9 月13–14 日，GOSIM 全球开源创新汇主办、CSDN 承办的 GOSIM HANGZHOU 2025 将在杭州盛大开启。大会聚焦前沿技术趋势，设置 2 场 Keynote 演讲，两大高端论坛（GOSIM AI Vision Forum 与 Open for SDG ），5 大主题论坛（AI 模型与基础设施、具身智能、智能体网络、应用与智能体、下一代 AI）、12 场 Workshop 与 4 场 Hackathon 创新竞赛，并特别联动 RustGlobal + RustChinaConf 和  GOSIM AI for Humanity Spotlight  两大重磅活动。

「下一代 AI」主题论坛作为 GOSIM HANGZHOU 2025 大会聚焦前沿技术趋势的重要组成部分，AI 赋能用例、AI 设备、人机交互界面、AI 平台和 AI 治理。云集来自国际信息研究科学院、牛津大学、清华大学、上海交通大学、浙江大学、上海音乐学院、西北工业大学、奇点智能研究院、 Hugging Face、Bielik.AI 等机构的顶尖专家与研究者展开深度研讨，共探下一代人工智能的发展路径与未来图景。

「下一代AI」主题论坛亮点前瞻：

• 院士领衔：人工智能和智能科学先驱、国际信息研究科学院院士史忠植从 2024 诺奖三连击（Hopfield/Hinton 神经网络、AlphaFold 蛋白折叠、David Baker 设计）等重大事件中洞悉智能科学的发展路线；

• 跨学科大咖同台：从 AI 科学奠基人、顶级高校教授，到 Bilibili 知名绘画 UP 主、国际开源社区领袖，覆盖学术、产业与创作者生态；

• AI 技术如何赋能艺术：主观的审美，AI 如何量化？连“好不好听”都能被算法解析？AI 到底会不会“画心”？首个中文歌曲美学基准 SongEval 是如何突破歌曲美学评价技术难题的？

• AI 的新突破与瓶颈：脉冲计算+神经网络，大模型如何突破算力与能效的瓶颈？下一代 AI 不仅要大，更要聪明——更低的能耗、更强的推理，底层技术如何悄然突破 AI 的天花板？

大会购票通道已开启，立即扫码报名：

《AI 产业范式转变的若干个核心命题》

大模型正在驱动 AI 全产业链的技术与生态范式转变。本次分享聚焦其中的若干个核心命题：AI 时代的计算范式、开发范式和人机交互范式转变、 智能体应用生态、智能驱动的超级设备、语言模型与视觉模型、 强化学习带来的创新等。 通过这些核心命题的讨论，探索 AI 时代的技术架构路线，产业生态演进和业务创新战略。

🔹李建忠  奇点智能研究院院长，CSDN 高级副总裁

现任奇点智能研究院院长，CSDN高级副总裁，在人工智能、技术创新和产业生态领域有丰富经验。2016年发起极具影响力的全球机器学习技术大会（ML-Summit）。曾提出“范式转换立方体”引发强烈关注。他创立奇点智能研究院，主要研究以大模型为主的人工智能范式，为包括世界五百强在内的多家企业提供人工智能与创新战略咨询。

《AI时代的创新教育》

🔹王佳梁 上海交大工研院执行院长

《AI 绘画的未来方向》

本次演讲将分享 AI 绘画当下的局限，试探讨AI 和人的思考根本差异，及未来会有哪些方向。 

🔹 唯伟  bilibili 知名绘画 UP 主“有点艺思哦”

唯伟，毕业于中央美术学院，从事审美教育和科普。 

《艺术与人工智能的交融：延展创造力的边界？》

🔹 Boucherifi-Kornmann，艺术家、增强绘画开创者、欧洲人工智能与增强主义双年展创始人

一位活跃于艺术、科学与新兴技术交叉领域的法意籍艺术家、策展人和研究者。十余年来，她始终以批判性视角探索人工智能与新兴创作工具，并于2019年开创了名为"增强绘画"的全新绘画运动，她的策展实践聚焦技术伦理与美学维度，积极促进跨文化学术交流。其艺术作品曾亮相于蓬皮杜艺术中心、奥地利电子艺术节、agnes b.艺术空间等知名机构参与的群展与艺术博览会。此次参与GOSIM人工智能愿景论坛，ABK将带来欧洲文化视角下对人工智能与人类文明的思考，分享即将举办的双年展中的前瞻理念，旨在推动欧亚大陆共同探索人类与智能系统之间的共生关系。

