博文

AI for Engineering International Conference——智赋工程·科学未来研讨会成功举

已有 182 次阅读 2026-6-27 07:13 |个人分类:近期会议|系统分类:博客资讯

6月12-14日，由MDPI与香港科技大学联合举办的AI for Engineering International Conference——智赋工程·科学未来研讨会，在香港科技大学成功举行。本次会议汇聚了来自人工智能与工程应用领域的众多专家学者，围绕AI技术在工程领域的前沿发展、学科交叉与未来趋势展开了深入交流与探讨。

开场致辞

会议主席郭毅可院士首先对各位专家学者的到来表示热烈欢迎。他以三重身份参与本次会议——香港科技大学首席副校长、AI科学家，以及MDPI AI for Engineering 期刊主编。MDPI近年来的跨越式发展有目共睹，郭院士对此予以充分肯定，并强调，本次会议的核心目标不仅是学术交流，更在于携手构建一个全球性的“AI for Engineering”学术共同体。

MDPI亚洲区总经理Caleb Snider在致辞中指出，今年是MDPI创立30周年，自2006年率先采用开放获取模式以来，MDPI始终致力于推动国际学术交流与进步，已出版500余个学术期刊。他还介绍了AI在MDPI出版流程中的三项应用——精准分刊、智能匹配审稿人及识别学术不端行为，强调AI仅是辅助工具而非替代人才，并呼吁通过跨学科、跨机构、跨国合作，推动学术出版健康发展。

新刊发布

首先，MDPI责任编辑胡满介绍了AI for Engineering 期刊的基本信息与创刊背景。她指出，近年来AI在工程应用领域的论文发表量增长迅速，全球工程与AI的关联日益紧密，AI正推动工程实践迈入自动化和智能化新阶段。在此背景下，AI for Engineering 期刊覆盖了土木、环境、地球、化学、材料等工程领域，重点方向包括AI驱动的设计与优化、智能软件与系统、工程中AI的伦理考量及可解释AI在工程中的应用。

随后，MDPI亚洲区总经理Caleb Snider为期刊主编郭毅可院士颁发主编证书；郭毅可院士为期刊编委团队代表，华中科技大学吴志刚教授颁发编委证书。郭院士代表期刊编辑团队，感谢编委团队的支持，并指出AI for Engineering与AI for Science的区别——后者主要聚焦化学、材料、物理等领域，而AI for Engineering范围更广，既强调AI作为工具的应用经验，也关注如何为工程场景开发AI技术本身。吴志刚教授的发言以机器人科学领域的亲身经历说明AI对工程学科的深刻变革。他指出，短短两年间，学术会议的主题重心已从传统软体机器人与材料科学，全面转向AI与机器学习，充分印证了工程世界的根本性转变，并表达了对AI赋能工程的深刻认同。他期待AI for Engineering 成为加速工程科学发展的新平台。

最后，期刊主编郭毅可院士、期刊编委团队代表吴志刚教授、MDPI亚洲区总经理Caleb Snider先生，以及MDPI Publisher 杨亮博士共同上台，宣布 AI for Engineering 期刊正式发布。

专题研讨

- 专题一 - Earth and Environmental Engineering

复旦大学吴力波教授带来主旨报告，她首先展示了AI气象模型在大气、海洋、冰层和陆地领域的整体发展态势，并指出了AI气象模型在精度和效率上的优势，以及仍然依赖NWP再分析数据、缺乏多系统耦合能力等不足。随后，她介绍了其团队开发的“伏羲”系列模型，及其在灾害风险评估、极端天气、气候金融等领域的应用，并强调天气预报重精确，气候预测则是基于社会路径的条件概率。最后，吴教授讨论了AI在综合评估模型中的潜力及六大挑战，并以验证、可解释性与级联不确定性三个开放问题收尾。

