刘劼：格物智知 | CCCF精选

刘劼，哈尔滨工业大学（深圳）讲席教授、人工智能研究院院长、智慧农场技术与系统全国重点实验室主任，物联网智能技术工信部重点实验室主任，CCF普适计算专委会执行委员，IEEE Fellow，ACM杰出科学家，ACM SIGBED China主席。2001~2004年，刘劼在施乐帕罗阿托研究中心（Xerox PARC）担任研究科学家；之后加入微软研究院（总部），先后任研究员、高级研究员和首席研究员；之后出任微软智能认知和混合现实部门泛在智能产品线研发总框架师，微软公司合伙人。刘劼的研究方向包括物联网、人工智能、混合计算物理系统、移动计算和高能效计算等（h指数73，曾7次获最佳论文奖），并拥有100余项美国和国际专利。他曾获清华大学优秀学生特等奖、加州大学董事会奖、Leon O. Chua (蔡少棠)奖、微软金星奖、IEEE TCCPS 杰出领导力奖等。

刘劼：我的研究方向是智能物联系统(AIoT)，或更广泛意义上的信息物理系统(Cyber-Physical Systems，CPS)。我一直对计算与物理世界的融合和交互感到兴奋：一方面，计算相关科学技术的进步为各种物理过程和设备带来了功能和性能的变革；另一方面，物理系统的约束条件和目标不断挑战计算科学技术的极限并激发创新。这些年来，我的研究工作跨越了这个领域的很多方面，在技术手段上从建模仿真、计算优化、物联网、大数据管理与处理，到嵌入式智能与边缘计算；在应用领域上从过程控制、数据中心运维、移动计算、人机交互到无人系统。系统越来越复杂，要求越来越苛刻，自动化程度越来越高，技术也越来越有挑战性。

我选择这一方向，除了其领域自身的挑战和我的自动化、嵌入式系统和混成系统的教育背景外，也是因为我始终希望自己的工作能“落地”，为人们的生产、生活质量和可持续发展带来切实的提升。

刘劼：我个人觉得最有意义的工作当属数据中心感知和节能的一系列成果。云计算出现的初期，数据中心从设计到运行都缺乏系统化的优化。大约全球2%的能量用于IT设备，而其中数据中心的能耗增长速度最快，每5年翻一番。从物联网和智能运维的角度出发，我们提出了一个“数据中心基因组”计划，旨在厘清影响数据中心运行的主要参数及其关系。为此，我们专门设计了物理参数传感器网络、大数据存储和处理平台、数据与机理融合驱动的灰箱建模方法以及计算与物理系统协同的优化控制。我们采集的数据和研究的成果被广泛应用在各种数据中心的设计和优化中，包括集中式的、集装箱式的和水下的。

我最有创意的工作可能是云卸载的GPS。在各种泛在传感器中，GPS是使用最普遍的位置传感器之一。但是GPS有个很大的弱点就是能耗大。我们从GPS信号机理出发，发现在通常情况下，只需要几毫秒，GPS信号就可以通过计算、优化和搜索的方式得到地理位置，而采集和存储这些近原始信号只需传统GPS千分之一的能量。这个案例成为最早的“边缘计算”场景之一，兼顾了端侧的低能耗采集和边缘端的算力，可以优化整个系统的能耗和性能。

刘劼：我觉得科研工作面临的一个很大的挑战是科研生态建设，就一个有意义的场景和挑战形成共识，联合志同道合的科研和行业人员共同关注和解决问题。一个人的力量终究有限，多个有实力的团队的良性竞争能在短时间内爆发出巨大创造力。在物联网领域发展初期，我有幸参与筹划和组织IEEE/ACM International Conference on Information Processing in Sensor Networks(IPSN)，将共同关注物联网信息处理、系统与网络的科研人员聚集到一个平台上。在移动计算和基于位置的服务(location-based services)的启蒙阶段，我们组织了室内定位大赛，一大批定位技术，例如超宽带(Ultra Wide Band，UWB)、激光雷达和多传感器融合技术通过大赛涌现出来，快速推动了领域的发展和技术的普及。

刘劼：我最近特别关注两个方向，一是生成式AI(AIGC)，一是智慧农业，可以说“一个天上一个地下”。

以GPT家族为代表的AIGC是一个非常具有颠覆性的技术，不仅给人们带来前所未有的交互体验，还通过对自然语言的建模凝炼了人类各种概念和行为之间的相关性关系。因此，大语言模型(LLM)将突破自然语言处理领域成为泛在的AI基础技术。有人将其类比为互联网世界中的浏览器，在浏览器出现之前，互联网是学术研究和特定领域的专用技术；而浏览器出现后，互联网成为通用技术，最终颠覆了千行百业，也催生了各种业态。大语言模型出现之前，人工智能也是学术研究和特定领域的专用技术，在未来，人工智能将走进各个领域，从根本上改变人们思考、行为和生活的方式。无论哪个行业和学科都应该予以高度重视和深刻思考。

大语言模型与物联网领域的结合已经呼之欲出。从基础模型的思维方式、多模态嵌入表达、预训练与微调的方法论、大规模相关性分析，到输入输出的设计方法，从大语言模型引申出的许多思想和工具必然对物联网数据与人机物交互产生影响。生产力的大幅提升，无人和少人系统逐渐普及，以及由此引发的一系列社会、伦理、安全问题也亟待解决。

在行业上，我特别关注全球气候变化和粮食安全，依托黑龙江的大农业，聚焦智慧农业和智能农场的研究方向。我们先后承担了科技创新2030—“新一代人工智能”重大项目，获批“智能农场国家新一代人工智能开放创新平台”，最近又与北大荒集团一起获批智慧农场技术与系统全国重点实验室。我对现代信息技术赋能农业生产和农机精准自主执行抱有非常大的期望。

农业是古老的传统行业，在很长时间里被工业化和高科技行业所忽视。同时，农业场景对技术的挑战非常大：环境不完全可控，基础设施不完善，成本要求高，劳动力老龄化和受教育程度低，等等。智能农场的愿景就是通过物联网、云边协同、人工智能等技术实现对农田的全面感知，种植流程的数字化指挥和农机的自主控制，实现农业生产的少人化、精准化、正规化，降低劳动强度、提高农场产能、削减农资消耗、实现农业的可持续发展。

在这个宏图中存在非常多的技术挑战。例如，在广袤农田上架设通信基础设施成本昂贵，投入产出不成比例，是卫星通信的重要应用场景和发展机遇。农机自动驾驶的难度在一些层面远高于乘用车的自动驾驶。农机的动力属性要求它适应各种天气和土壤情况，厘米级的精准对齐苗线，农时窗口要求多种农机大规模合作。

我们处在一个非常令人兴奋的历史转折点，一方面人工智能的发展令人应接不暇，另一方面，物联网将大量的行业问题转化为数字问题和智能问题。类似智能农场的行业挑战必将从物联网设备、通信机制、数据管理、智能感知、认知推理、无人系统等各方面推动计算机、计算和智能领域的发展。我们期待新设备、新系统、新算法从中脱颖而出，期待我们的生产和生活更加便捷、高效与和谐。

CCF推荐