《如何将人工智能技术融入未来的艺术领域》

通过列举人工智能技术在艺术领域的案例研究，分析人工智能艺术未来发展的可能性以及艺术家的责任。

🔹 岳一川  首都师范大学博士、艺术家

她本科与硕士均毕业于中央美术学院，博士毕业于首都师范大学美术学院，是一名艺术家。

《SongEval：歌曲美学评价基准数据集》

美学是歌曲生成任务中一个隐性的、却至关重要的评价标准，它反映了超越客观指标的人类感知。然而，如何评估生成歌曲的美学价值仍是一个根本性挑战，因为音乐的欣赏极具主观性。现有的评估方法（如基于嵌入的距离）难以体现音乐吸引力中的主观与感知层面。为此，Xue 和 Yao 的团队提出了 SongEval，这是首个用于歌曲美学评价的开源大规模基准数据集。
SongEval 包含 2,399 首完整歌曲，总时长超过 140 小时，由 16 位具有音乐背景的专业标注者进行美学评分。每首歌从五个关键维度进行评价：整体连贯性、记忆度、呼吸与乐句的自然度、曲式结构的清晰度，以及整体音乐性。数据集覆盖英文和中文歌曲，涵盖九大主流音乐风格。此外，为了验证美学评价的有效性，我们利用 SongEval 开展实验，预测歌曲美学得分，并证明其在预测人类感知音乐质量方面优于现有的客观评估指标。
Xue 和 Yao 的团队在以下地址提供了数据集和评估工具包：
https://huggingface.co/datasets/ASLP-lab/SongEval
https://github.com/ASLP-lab/SongEval

此议题由以下两位演讲者共同分享：

🔹 薛蕙心  上海音乐学院博士研究生

Huixin Xue 是一位中国作曲家、音乐制作人和音乐人工智能研究者。她是上海音乐学院音乐人工智能专业的博士研究生，师从刘灏教授，同时也是汉堡音乐与戏剧大学的访问学者，以及上海音乐学院人工智能音乐治疗重点实验室成员。本科与硕士阶段，她均就读于上海音乐学院音乐工程系，并以专业第一名的成绩毕业。Xue 的作品屡获殊荣，包括 2024 年巴黎国际作曲大赛 OPUS ARTIS 最高奖、2024 年国际电子音乐作曲大赛 Sound Chain 优秀奖（全球 6 位获奖者中唯一的中国人），以及 2024 年杭州国际电子音乐作曲大赛二等奖。作为一名音乐 AI 研究者，她致力于探索 AI 技术赋能音乐创作的可能性，包括 AI 音乐生成模型的训练与评估，以及 AI 音色合成。 

🔹 姚继珣  西北工业大学博士研究生

Jixun Yao 是西北工业大学计算机科学专业的博士研究生，师从谢磊教授。他的研究聚焦于语音生成与隐私，特别是表现力语音合成、零样本语音合成和音乐生成。他的研究成果曾发表于 ICLR、AAAI、ACL 和 ICASSP 等国际顶级会议，并在 VoicePrivacy 2022 和 2024 挑战赛中取得领先成绩。他的工作旨在推动学术创新与实际应用的结合，拓展多语言、情感丰富的语音应用场景。

《面向下一代游戏的AI 驱动模型与数据压缩》

随着游戏不断向更丰富、更具沉浸感的体验演进——包括实时渲染、体积环境和人工智能驱动的交互功能——神经模型与游戏资源的高效压缩正变得愈发关键。本次演讲将从统一视角阐述专为下一代游戏设计的人工智能驱动型模型与数据压缩策略。  我们首先探讨视觉数据压缩，涵盖数字视频、立体及多视角视频，以及3D场景表示，这些构成了虚拟现实（VR）、增强现实（AR）等未来沉浸式游戏环境的基础。随后，话题将转向模型压缩，聚焦新兴的生成式人工智能技术，包括视频大型语言模型（V-LLMs）、视频生成模型（VGMs）和具身智能系统，重点介绍在不影响性能的前提下减少其计算量与内存占用的方法。  最后，演讲将勾勒出一套连贯的技术路线图，致力于实现自适应、轻量级、人工智能赋能的压缩技术，让下一代游戏能够呈现更高质量的画面、降低带宽消耗，并在各类硬件平台上实现更快的推理速度。

