2026年11月10日，IEEE VIS 2026 天津分会场（IEEE VIS 2026 Tianjin Satellite）在天津开幕。分会场由天津大学主办，会期自11月10日至13日，主会场设于天津梅江诺富特酒店，校区活动在天津大学北洋园校区举行。会议以本地活动与 Boston 主会场直播相结合的方式展开，涵盖学科战略研讨会、可视化前沿讲习班、本地论文报告、Poster 展示以及多场跨会场连线。视觉计算实验室2025级硕士研究生邓子祎参加了此次会议。

当日下午，学科战略研讨会在北洋园校区举行，与会学者围绕大模型冲击下可视化与可视分析的学科定位、研究范式与人才培养展开研讨。

天津大学李杰教授的报告聚焦可视分析在产业一线的落地。与宁德时代合作的产线故障日志分析，借助人的知识扩充机制把人工反馈沉淀为知识。与交通银行合作的职业背贷人识别，依赖大模型发现伪造特征之间的矛盾。

浙江大学教育学院研究员谢潇分享了体育多模态数据的可视分析实践。其团队为中国足协搭建的分层数据平台中，智能体承担检索与观看的工作，而对球员特点的判断仍由人来完成，他认为人机协同的分析框架并未被否定，但可视化需要提供更具启发性的表达。

同济大学设计创意学院曹楠教授认为应该把用户体验前置到设计环节，而不是等系统落地后再靠反馈修正。其团队以视觉方法建模设计的各个维度，构建可计算的设计空间，使大模型能够在该空间中推理与搜索，在图表设计等任务上取得优于通用模型的表现。

自由研讨环节，与会专家建议可以依托专委会共建高质量可视化数据集，从图形界面走向空间智能与具身智能。

当晚20:00，VIS Poster 展示在恒山厅开始。展出的海报包括北京邮电大学关于追踪负载影响颜色感知的研究，以及上海科技大学面向多模型时序图解析的人机协同裁决系统。

21:00，分会场与 Boston 主会场连线。 VIS 2026 开幕式上，主持人介绍了本届会议的整体情况，VIS 2026 在 Boston 举办，除常规议程外首次设立巴黎与天津两个卫星分会场，以直播、录播与远程报告的方式让无法赴美的同行参与会议，并通报了本届会议的投稿与录用情况。

NASA 钱德拉 X 射线天文台的 Kimberly K. Arcand 带来首场主旨报告 Beyond the Image: Turning NASA Data Into Human Experience，提出科学可视化本质上是一种翻译，把数据转换为人类能够感知与理解的形式。她以天体物理研究为例，展示了借助成像、声化、触觉与沉浸式环境让数据被看见、被听见、被触摸的可能，并呼吁可视化不仅要让数据可见，更要让它可感知。

中国人民大学汪云海团队的《Libra+: Compositional Interaction for Data Visualization》在天津会场远程报告。该工作提出面向交互可视化的高层概念模型与工具库，用触发、目标、反馈三个要素形式化一次交互，把输入事件、作用对象与反馈结果对应起来，在高层的交互意图与模块化的具体实现之间建立语义桥梁。

《UnitoPia: Interactive Construction of Pictorial Unit Visualization using a Contain-and-Fill Model》由深圳大学、北京理工大学等单位合作完成。该报告认为，单元可视化把每个数据项表示为独立的视觉元素，便于直观理解并保留个体数据的身份，但现有创作工具大多依赖规则排布与规整几何形状，限制了视觉表达的灵活性。作者在调研 602 个已有案例的基础上，提出以容器与填充为核心的设计模型，并借助基于可微渲染的图像空间布局优化，把任意形状的视觉元素填充进任意形状的容器。

2026年11月1日，第十六届中国计算机图形学大会（ChinaGraph 2026）迎来最后一天。四川大学视觉计算实验室参会同学继续参与大会学术活动，围绕边缘智能计算、软硬件协同优化、智能图形计算及空间智能等前沿方向展开学习交流，在聆听专家报告的过程中拓宽学术视野，感受计算机图形学与人工智能交叉融合的发展趋势。