在香港科技大学陆萌茜教授的主持下，复旦大学吴力波教授、香港理工大学倪一清教授、香港城市大学戴建国教授、香港科技大学陈光浩教授，以及中国科学院大气物理研究所包庆研究员共同参与专题讨论环节。嘉宾们围绕AI的可解释性与知识生成方式转变，以及AI技术部署的公平性两大议题展开讨论。要点聚焦AI从理论驱动转向数据驱动的认知挑战，强调应关注“为何有效”而非仅追求精度，并提出教育应转向培养提问能力、融合物理机制增强可信度等观点。同时关注绿色能源与AI的正向循环、算力经济缩小区域差距、全民AI教育、数据共享制度障碍等公平性问题，并以污水处理行业为例，指出AI或可打破传统行业的创新僵局。

- 专题二 - Logistics and Embodied AI

东南大学温广辉教授介绍了团队在无人水面艇平台上的研究成果。其团队通过整合控制与通信技术，设计了多种新型分布式控制协议来解决协同控制问题，并指出室外SLAM是部署这些协议的前提条件。团队将类似方法拓展至无人机编队协同控制，并结合虚拟现实技术，实现了端到端的协同控制，使软体机器人能在未知环境中执行任务。

香港中文大学吴靖教授指出，物流AI能“看见”异常，但从“看见”到“正确行动”之间仍存在巨大的认知中间层。他以亚马逊为例，指出机器人超百万台但物流工人数量未减，复杂认知工作仍留给人类。吴教授提出三阶段演进模型：AI作为工具、AI作为同事 (人机共担认知负荷)、AI作为认知基础设施。最后以三个命题作结：没有认知具身的物理具身是脆弱的；没有决策的数据是昂贵的；没有治理的AI是危险的。

讨论环节围绕物理AI的落地挑战展开。在香港科技大学李默教授的主持下，嘉宾们就机器人替代人力的实际情况、投资回报周期、数字智能与物理智能在数据获取与错误代价上的本质差异，以及物理世界图灵测试的标准进行了深入交流。讨论还触及物流行业中远比自然灾害更棘手的“人心问题”——即隐藏在人类行为中的潜规则与不可编码的暗知识，揭示了AI在真实商业环境中面临的独特困境。

- 专题三 - Materials Engineering

香港理工大学赵海涛教授介绍了AI与机器人驱动的材料研究新范式。他将材料研究归纳为理性设计、可控合成与逆向设计三大问题，通过AI大模型、数字孪生与机器人平台形成闭环。其团队将材料合成流程模块化，结合数字孪生实现实验模拟与推理分析，并开发专用大语言模型处理配方与工艺参数。系统涵盖材料发现与AI用材料两大方向，实现了从计算到材料、从材料到器件的全流程闭环。

讨论环节由香港科技大学周圆圆教授主持，香港理工大学赵海涛教授、香港科技大学杨晶磊教授与范智勇教授、中国科学院深圳先进技术研究院孙源淼研究员、加州大学洛杉矶分校陈俊教授及苏州大学尹万健教授共同参与，围绕材料自动化与AI展开探讨。要点包括自动化是否扼杀“意外发现”；AI在材料产线优化与文献数据提取中的应用与局限；AI对教育方式的影响；以及衡量AI价值的关键判断标准等。

- 专题四 - Biomedical Engineering

香港中文大学邢国良教授在报告中指出，人口老龄化、医疗供给不足及数据隐私风险是该领域三大社会挑战。AI能力的跃升、本地部署的普及和多模态传感器的泛在化，为应对这些挑战提供了技术基础。他分享了团队在阿尔茨海默病早期筛查、居家跌倒检测、溺水预警及可穿戴生活日志系统等方面的应用成果，展示了AI与传感器融合在健康监测与风险预警中的广阔前景。

在香港科技大学欧阳小敏教授的主持下，香港中文大学邢国良教授、香港科技大学杨灿教授、香港大学张清鹏教授、香港科技大学姚宽明博士、香港大学屈靓琼教授五位学者围绕医疗AI的多模态数据整合与临床应用展开讨论。要点包括：多模态数据整合在构建全面患者画像中的潜力及在算力、标准化与临床验证方面的挑战；诊断与治疗之间的衔接问题；以及AI在临床实践中的实际使用情况与主要障碍。