🔹  陈郑豪  纽卡斯尔大学助理教授

陈郑豪博士，纽卡斯尔大学的教学工作人员。他分别于 2017 年和 2022 年在悉尼大学获得工程学学士学位（一等荣誉）和博士学位。他曾担任 TikTok 研究工程师、悉尼大学博士后研究员，以及微软研究院和迪士尼研究院的访问科学家。凭借优异的学术成就，他荣获了谷歌澳大利亚奖、澳大利亚RTP 国际奖学金、ACM SIGMM 杰出论文奖和微软研究院 StarTrack 奖学金。  陈博士的研究兴趣广泛，涵盖计算机视觉、自然语言处理和机器学习领域。他在生成式人工智能方面的专业造诣尤为突出，其研究成果已应用于学术和工业界。陈博士在 CVPR、ICCV、ECCV、MM、AAAI、ICLR 等顶级人工智能会议及 T-PAMI、T-IP、T-MI 等期刊上发表了大量论文，并持有多项专利。此外，他还担任 CVPR、ECCV、ICCV、SIGGRAPH、AAAI、IJCAI、MICCAI、MM、KDD  等会议的程序委员会成员，组织过MM 和ICCV 的研讨会，同时担任IJCV、T-IP、T-MI、T-CSVT、PR 等期刊的审稿人，以及 MDPI 《算法》期刊和《人工智能前沿》期刊的客座编辑。

 《Ventus OpenGPGPU项目技术综述》

Ventus 是一款基于 RISC-V 及其向量扩展的高性能开源通用 GPU（GPGPU），旨在为 AI 与高性能计算时代提供可扩展、完全开放的 SIMT 架构。该项目于两年前启动，核心使命是推动 GPU 指令集与架构领域的开源协作发展，构建技术、创新与标准生态链的上游与下游。此外，开源模式将加速 GPU 产业的发展及其在社会经济各领域的广泛应用。本次演讲将概述 Ventus 开源 GPGPU项目的使命、范围、社区建设，以及其对全球开放标准与开源社区、GPU与RISC-V 产业的贡献。涵盖开放 GPU 指令集、先进微架构、完整软件生态及性能验证等技术亮点。

🔹 何虎 清华大学集成电路学院副教授

《迈向可信与可复现：大模型开源开放分级体系构建》

随着人工智能大模型的快速发展，其透明性、合规性与可复现性成为产业关注的核心议题。本报告基于《人工智能 关键基础技术 大模型技术体系开源开放分级评估规范》，提出一套系统化的开源开放分级框架，从“完整性”与“开放性”双维度定义L1至L4 递进等级，覆盖从模型部署到全链复现的能力要求。该体系为开发者、企业、研究机构与监管方提供统一的评估基准，助力识别模型开放程度、管控合规风险、推动负责任创新。面向未来，标准化的分级评估将成为构建可信、可持续大模型生态的关键基石。

🔹 王伟  奇点智能研究院开源技术委员会主任

王伟，奇点智能研究院开源技术委员会主任，工业和信息化部电子标准院开源治理标准总体组组长，联合国咨商开源创新专委会秘书长，华东师范大学教授，CCF 杰出会员。牵头制定中国首套开源治理系列标准，研究聚焦开源治理与开源评价。在ICSE、WWW、ACL 等顶级期刊发表论文百余篇，入选国家级创新人才项目、获国家级教学成果二等奖、上海开源创新卓越成果奖特等奖。

《从社区火花到国家影响力：Bielik.AI 的故事与力量》

本次演讲将完整讲述 Bielik.AI 的故事，从草根起点到现实影响。演讲将从“为什么”开始：一个充满热情的开源社区如何识别出波兰语主权大模型的关键需求，并从零开始建立起一场民主化 AI 的运动。这是一个关于人、愿景，以及如何让一个国家围绕共同目标而动员的故事。

🔹 Karol Stryja  《99 Faces of AI》播客 / Bielik.AI 创始人

被誉为“波兰播客教父”的 Karol Stryja 一直走在技术浪潮的前沿。他在推动语音交互和智能音箱的全球普及方面作出的贡献，使他获得了 voicebot.ai 颁发的 “Leader in Voice” 奖项。如今，他是一名有影响力的 AI 生态架构师，也是人工智能未来领域的常客演讲嘉宾。通过他广受欢迎的播客《99 Faces of AI》，他通过采访顶尖专家来揭秘人工智能，并将复杂的技术转化为像联想、三星、Meta、IBM 等品牌可以落地的具体战略与行动。

《智能时代协同创新》

2024 年诺贝尔物理学奖授予霍普菲尔德(J. J. Hopfield) 和 辛顿（G.E. Hinton），以表彰他们“通过人工神经网络实现机器学习的基础性发现和发明”。 2024 年诺贝尔化学奖颁发给大卫·贝克（D. Baker）、哈萨比斯 (D. Hassabis) 和约翰·迈克尔·江珀 (J.M. Jumper)，以表彰其在蛋白质设计和预测方面的贡献，这些重大事件，标志着人类智能时代的到来。本报告主要介绍智能科学的发展和基于大模型的人工智能智能体，展望智能科学技术未来的发展趋势。