主旨报告：边缘智算中的软硬件协同优化技术

上午9时，北京航空航天大学李波教授带来题为《边缘智算中的软硬件协同优化技术》的主旨报告。报告聚焦边缘智能计算面临的计算资源受限、模型运行效率与系统性能优化等挑战，介绍了软硬件协同设计在提升智能计算效率方面的研究思路。

李波教授从算法与计算架构的协同关系出发，探讨了如何通过优化计算任务、资源配置及软硬件协作机制，提高智能模型在边缘设备上的执行效率。报告展现了边缘智能计算从算法设计到系统部署的技术发展方向，也为高效智能视觉系统的设计与实现提供了有益启发。

技术论坛：高端战略研讨——图形学与空间智能未来

上午10时，大会举行《高端战略研讨：图形学与空间智能未来》技术论坛，围绕图形学与人工智能的深度融合、空间智能的发展方向及未来研究挑战展开交流。

论坛中，浙江大学鲍虎军教授围绕智能图形计算相关研究进行分享，介绍了人工智能技术在三维场景理解、图形生成与智能设计等方面的探索。报告结合空间智能与飞行器设计优化等研究实例，展示了智能算法与图形计算方法相结合的应用潜力，体现了计算机图形学从传统几何建模与可视化向智能化、自动化和复杂空间任务求解不断拓展的发展趋势。

相关研究不仅展示了图形学与人工智能交叉融合的广阔前景，也为三维场景理解、智能视觉分析及复杂环境感知等研究方向带来了新的思考。

大会闭幕：总结收获，展望未来

上午11时40分，大会举行闭幕式，为本届中国计算机图形学大会画上圆满句号。回顾三天的学术活动，大会通过主旨报告、技术论坛和学术交流等多种形式，集中展示了计算机图形学及其交叉领域的研究进展，为来自不同研究方向的专家学者与青年科研人员搭建了交流平台。

此次参会为四川大学视觉计算实验室同学提供了了解学术前沿、拓宽研究视野的宝贵机会。从图形生成与三维重建，到空间智能与边缘智能计算，丰富的学术内容使同学们进一步认识到跨学科融合在推动技术创新中的重要作用，也为后续科研工作带来了新的启发。

未来，实验室将继续关注计算机图形学、计算机视觉与人工智能等领域的发展动态，积极参与高水平学术交流，不断拓展研究思路，将会议中的所见所学融入科研实践，在探索创新中持续前行。

2026年10月31日，第十六届中国计算机图形学大会（ChinaGraph 2026）在杭州城北文澜大酒店进入第二天。延续首日的学术交流，四川大学视觉计算实验室参会同学继续走进大会现场，关注主旨报告、专题论坛与墙报展示。当天的分享从脑机智能与大模型，延伸到三维高斯泼溅的高效渲染、GPU计算体系以及流体仿真，呈现了图形学与人工智能、物理模拟交叉发展的丰富图景。

大会主旨报告

浙江大学潘纲教授以《脑机智能与大模型》为题作主旨报告，为理解脑机智能与大模型的交叉研究提供了新的视角。

慕尼黑工业大学 Rüdiger Westermann 教授带来《GPU友好的三维高斯泼溅》报告。现场展示的内容聚焦三维高斯泼溅在 GPU 上的渲染效率，介绍了从图元处理、片元计算到光栅化负载等环节的优化思路。

摩尔线程张钰勃博士围绕《图形、仿真与AI三位一体：面向物理智能的全功能GPU体系》进行分享，并以 LambdaSim 架构为例，展示图形渲染、物理仿真与机器人运动规划等能力如何在同一技术体系中协同。

专题论坛与墙报交流

专题论坛同样提供了深入讨论具体问题的机会。在流体仿真方向，上海交通大学杨旭波作《面向高效求解的流体仿真：可微计算与感知驱动方法》报告，分享了流体仿真与可微计算、感知驱动方法相结合的研究方向。

