在人工智能技术深刻影响全球产业发展的浪潮中，数理基础正成为推动算法创新与技术进步的关键动力。11月22日，香港中文大学（深圳）成功举办第二届大湾区人工智能数理基础论坛。本届论坛延续首届“人工智能数理基础”主题，在此基础上进一步加强产学研的协作创新与交流，搭建了促进学术界与产业界互动的重要平台。

出席论坛的嘉宾包括中国科学院袁亚湘院士，港中大（深圳）协理副校长兼科研处处长李学金教授，数据科学学院副院长、广东省人工智能数理基础重点实验室主任王子卓教授，以及实验室学术委员会委员等。同时，论坛还汇聚了近百位来自人工智能领域的专家学者与产业领袖，共同为人工智能的理论突破与应用落地注入新的动力。

与会嘉宾围绕流形优化、在线线性规划到数据驱动决策后估计调整等理论研究的最新进展进行了深入交流，分享了人工智能在多个核心行业的应用实践，并讨论了人工智能理论创新与实际应用之间的融合与发展问题。

开幕致辞

在论坛开幕式上，港中大（深圳）协理副校长兼科研处处长李学金教授首先代表学校向远道而来的嘉宾致以热烈欢迎。李教授表示，建校十一年来，学校持续加大在人工智能领域的投入，科研平台建设与相关学科发展已取得显著成效。他希望通过此次论坛，聚焦人工智能的数理基础，深入探讨如何推动人工智能的健康、有序与可持续发展，促进前沿探索与战略目标的深度交流。

港中大（深圳）协理副校长兼科研处处长李学金校长

港中大（深圳）数据科学学院副院长、广东省人工智能数理基础重点实验室主任王子卓教授代表实验室对来自学界和业界的嘉宾表示热烈欢迎。王子卓教授介绍了实验室在团队建设、科研项目、研究成果及交流合作等方面的进展。他表示，希望实验室打造开放协作生态，以论坛凝聚学界与业界的创新合力，加速理论突破向新质生产力的转化。

港中大（深圳）数据科学学院副院长、广东省人工智能数理基础重点实验室主任王子卓教授

论坛聚焦

本次论坛报告聚焦优化算法创新，与会专家分享了在流形式优化效率、革新在线规划性能、优化预测偏差、大模型推理效能分配等方面的数理基础底层算法突破、大模型资源分配理论更新以及在产业融合方面的研究进展与应用案例。

• 中国科学院袁亚湘院士介绍了在乘积流形上构建预条件黎曼度量的通用框架，显著加速了黎曼优化算法，并成功应用于大规模结构化问题。
• 港中大（深圳）数据科学学院王子卓教授探讨了在线线性规划计算开销大的痛点，通过稀疏重求解策略，通过极低求解次数实现常数级后悔值，大幅提升计算效率并保持性能优势。
• 多伦多大学罗特曼商学院陈宁远教授分享了“预测后优化（PTO）”框架下的事后调整方法，在小样本及新产品定价等场景中有效修正了估计偏差并提升收益。
• 香港科技大学周子杰教授展示了面向多目标大语言模型推理的在线对偶下降分配算法，将请求分发建模为在线分配问题，显著降低算力消耗并保障服务质量。
• 来自招商局集团和核电行业的两位业界嘉宾分享了人工智能在各自企业中的建设情况，以及在实践方面的洞见。

袁亚湘院士介绍了Optimization on Product Manifolds under a Preconditioned Metric的通用框架。袁院士面向近年来快速发展的黎曼流形优化方法，提出在乘积流形上构建预条件黎曼度量的通用框架。该框架通过近似代价函数黎曼Hessian的对角块设计算子，系统给出了多种预条件方式，并成功应用于截断奇异值分解和张量环补全等问题。数值结果表明，引入精细度量可有效加速黎曼优化算法，对大规模结构化优化问题的高效求解意义重大。

袁亚湘院士

王子卓教授探讨了Infrequent Resolving Algorithm for Online Linear Programming的研究问题。王教授针对在线线性规划中计算开销与性能难以兼得的痛点，介绍了一种在少数时刻重解LP、其余时刻采用一阶更新的稀疏重优化策略。该算法填补了现有方法的空白，在极少的求解次数下即可实现常数级后悔值（Regret）。实验结果表明，该算法在显著提升计算效率的同时保持优良性能，整体表现优于多种经典基线方法。

王子卓教授

陈宁远教授分享了Post-estimation Adjustments in Data-driven Decision-making with Applications in Pricing的方法。陈教授围绕“预测后优化（PTO）”框架，指出噪声在非对称误差惩罚下会降低决策质量，并为此提出了一种基于曲率条件的事后调整方法。该方法保持了PTO的模块化结构，在大样本下理论优于标准PTO。数值实验表明，在样本量较小（如新产品冷启动定价）的情形下，该方法能显著修正偏差并提升收益。

陈宁远教授

周子杰教授展示了面向多目标大语言模型推理的在线对偶下降分配算法成果。周教授聚焦大语言模型推理效能优化，将请求分发过程建模为在线分配问题，综合考量首字符时延、吞吐量及尾部时延等多重目标，并在此基础上提出在线对偶下降分配算法，将原问题近似为在线线性规划加以求解。实验结果表明，该方法在多种数据集上均表现出优异的鲁棒性，在保障服务质量的同时显著降低了算力与能源消耗。

周子杰教授

此外，来自招商局集团以及核电领域的两位业界嘉宾分别分享了人工智能在各自企业中的建设经验以及实践洞见，王子卓教授代表实验室，向两位业界嘉宾颁发实验室业界指导委员会委员的证书，并希望通过和业界的紧密合作进一步推广人工智能在现实问题中的应用，为社会创造出更大价值。

王子卓教授与业界指导委员会委员合影

在下午的报告环节，来自实验室的10位成员及开放课题负责人，包括中山大学凌青教授、邹青松教授、张亮教授，华中科技大学廖振宇教授，以及香港中文大学（深圳）樊继聪教授、李彤欣教授、刘杨教授、权超禹教授、杨浩翔教授和王东教授，分组分享了各自的前沿研究成果。报告系统展示了大湾区在人工智能数理基础领域形成的自主创新体系，并展现了区域内协同攻关的坚实基础。

论坛介绍

第二届大湾区人工智能数理基础论坛由香港中文大学（深圳）、广东省人工智能数理基础重点实验室联合主办，并携手深圳国际工业与应用数学中心、中国工业与应用数学学会数学与产业专委会、中国运筹学会数据科学与运筹智能分会(筹)共同协办。

本次论坛汇聚全球顶尖力量，打造了一场兼具理论深度与产业视野的高端学术盛会。论坛特邀人工智能数理基础领域的权威学者分享前沿洞见，并延续首届传统，邀请业界领袖揭示AI技术在头部企业的创新实践与应用成果。与会嘉宾的深度交流不仅为现场观众激发新思路、启迪新理念，更彰显了香港中文大学（深圳）在推动人工智能学科发展、引领产业融合中的学术贡献与责任担当。