🔹 史忠植  国际信息研究科学院

人工智能和智能科学专家。中国科学院计算技术研究所研究员、博士生导师。国际信息研究科学院(IAIS) 院士, 中国人工智能学会会士，中国计算机学会会士。长期从事智能科学、人工智能等方面的研究。曾负责完成多项国家973、863、国家自然科学基金重点项目。曾荣获国家和部门科技奖项6 项。2013 年获得中国人工智能学会吴文俊人工智能科学技术成就奖。发表著作20 多本。发表学术论文500 多篇。曾担任中国计算机学会秘书长，中国人工智能学会副理事长, IFIP 人工智能机器学习和数据挖掘组主席。

《规模化主权AI：欧洲基础模型的数据管道与研究基础设施》

欧洲一项新兴倡议正在构建一个开放的大型语言模型（LLM）、大型推理模型（LRM）以及基于智能体的系统组合，以捍卫欧洲的数字主权。然而，真正的创新不仅在于模型架构，更在于使这些模型具备可重现性、高效性和适应性的数据管道与评估框架。本次演讲将深入解析该项目的技术基础：多语言与领域专用语料库的数据策管与处理管道；大规模预训练与评估体系；通过强化学习与测试时计算实现的推理扩展；高效部署策略。他将重点阐述研究密集型数据管道和透明化评估如何成为构建主权性、开放性与可扩展AI基础设施的核心——这些设施不仅能与国际竞争者抗衡，更始终向社区保持开放。

🔹 Nicolas Flores Herr Fraunhofer IAIS基础模型与生成式AI系统团队负责人

担任弗劳恩霍夫智能分析与信息系统研究所（Fraunhofer IAIS）德累斯顿中心主任，领导一支自2022年起专注于大语言模型（LLM）与生成式人工智能研发及应用的跨学科团队。其专业能力覆盖全技术生命周期：从数据集构建、预训练与持续预训练，到微调与指令调优。相关工作通过欧洲旗舰项目推进，包括OpenGPT-X、TrustLLM、OpenEuroLLM 及 Eurolingua。在领导工作中，他兼顾科研卓越性与战略影响力。团队为跨行业工业合作伙伴开发定制化生成式AI解决方案，包括可扩展的企业级聊天机器人以及专用于语义搜索与知识获取的工具。

《UCM面向稀疏化注意力加速的推理架构设计分享》

随着大模型参数与上下文窗口同步膨胀，稠密注意力计算已成为线上推理的绝对瓶颈——显存占用呈二次曲线、延迟随序列长度线性飙升。业界普遍采用KVCache+投机解码来缓解，但在超长序列的极限场景下仍捉襟见肘。本次分享聚焦「稀疏注意力」这一新范式，从算法、插件化设计到软件实现，首次系统性公开我们自研UCM推理记忆数据管理器的稀疏化推理栈的架构设计思路与落地经验。

🔹 Jingbin Zhang 华为高级首席架构师兼技术经理

现任华为（中国深圳）数据存储产品线AI基础设施高级首席架构师与技术经理。他主导设计了华为OceanStor A800 存储系统多项大模型推理加速特性，并推动其在中国金融、医疗与政务领域的规模化落地。他在面向推理的存储及相关技术领域已发表多篇论文并获得多项专利。其研究方向涵盖大规模AI系统架构、面向深度学习的高性能存储技术以及智能加速技术及应用。

《站在新进化节点上 AGI 与第二次认知革命》

🔹 杜凯  清华大学心理与认知科学助理教授

他长期致力于神经科学与类脑智能的交叉学科研究，聚焦于脑科学研究的新工具与新理论，以及如何通过模拟大脑神经系统实现人类水平智能。

《脉冲计算：挑战和机遇》

本报告主要介绍脉冲计算这一新兴类脑计算范式的核心挑战与关键机遇。脉冲计算以事件驱动和异步信息传递为特征，区别于传统连续同步计算。报告首先聚焦核心挑战：非连续性计算模型的构建难题，探讨如何建立高效、可用的算法框架，随后阐述脉冲计算在模型算法、感知器件融合、神经拟态硬件应用三个方面的潜在应用潜力及前景。