报告之外，墙报展示区集中呈现了参会者的研究成果。与会者驻足浏览不同课题的研究问题、方法和结果，墙报也为后续交流提供了直观的切入点。

当天晚间，大会举行 ChinaGraph 2026 晚宴。紧凑的学术日程之后，与会者在更轻松的氛围中延续交流。第二天的活动让实验室同学进一步了解图形学前沿研究与产业实践的最新动向，也为接下来的会议学习积累了新的思考。

2026年10月30日，第十六届中国计算机图形学大会（ChinaGraph 2026）在杭州城北文澜大酒店举行首日学术活动。本届大会会期为10月30日至11月1日，由中国计算机学会等六家学会联合主办，浙江大学、杭州市拱墅区人民政府、全息智能技术研究院承办，设置会前课程、主旨报告、技术论坛、AI电子剧场及海报交流等活动。视觉计算实验室24级博士研究生姚和，25级博士研究生刘宜松、卢玉杰，硕士研究生朱陶涛、杨鑫月，26级博士研究生张晋博参加了此次盛会。

大会首日以会前课程和技术论坛为主，围绕图形学与具身智能、可交互世界模型、智能设计与新一代CAD系统、真实感渲染前沿技术等主题展开交流。其中，陈润楠、林天威和过洁分别从三维空间认知、具身基础模型规模化学习和高效渲染出发，分享了相关研究进展与实践思考。

1 面向具身智能体的三维空间智能

讲者：陈润楠（上海创智学院）

三维空间智能是机器感知、理解物理世界并实现自主行动的重要基础。真实环境中开放的物体类别、复杂的场景结构与持续的动态变化，使三维语义获取、场景建模以及感知与行动协同面临诸多挑战。上海创智学院全职导师、具身空间智能实验室负责人陈润楠围绕这些问题，介绍了团队在三维空间智能领域的系列研究进展。

报告聚焦开放世界三维场景理解、复杂场景三维推理与生成，以及面向具身任务的空间认知，讨论了三维理解如何支撑智能体对物理环境的认知与自主行动。陈润楠进一步探讨了由静态三维理解迈向动态时空建模的发展方向，将场景理解、世界模型构建与智能体决策联系起来，为研究具身智能体在真实环境中的持续认知与自主行动提供了思路。

2 具身基础模型规模化演进

讲者：林天威（墨奇智能）

随着具身智能基础模型进入规模化学习与能力泛化的新阶段，如何规模化记录和学习行为数据、提升跨任务与跨本体的泛化能力，成为研究与应用中的关键问题。墨奇智能算法科学家林天威结合具身智能基座模型预训练研究，介绍了墨奇智能基于软硬件协同的全栈技术体系，以及在具身基础模型规模化学习方面的探索。

报告从预训练基座、后训练应用和系统演进三个层面展开：在预训练阶段，关注如何利用异构数据构建通用能力，特别是跨本体、跨任务的学习能力；在后训练阶段，分享真实场景下模型微调与部署的实践思考；在系统演进层面，讨论模型与系统架构的协同设计，并介绍世界模型等技术的应用尝试。报告围绕数据、模型与系统之间的关系，探讨了具身基础模型持续演进的机制。

3 高斯过程隐式表面的高效渲染技术

讲者：过洁（南京大学）

高斯过程隐式表面（GPIS）能够统一建模硬质表面与参与介质，为复杂场景表达提供了新的方式。然而，现有渲染方法依赖暴力光线步进求交，需要在每个步进点进行完整噪声求值，计算开销限制了渲染效率。南京大学长聘副教授、博士生导师过洁围绕这一瓶颈，介绍了用于加速GPIS求交的有界光线步进渲染技术。

