生”的演进必然。我们将围绕AI时代的应用演进与数据库架构需求变革，重点探讨在此背景下持续发展的融合型数据库 (Converged Database) 这一新型范式：它基于统一内核架构，打破了多组件拼接的局限，在单一引擎内原生融合关系型、向量 (Vector)、图 (Graph) 等多模态数据，并兼具HTAP全场景处理能力。该架构通过实现“零数据搬运”与AI驱动的系统自治，大幅简化数据底座复杂度，为AI时代的智能化应用提供极致的性能与协同效率。