- 专题五 - Chemical Engineering

清华大学赵劲松教授为本专题带来报告。他指出，中国化工行业规模虽大幅增长，但事故与死亡人数显著下降，过程安全仍被广泛忽视。他特别提出国内过程安全教育严重滞后，多数化工院系未将其列为必修课。其团队早在AI热潮前已开发HAZOP专家系统并授权超60家企业，目前正利用AI Agent自动生成HAZOP报告，平均评分约72分。赵教授强调，AI在安全设计、施工、运行及应急响应中至关重要，直接关乎生命安全。

在香港科技大学邵敏华教授的主持下，清华大学赵劲松教授、香港科技大学高寒宇教授、香港科技大学 (广州) 夏俊教授、南洋理工大学Shi Xuan Leong教授、浙江大学莫一鸣教授、厦门大学王斌举教授共同围绕AI驱动化工研究的瓶颈与前景展开讨论。嘉宾们指出学术与工业数据存在鸿沟、数据质量差、模型可重复性与泛化能力不足等主要障碍，并分析了未来5-10年，有望从AI中受益的具体领域。此外，探讨了如何将物理定律/第一性原理与数据驱动的AI模型整合，以及AI时代的教育体系优化问题。

- 专题六 - Future of AI

香港科技大学 (广州) 陈雷教授认为，当前AI发展的核心瓶颈已从模型转向数据。他以BMW缺陷检测为例，模型优化仅达83%，经数据清洗与重构后跃升至93%，凸显数据质量的决定性作用。他指出，数据工程通常占AI项目80%的时间，全球因低质量数据造成的年收入损失巨大。陈教授从数据准备、模型训练、推理缓存与可靠生成四个阶段剖析了数据挑战，并强调未来AI的突破取决于数据质量，而非模型规模。

在香港科技大学周晓方教授主持下，香港科技大学 (广州) 陈雷教授、香港科技大学谭平教授、香港科技大学郭天佑教授、南洋理工大学丛高教授围绕AGI与人类角色展开讨论。嘉宾们探讨了多学科融合与物理世界理解对AGI的重要性，分析了人类在创造力与决策监督中的不可替代角色，并交流了AI时代教育在基础技能与批判性思维培养方面的调整方向。

- MDPI专题报告 -

MDPI责任编辑Milica Plazinic女士介绍了MDPI作为全球领先开放获取出版机构的发展现状，及其覆盖期刊出版、学术社交、预印本、会议系统的完整学术服务生态。她指出，AI可提升写作效率与出版周期，但也带来虚假生成、版权侵犯、作者界定、偏见放大等风险，并强调COPE关于人类作者责任与编辑监督的核心原则。MDPI明确了作者、审稿人和编辑各自使用AI的边界与披露要求，同时自主开发了Journal Finder、Reviewer Finder、Ethicality等工具辅助出版流程，所有AI检测结果均需人工复核，以确保学术伦理与流程公正。

- 专题七 - Smart Manufacturing

香港城市大学吕坚教授以工业5.0框架为背景，指出可持续性与绿色设计已成为制造新维度。他强调，随着AI嵌入移动系统，减重与散热问题变得更为关键，并引用保时捷创始人之语，鼓励以创新精神驱动AI与增材制造及先进材料的融合。

在香港科技大学郭嵩教授主持下，香港城市大学吕坚教授、香港大学高盛华教授、香港理工大学Jiangfeng Ding博士、香港科技大学陈启峰教授，以及来自腾讯混元的郭春超博士围绕AI与制造的融合进行讨论。议题涵盖数据驱动与物理定律的平衡、生成模型的精度与可控性、生成动作与物理执行的差距，以及3D世界模型的前景。对于现场观众提出的涉及统一表示的必要性、逆向材料设计的可行性，以及如何在物理定律边界内实现创新的一系列问题，嘉宾们从制造、CAD、AI模型与产业应用等角度分享了多元观点。

本次研讨会围绕“智赋工程·科学未来”主题，设立了涵盖增材制造、具身智能、材料科学、生物医学、化学工程及未来AI等方向的7个专题，汇聚众多专家学者，展开了跨学科、多维度的深度对话。会议不仅深化了对AI驱动工程智能化转型的理解，更在数据与物理模型融合、算法可靠性及伦理治理等关键议题上达成广泛共识。MDPI将继续发挥平台优势，携手全球学者共筑“AI for Engineering”学术共同体，推动成果开放共享。