该技术将点级边界与区域级边界结合起来：通过分层伯努利脉冲提供点级边界，替代不必要的完整噪声求值；同时利用空间加速结构构建区域级边界，剔除空区域，提前减少需要处理的步进点。前者减少单个步进点的求值开销，后者减少需要处理的步进点数量。两者共同降低了噪声求值次数，提升了GPIS的整体渲染效率，为复杂场景表达中的高效求交提供了一种技术路径。

2026年10月24日，中国计算机大会（CNCC 2026）在成都迎来最后一天。视觉计算实验室的同学们结合研究兴趣，分别参加了当天的特邀报告、大会论坛，以及神经形态计算、图计算和大模型应用等方向的专题论坛，继续了解人工智能从基础研究走向实际应用的技术进展与挑战。

大会特邀报告

讲者：方滨兴（中国工程院院士、广州大学教授）、胡德文（中国科学院院士、国防科技大学教授）、傅晓明（德国哥廷根大学教授）、周礼栋（微软全球资深副总裁、微软亚洲研究院院长）、唐海红（阿里巴巴高级研究员、淘天集团搜索算法负责人）。

当天的特邀报告涵盖人工智能安全、视觉几何学习、智能基础设施与产业应用等方向。报告既关注人工智能能力扩展过程中如何防范失控风险，也讨论视觉感知与几何计算如何帮助系统认识真实环境。在系统层面，相关内容围绕计算、网络与存储的协同设计，以及从支撑人工智能的计算系统走向具有智能能力的系统展开；在应用层面，则结合电商搜索与推荐等场景，介绍大模型和多模态技术对业务流程的影响。多场报告从安全、算法、系统和应用等不同层面，呈现了人工智能发展所需要的协同支撑。

大会论坛——人工智能时代，我们学什么、干什么？

讲者：文继荣（中国人民大学教授）、陈文光（清华大学教授）、包云岗（中国科学院计算技术研究所研究员）、章文嵩（安托盟丘〔杭州〕科技有限公司创始人）、赵忠（中国人民大学劳动人事学院院长）。

本场论坛由中国人民大学文继荣教授主持，围绕人工智能对学习、人才培养与职业发展的影响展开。讨论不仅关注 AI 能够替代或辅助哪些工作，也进一步思考当知识获取和任务执行变得更加便捷时，知识、学历与经验的价值将如何变化，以及人应当如何保持自主判断与创造能力。论坛还从教育与就业的不同视角，探讨人才培养方式的调整、职业发展的新路径，以及技术进步带来的机会和转型成本如何分担。相关交流将技术能力的变化与个人成长相联系，为同学们思考专业学习、科研训练和未来职业选择提供了参考。

第七届神经形态计算论坛——世界模型：算法与算力

讲者：朱军（清华大学教授）、朱政（极佳视界联合创始人、首席科学家）、黄岩（中国科学院自动化研究所研究员）、杨玉超（北京大学教授）、许晓欣（中国科学院微电子研究所研究员）、赵地（中国科学院计算技术研究所副研究员）。

本场论坛以世界模型为主题，将智能算法的发展与底层算力支撑联系起来，关注模型能力提升与计算实现之间的关系。从算法角度看，相关议题涉及智能系统如何理解环境、预测变化，并为后续交互与行动提供依据；从算力角度看，则需要进一步考虑复杂模型的计算需求，以及算法与硬件平台之间的适配。围绕这两条主线，论坛为理解世界模型提供了不同于单纯比较生成效果或任务指标的视角：智能能力的形成不仅依赖模型设计，还与计算架构、运行效率及系统实现密切相关，应从算法与算力协同发展的角度思考。

