2025年12月21日，由中国计算机学会（CCF）、青岛市人工智能学会主办，CCF青岛分部、青岛科技大学数据科学学院、青岛科技大学智能化工研究院承办的CCF青岛——智能新引擎：AI赋能下的工业创新与范式变革研讨会在青岛科技大学（崂山校区）成功举行。本次研讨会汇聚了来自浙江大学、山东大学、中国石油大学（华东）、北京化工大学等多所知名高校与研究机构的专家学者，共同探讨工业智能领域的前沿技术与发展趋势。

会议由青岛科技大学数据科学学院常务副院长杜军威、院长助理孙媛媛共同主持，在青岛科技大学数据科学学院4008报告厅拉开帷幕。CCF青岛分部秘书长王胜科教授发表了开幕词，感谢与会专家学者的到来，并简要介绍了论坛的主题和目的。在接下来的专题论坛环节，浙江大学夏鑫、山东大学任鹏杰、中国石油大学（华东）邓晓刚、北京化工大学韩永明分别做了精彩报告。

夏鑫教授以“大模型下的软件工程：机遇与挑战”为题作了报告。夏教授指出，大模型在软件工程领域的应用日益广泛，同时也引发了诸多讨论。一方面，大量研究证实大模型能极大提升研发效能；另一方面，也有众多研究揭示其在该领域应用存在显著局限性。面对大模型时代，软件工程研究应如何推进？夏教授的报告从当前的技术争议出发，分享了其团队在软件工程大模型方面的研究，介绍了他们如何突破现有技术困境，并对未来的发展路径进行了展望。

任鹏杰教授的报告题目为“生成式检索”。他系统阐释了生成式检索这一信息检索新兴方向。报告从其发展背景与核心动机出发，明确了该范式的定义、架构与主要类型；重点分析了生成式检索在理论分析、文档编码与解码、检索与推理协同优化以及泛化性等方面面临的挑战，介绍了当前的前沿解决方案，并对该领域的研究现状与未来趋势进行了总结。

邓晓刚副教授的报告聚焦于“基于半监督随机配置网络的工业软测量建模研究”。他强调，在现代工业智能制造中，关键质量指标的实时感知是实现先进控制与决策智能化的基础，而许多指标难以通过硬件实时测量，使得软测量技术成为连接过程数据与智能决策的关键桥梁。随机配置网络作为一种学习高效、性能优良且理论保障严格的随机学习模型，为处理复杂非线性工业过程的软测量问题提供了有力工具。报告重点阐述了如何将半监督学习机制与随机配置网络相结合，以应对工业现场标记数据稀缺的普遍挑战，内容涵盖方法原理与算法设计、在典型工业过程中的案例验证以及未来研究展望。

韩永明教授以“AI赋能的智能制造理论与实践”为题分享了研究成果。他指出，复杂化工是我国经济的支柱产业，其生产过程复杂、能耗高、多目标协同困难等问题制约了行业绿色高效发展。针对这些挑战，韩教授团队致力于化工过程能效智能优化控制研究，提出了运行数据与机理知识协同的智能建模方法，有效解决了因原料成分复杂、工况多变导致的过程建模难题；结合全流程能效分析与评价，定位能量积存与消耗的关键环节；通过多层次多目标的智能优化控制方法，实现了复杂化工过程的全流程、多维度协同优化管控。相关成果已应用于中石化、中石油等多套化工装置，取得了显著的节能降耗与优化控制成效。

在每位专家报告结束后，与会人员都积极提问、深入交流，共同探讨相关领域的热点问题和发展趋势。CCF青岛为每位特邀讲者颁发了感谢证书，以表彰他们在工业智能领域所做出的重要贡献和精彩报告。国家特聘专家、青岛科技大学智能化工研究院院长王殿辉教授对活动进行了总结。

本次研讨会的成功举办，不仅促进了工业智能赋能技术领域的学术交流与技术进步，也为相关产业的创新发展提供了新的思路与方向。与会专家学者纷纷表示，将把本次研讨会的收获带回各自的工作和研究中，为推动智能技术与工业场景的深度融合贡献力量。同时，他们也期待在未来的学术活动中能够再次相聚，共同探讨新的技术与机遇。