🔹 郑乾  浙江大学助理教授

郑乾，浙江大学计算机科学与技术学院、脑机智能全国重点实验室“百人计划”研究员，博士生导师，国家海外高层次青年人才（2021），VALSE EACC 副主席委员。研究方向主要为类脑视觉，发表论文 70 余篇，包括T-PAMI，CVPR，ICCV，NeurIPS，ICML 等，获2024 ACM 杭州分会“新星奖”，主持国家自然科学基金面上项目，是国家自然科学基金重点项目、国家科技重大专项课题负责人，担任国际期刊 T-CDS、Neurocomputing 编委，多个 CCF-A 类会议、期刊审稿人。更多的信息请参考: https://q-zh.github.io/

《神经网络是否可以被严谨地解释清楚? Scaling Law 是否会成为大模型永远的桎梏 》

“模型可解释性的不足”和“Scaling Law 的桎梏”是深度学习领域中两大瓶颈性问题，但是从内在机理层面却殊途同归地指向同一根因——对模型表征能力缺少根本性解释与建模。目前大部分可解释性研究依然停留在工程技术层面，无法在机理层面直接解释模型表征能力。张拳石团队所提出的基于等效交互可解释性理论体系，从机理层面部分解决了上述问题，证明了神经网络内在复杂表征逻辑可以被严谨且全面地概括为稀疏的交互概念，并基于交互概念可以充分解释神经网络的性能根因，从而跳出黑盒训练范式，有针对性地实时监控并修复模型表征缺陷，提升训练和测试效率，摆脱 Scaling Law 的桎梏。

🔹 张拳石  上海交通大学副教授

张拳石，上海交通大学电院计算机科学与工程系长聘副教授，博士生导师，入选国家级海外高层次人才引进计划，获 ACM China 新星奖。他于 2014 年获得日本东京大学博士学位，于 2014-2018 年在加州大学洛杉矶分校（UCLA）从事博士后研究。张拳石在神经网络可解释性方向取得了多项具有国际影响力的创新性成果。张拳石承担了 TMLR 的责任编辑，CCF-A 类会议 NeurIPS 2024 的领域主席，IJCAI 2020 和 IJCAI 2021 的可解释性方向的 Tutorial，并先后担任了 AAAI 2019, CVPR 2019, ICML 2021 大会可解释性方向的分论坛主席。

 

《大语言模型中的深度诅咒 》

大语言模型已展现出令人瞩目的成果。然而，最新研究表明，它们的深层通常贡献较小，且随着层数加深，模型效果呈现出逐渐减弱的趋势。这一现象为模型压缩提供了重要机会。本次研讨会的第一部分将探讨如何利用这一特性，实现高效的大模型推理。尽管存在压缩潜力，深层利用不足仍导致显著的资源浪费，这些资源本可以用于进一步提升模型性能。研讨会的第二部分将聚焦于深层失效的根本原因，并提出相应的解决方案。刘世伟及其团队发现问题源于当前广泛采用的“预层归一化”机制。为此，我们引入了一种新方法：LayerNorm Scaling（LNS），用于解决这一结构性问题。实验结果表明，LNS 能够使深层生成更具多样性的表示，从而更有效地发挥其作用，显著提升预训练模型的整体质量，并增强其在下游任务中的适应能力。

🔹 刘世伟  牛津大学英国皇家牛顿国际研究员

刘世伟博士是牛津大学的英国皇家学会牛顿国际研究员，曾任美国德克萨斯大学奥斯汀分校博士后研究员。他于 2022 年以优异成绩获得荷兰埃因霍芬理工大学博士学位。他的研究目标是利用、理解并拓展神经网络中低维结构的作用，以实现可扩展且高效的人工智能。刘博士曾获得沙特阿卜杜拉国王科技大学（KAUST）和“简约性与学习大会”（CPAL）颁发的两项新星奖，其博士论文荣获 Informatics Europe 颁发的 2023 年度最佳博士论文奖。 

更多精彩议题持续更新中，欢迎关注 GOSIM 大会官网。

9 月 13- 14 日，GOSIM HANGZHOU 2025

1500 + 全球一线开源开发者

100 + 海内外资深专家

100 +优质技术分享

5 大技术论坛

12 场主题 Workshop 

4 场 Hackathon 创新竞赛 

1 场 GOSIM AI for Humanity Spotlight

特别联动 Rust 十周年精彩活动 RustGlobal + RustChinaConf 

大咖云集，内容丰富

欢迎亲临现场

与全球开源资深大咖面对面交流！

9 月的杭州，西子湖畔，我们等你共赴一场关于“开源、协作与未来”的技术盛会！

点击「阅读原文」或扫描下方二维码，即刻加入 GOSIM HANGZHOU 2025！