智能时代的数据系统

讲者：袁野（北京理工大学教授）、童咏昕（北京航空航天大学教授）、周文超（阿里云研究员/资深总监）、范举（中国人民大学教授）、唐博（南方科技大学研究员）。

本场论坛围绕数据管理与人工智能的双向融合展开，介绍结构化数据智能分析、向量数据引擎与自主数据科学系统等研究进展。相关报告既关注如何通过高效检索为智能应用提供知识支撑，也讨论如何利用智能体串联数据发现、准备和分析，实现全流程协同。其中，唐博老师的报告更进一步聚焦超长上下文推理，结合 AlayaDB.AI 介绍记忆系统与 KV 缓存复用等研究，探讨如何以向量数据管理为切入点，提升大模型处理长篇信息时的推理效率。论坛还结合系统运行反馈，讨论数据、模型与计算平台持续优化的路径，为同学们理解数据系统与智能应用之间的相互促进关系提供了参考。

智能计算时代图计算应用及软硬件支撑技术论坛

讲者：甘新标（国防科技大学研究员）、孙世轩（上海交通大学长聘教轨副教授）、卓有为（北京大学研究员、助理教授）、曾立（深圳市大数据研究院主任工程师）、赵进（华中科技大学副教授）。

本场论坛围绕智能计算中的图计算应用与支撑技术展开，将应用需求、系统软件和硬件平台放在同一框架下讨论。图结构能够刻画数据之间的复杂关联，但随着数据规模和处理任务不断扩展，计算效率、数据存储与资源利用也成为需要共同考虑的问题。相关议题不仅关注图计算能够解决哪些实际问题，也关注如何通过软件系统与硬件支撑，使方法在更大规模的数据和更复杂的任务中有效运行。对于图学习相关研究而言，这一视角有助于将模型设计与实际执行条件联系起来，在关注算法效果的同时，进一步理解计算开销和系统实现对应用落地的影响。

大模型智能体强化学习与自进化

讲者：周明（澜舟科技创始人兼首席执行官）、沈阳（清华大学教授）、林衍凯（中国人民大学副教授）、林涛（西湖大学特聘研究员）、钱泓锦（北京智源人工智能研究院研究员）。

本场论坛围绕大模型智能体从依赖人工训练走向持续学习与自主改进展开，介绍强化学习、长程推理及自主研究等方向的进展。相关报告关注智能体如何通过执行任务、评估结果和利用反馈不断优化策略，并探讨自主构造训练任务、积累可复用技能，以及推动模型、训练环境与数据共同演进的技术路径。论坛同时讨论自进化过程中面临的迭代不稳定、评价体系不完善与安全对齐等挑战，将能力提升与结果验证、人工监督和系统运行机制联系起来。相关交流为同学们理解智能体如何从一次性问答工具走向能够持续学习、适应复杂任务的智能系统提供了参考。

大模型是瓦特蒸汽机吗？效率、可靠性与规模化应用的思辨

讲者：冯俊兰（中国移动集团首席科学家）、王立威（北京大学教授）、何晓冬（京东集团副总裁）、张岳（西湖大学教授、工学院副院长）、户保田（哈尔滨工业大学〔深圳〕教授）。

本场论坛以瓦特蒸汽机带来的效率突破为切入点，讨论大模型是否已经具备推动规模化产业变革的条件，以及从能力展示走向稳定生产力还需要跨越哪些障碍。报告涵盖可信人工智能、AI 赋能数学研究、语言模型推理与泛化、多模态交互及物理世界应用等方向，将技术进展与真实场景中的成本、可靠性和安全要求相联系。论坛进一步围绕通用模型、专业模型、可靠智能体及大小模型协同等路径展开思辨，关注下一步突破究竟来自何处。相关讨论提醒同学们，评价大模型不仅要看它能够完成什么，还应考察其能否持续、可靠且经济地完成任务。

具身智能与智能体的融合记忆系统

讲者：宋继强（英特尔中国研究院院长）、仉尚航（北京大学研究员）、毛世杰（联想集团副总裁、联想上海研究院院长）、蔡建涛（腾讯 Marvis & 应用宝跨端业务负责人）、张益民（眸深智能联合创始人）、吴向斌（英特尔中国研究院首席科学家）。

