近日，中国电信云计算研究院在分布式计算、边缘智能与时空数据处理方向取得系列研究进展，两篇合作论文被第46届 IEEE International Conference on Distributed Computing Systems（IEEE ICDCS 2026）正式接收。据悉，ICDCS 2026 论文录用率为 18.59%，评审竞争激烈。两项成果分别面向端侧大模型弹性推理和稀疏群智感知数据补全等前沿问题，体现了中国电信云计算研究院在云边端协同、智能计算系统优化、移动感知与城市计算等方向的持续科研积累。
论文《KV Cache Reuse for Elastic LLM Inference on Edge Devices》是中国电信云计算研究院—上海交通大学计算机学院云计算联合实验室在端侧大模型推理系统方向取得的最新研究成果。该工作由上海交通大学王培朔同学、郑臻哲老师，中国电信云计算研究院黄潇瑶等完成，得到中国电信集团首席科学家、中国电信云计算研究院院长吴杰教授，上海交通大学吴帆教授、陈贵海教授的共同指导。该工作聚焦边缘设备大语言模型推理面临的资源受限与资源动态变化问题，提出面向弹性大模型推理的 KV Cache 复用方法 ElastKV。随着大语言模型逐步向移动终端和边缘设备部署，设备内存与算力资源会随系统负载动态变化，模型需要在不同精度版本之间灵活切换。然而，直接复用不同精度模型生成的 KV Cache 可能导致数值偏差累积，进而影响生成质量。针对这一问题，ElastKV 设计了跨精度 KV 复用规则、Token 重要性估计与选择性重计算机制，在尽可能复用已有 KV Cache 的同时，精准重计算对输出影响最大的关键 Token，从而实现推理效率与生成精度之间的平衡。实验结果表明，该方法在多类开源大模型和多个数据集上均取得良好的速度—精度折中效果，相比完整重计算平均获得接近 3 倍的重计算加速，并将平均精度损失控制在 2% 以内，为资源动态变化条件下的端侧大模型服务提供了新的系统优化思路。
图1：融合路径影响的 Token 重计算优先级计算示例
论文《Physics-Inspired Decomposition for Weak Low-Rank Spatiotemporal Completion in Sparse Crowdsensing》是中国电信云计算研究院与吉林大学联合研究团队在移动群智感知与时空数据智能处理方向取得的最新研究成果。该工作由吉林大学张敉嘉、中国电信云计算研究院与吉林大学联合培养博士后刘文彬、中国电信云计算研究院赵君伟等完成，得到中国电信集团首席科学家、中国电信云计算研究院院长吴杰教授，吉林大学王恩教授、杨博教授的共同指导，是云计算研究院与外部高校在产学研合作和博士后人才培养方面的重要成果。该工作面向稀疏群智感知场景中由于用户参与不均、设备异构、采样不规则等因素导致的时空数据缺失问题，提出一种知识—数据联合的时空数据补全框架 MCWDD（Matrix Completion by Wave and Diffusion Decomposition）。稀疏群智感知是智慧城市、环境监测、交通感知和物联网数据采集中的重要技术范式，但现实场景下观测数据往往高度稀疏，传统依赖强低秩假设的矩阵补全方法和依赖大量训练数据的深度学习方法，在复杂真实环境中存在假设不充分、泛化能力不足和可解释性弱等问题。MCWDD 创新性地将物理规律引入数据补全过程，通过偏微分方程驱动的数据分解机制，将原始稀疏时空矩阵分解为波动分量、扩散分量和残差分量，并分别进行补全建模，从而降低对全局低秩结构的依赖。实验结果表明，该方法在 U-Air 空气质量数据、Sensor-Scope 环境数据等真实群智感知数据集上，相较传统矩阵补全、深度矩阵分解及 Transformer 类补全方法实现了更低的补全误差，并在鲁棒性、物理可解释性和计算效率方面表现出优势，为城市感知、环境监测和物联网时空数据重建提供了“物理模型+数据驱动”融合的新方法。