本场论坛以具身智能与智能体的融合记忆系统为主题，将关注点从单次任务的完成延伸至长期经验的积累与利用。从这一主题出发，记忆不仅是保存历史信息，更涉及如何把环境观察、任务过程和执行反馈组织为能够支持后续判断与行动的经验。面对持续变化的环境，智能系统既需要保留有效经验，也需要更新或淘汰过时信息，避免历史记录干扰当前决策。将记忆与推理、行动相结合，有助于理解机器人和智能体如何在连续任务中复用已有知识、适应新的场景，也为思考智能系统的长期运行能力提供了不同于单次任务指标的视角。

其他论坛

当天其他专题论坛还涉及智能体时代的网络与计算融合、国产AI芯片算子生态，以及人工智能时代的计算机发展史等议题。相关交流从基础设施建设延伸至技术生态与学科发展，展示了计算领域在不同层面的探索，也为同学们理解技术演进与现实需求之间的联系提供了更多视角。

随着最后一天的交流结束，同学们的本届 CNCC 参会之行也告一段落。四天的报告、论坛与展览，将理论研究、技术实践和产业需求联系起来，也为后续论文研读、实验改进与科研讨论积累了新的素材。

2026年10月23日，中国计算机大会（CNCC 2026）在成都进入第三天。视觉计算实验室的同学们结合研究兴趣，分别参加了当天的特邀报告、大会论坛，以及大模型理论、自动驾驶、科学智能与网络安全等方向的专题论坛。

大会特邀报告

讲者：张建伟（德国汉堡大学教授，中国工程院外籍院士，德国国家工程院院士）、张艳宁（中国科学院院士，西北工业大学教授）、胡振江（欧洲科学院院士、日本工程院院士、北京大学讲席教授）、郭嵩（香港科技大学讲座教授，加拿大工程院院士、欧洲科学院院士）、廖恒（华为 fellow、华为半导体首席科学家）、唐杰（CCF 常务理事，清华大学教授）、周俊（蚂蚁集团副总裁）。

当天的特邀报告围绕可信智能系统、物理智能、计算体系结构及大模型应用展开，从模型能力、软件保障和算力支撑等不同层面介绍研究进展。报告既关注安全编程语言与可信系统构建，也讨论多处理器计算架构如何支撑日益复杂的智能任务。在应用层面，相关内容进一步延伸至大模型从“对话”走向“干活”的能力转变，以及如何在提升智能水平的同时兼顾计算效率与实际应用需求。多场报告将基础研究与产业实践相联系，呈现出人工智能发展中算法、软件与硬件协同推进的整体图景。

大会论坛——智能编程时代的软件产业未来

讲者：王怀民（中国科学院院士、国防科技大学教授）、李戈（北京大学教授）、唐杰（清华大学教授）、安筱鹏（阿里云智能集团副总裁）。

本场论坛由北京大学黄罡教授主持，围绕大模型与智能体对软件研发方式和产业结构的影响展开。讨论从自动生成代码带来的效率提升出发，进一步关注智能编程如何融入实际研发流程，以及技术能力转化为产业生产力时面临的困难。论坛还围绕“人人皆能编程”的机遇与挑战，探讨编程门槛降低后专业开发者的角色变化、软件人才应具备的能力，以及高校教育如何回应新的产业需求。相关交流将技术演进、人才培养与产业发展联系起来，为理解智能编程带来的长期变化提供了更完整的视角。

大模型的数理基础

讲者：谢琦（西安交通大学教授）、王立威（北京大学教授）、李建（清华大学长聘教授）、刘勇（中国人民大学长聘副教授）、张俊杰（西安交通大学博士后）。

本场论坛围绕大模型为何有效、如何泛化以及何时失效等问题，从学习理论、压缩与预测、代数几何和信息边界等角度展开讨论。报告将模型的知识获取、表示学习与规模扩展现象同底层数学机制联系起来，尝试解释模型能力提升背后的规律，而不只是停留在实验指标的比较。同时，论坛关注模型失效与风险评估之间的关系，讨论现有评价方式能否充分反映模型的能力边界。相关内容为理解大模型的训练与推理机制、分析实际表现与理论预期之间的差异，以及建立更加可靠的评价方法提供了参考。

自动驾驶与具身智能场景下的基础模型

讲者：史少帅（滴滴自动驾驶 AI Research 负责人）、李鸿升（香港中文大学教授）、蒋理（香港中文大学〔深圳〕助理教授）、齐晓娟（香港大学副教授）、梁定康（华中科技大学助理教授）。

本场论坛聚焦基础模型在自动驾驶与具身智能中的应用，围绕视觉—语言—动作模型、世界模型、三维场景理解及端到端驾驶决策等方向介绍研究进展。相关报告关注如何将环境感知、语言理解与动作生成联系起来，使系统不仅能够识别场景，还能理解任务要求并形成相应的行动策略。论坛同时从策略学习与数据生成两个层面，讨论如何利用视频生成先验和未来场景预测辅助驾驶决策，以及如何借助更加丰富的场景数据改进模型训练。从数字环境中的理解与推理到物理世界中的实际行动，相关研究展现了基础模型连接感知、预测与控制的不同路径。

从预测到发现：时空 AI 驱动复杂系统科研新范式

讲者：王飞（中国科学院计算技术研究所研究员）、邵泽志（中国科学院计算技术研究所助理研究员）、黄高（清华大学副教授）、杨彬（华东师范大学教授）、龙明盛（清华大学副教授）、范长俊（国防科技大学副教授）。

本场论坛围绕时空基础模型及其在复杂系统中的应用展开，结合气象预测、海洋涡旋分析、智慧城市和复杂网络优化等场景，讨论人工智能如何从预测未来状态进一步走向系统理解与科学发现。相关议题既关注模型对时间变化和空间关联的刻画，也关注跨场景应用时的通用性、鲁棒性与可解释性。论坛将数据驱动方法与不同领域的科学问题相联系，思考预测能力能否进一步服务于规律探索和决策优化。对于时空数据研究而言，这意味着评价模型时不仅需要关注预测是否准确，也需要考虑结果能否被理解，以及能否为认识和干预复杂系统提供依据。

AI 驱动漏洞发现：从工具辅助到智能体实战

讲者：陈恺（中国科学院信息工程研究所前沿创新与科教融合中心主任）、纪守领（浙江大学特聘教授/长聘教授）、刘奇旭（中国科学院信息工程研究所研究员）、梁彬（中国人民大学教授）、于冬松（中关村实验室副研究员）。

本场论坛聚焦人工智能在漏洞发现中的应用，围绕从工具辅助分析到智能体参与安全任务的转变展开交流，关注AI技术与实际软件安全需求的结合。由辅助工具走向智能体实战，意味着关注点不仅是模型能否给出分析结论，还包括它如何参与任务执行、与已有工具配合，以及如何判断分析结果是否可靠。这一主题也为漏洞检测研究提供了更贴近实际工作流程的思考方向：除了比较检测指标，还需要重视发现结果的有效性、证据的完整性与后续验证的可行性。相关交流为同学们审视现有检测方法、思考模型能力与实际安全任务之间的联系提供了参考。

第六届网络生态治理论坛：当 AI 学会“自主攻击”—— Agent 与 Mythos 带来的新危机

讲者：刘知远（清华大学教授）、胡侠（上海人工智能实验室领军科学家、教授）、杨珉（复旦大学计算与智能创新学院执行院长）、黄龙涛（阿里巴巴安全 AGI 实验室负责人）、董胤蓬（清华大学助理教授）。

本场论坛关注自主智能体与新一代模型带来的安全挑战，围绕越权操作、工具与技能污染、数据安全以及自主攻防能力评测等议题展开讨论。随着智能体能够访问外部信息、调用多种工具并连续执行任务，风险也从单次回答中的错误或不当内容，延伸至整个行动过程。相关报告从智能体架构、多工具协同、数据使用和系统评测等角度，分析能力增强与风险扩散之间的联系，并结合企业安全实践探讨治理思路。论坛将关注点从“模型说了什么”进一步扩展到“模型如何决策、调用工具和执行操作”，为理解智能体安全可控的要求提供了更加完整的视角。

CCF 计算机展览会

会议期间，同学们还参观了大会同期举办的CCF计算机展览会。企业展区集中展示了国产芯片、算力基础设施、人工智能、云计算与行业数字化解决方案，通过实物展品、技术演示和应用案例，呈现计算技术从底层支撑到行业应用的不同环节。展会还设置了高校科研成果、学术出版及AI互动体验等展区，使学术研究、产业产品与公众体验形成衔接。相较于报告中的方法与理论介绍，展区展示让同学们更加直观地了解技术的产品形态、使用场景，以及研究成果走向实际应用时需要回应的需求。

其他论坛

当天其他专题论坛还涉及天基计算与智能应用、大模型拟人化交互、伦理安全与价值对齐等议题。相关讨论既关注新型计算环境中的技术探索，也关注人工智能进入日常生活后带来的隐私保护、情感依赖与责任边界等问题。从计算能力的拓展到人机关系的变化，这些主题展现了计算技术与不同领域相互交织的发展趋势，也为同学们从技术之外理解人工智能的应用条件与社会影响提供了更多视角。

2026年10月22日，中国计算机大会（CNCC 2026）在成都进入第二天。视觉计算实验室的同学们结合研究兴趣，参加了当天的大会特邀报告，以及AI for Science科学智能、结构模式识别与图机器学习两个分论坛。

大会特邀报告

讲者：Josef Kittler（英国萨里大学杰出教授）、吴建平（中国工程院院士、清华大学教授）、郭雷（中国科学院院士、北京航空航天大学教授）、李斌（中科曙光高级副总裁）、蒋冠军（阿里巴巴ATH副总裁）。

上午的特邀报告由四川大学章毅教授主持。报告涵盖基础模型表征相似性、计算机学科发展的三大里程碑、类脑计算与仿生装备等方向，并介绍了面向大模型应用的算力基础设施与千问个人智能体实践。从基础研究到产业应用，几场报告为同学们理解计算领域的发展趋势提供了不同视角。

天府·慧研—AI for Science科学智能分论坛

讲者：陈云伟（中国科学院成都文献情报中心党委书记）、屈鸿（电子科技大学教授）、朱向东（四川大学教授）、谢一明（智算云腾〔成都〕科技有限公司总经理）、王晓旭（深势科技〔宜宾〕有限公司总经理）、马乐（上海人工智能实验室创新应用中心负责人）。

本场论坛从科研知识服务、类脑计算、国产算力和干湿实验闭环等角度，讨论人工智能如何改变科研流程。其中，AI预测与自动化实验相结合的报告，介绍了新能源材料研发中计算与实验协同的思路。论坛还设置了“天府·慧研”发布环节，展示科学大模型与算力、数据及实验平台协同发展的探索。

第二届结构模式识别与图机器学习：大模型与图学习能否双向奔赴

讲者：崔鹏（清华大学副教授）、魏哲巍（中国人民大学教授）、白璐（北京师范大学教授）、刘淇（中国科学技术大学教授）、江波（安徽大学教授）。

本场论坛介绍了结构化数据通用大模型、图智能的跨学科应用、图核神经网络、智能体驱动的图数据挖掘及图稀疏学习等研究进展。报告与 Panel 围绕大模型和图学习如何相互促进展开，探讨利用图结构增强大模型的生成与推理，以及借助大模型提升图数据理解与交互能力的途径，为同学们思考两类模型的结合方式提供了参考。

其他专题

当天其他专题论坛还涉及智能体、数据库、具身智能、医学影像、网络与人工智能安全等方向，展示了计算技术在不同领域中的研究进展与应用探索。