图2：MCWDD框架示意
两篇论文分别从智能计算系统优化和时空感知数据处理两个角度，回应了当前云边端协同与移动智能应用中的关键技术挑战。一方面，面向端侧大模型服务，联合实验室围绕端侧智能、模型推理加速与边缘资源自适应等问题持续开展研究，探索在资源动态变化环境下实现高效、可靠、可弹性推理的新机制；另一方面，面向城市级感知与物联网数据重建，云计算研究院依托博士后科研平台和高校联合培养机制，推动移动群智感知、时空数据补全等方向的持续创新，进一步拓展相关技术在智慧城市、环境监测、交通感知等场景中的应用潜力。
IEEE ICDCS 是 IEEE Computer Society 旗下分布式计算系统领域具有长期影响力的国际学术会议，也是全球分布式系统研究者和工程实践者交流前沿思想、最新成果与系统创新的重要平台。ICDCS 2026 将于韩国首尔举行，主题为“Leading the Wave of Distributed Computing Systems”，重点覆盖分布式系统、云计算、边缘计算、移动计算、分布式算法、分布式操作系统与中间件、物联网与信息物理系统、安全隐私、区块链与数据库、AI/ML 驱动的分布式系统等方向。ICDCS 同时被中国计算机学会列入“计算机体系结构/并行与分布计算/存储系统”领域 CCF 推荐 B 类国际会议。此次两篇论文同时被 ICDCS 2026 接收，体现了中国电信云计算研究院在分布式计算、云边端协同、边缘智能与移动感知等方向的持续科研产出，也展现了研究院依托联合实验室和博士后科研平台推进产学研协同创新、培养高水平科研人才的积极成效，为后续面向云边端协同、智慧城市和行业数字化场景的技术创新与应用落地奠定了基础。
中国电信云计算研究院北京总部(北京市海淀区学院路42号)
中国电信云计算研究院上海分部(上海市浦东新区世纪大道211号)
京公网安备11040140060|京ICP备12007914号 增值电信业务经营许可证A2.B1.B2-20090001
近日，中国电信云计算研究院在分布式计算、边缘智能与时空数据处理方向取得系列研究进展，两篇合作论文被第46届 IEEE International Conference on Distributed Computing Systems（IEEE ICDCS 2026）正式接收。据悉，ICDCS 2026 论文录用率为 18.59%，评审竞争激烈。两项成果分别面向端侧大模型弹性推理和稀疏群智感知数据补全等前沿问题，体现了中国电信云计算研究院在云边端协同、智能计算系统优化、移动感知与城市计算等方向的持续科研积累。
论文《KV Cache Reuse for Elastic LLM Inference on Edge Devices》是中国电信云计算研究院—上海交通大学计算机学院云计算联合实验室在端侧大模型推理系统方向取得的最新研究成果。该工作由上海交通大学王培朔同学、郑臻哲老师，中国电信云计算研究院黄潇瑶等完成，得到中国电信集团首席科学家、中国电信云计算研究院院长吴杰教授，上海交通大学吴帆教授、陈贵海教授的共同指导。该工作聚焦边缘设备大语言模型推理面临的资源受限与资源动态变化问题，提出面向弹性大模型推理的 KV Cache 复用方法 ElastKV。随着大语言模型逐步向移动终端和边缘设备部署，设备内存与算力资源会随系统负载动态变化，模型需要在不同精度版本之间灵活切换。然而，直接复用不同精度模型生成的 KV Cache 可能导致数值偏差累积，进而影响生成质量。针对这一问题，ElastKV 设计了跨精度 KV 复用规则、Token 重要性估计与选择性重计算机制，在尽可能复用已有 KV Cache 的同时，精准重计算对输出影响最大的关键 Token，从而实现推理效率与生成精度之间的平衡。实验结果表明，该方法在多类开源大模型和多个数据集上均取得良好的速度—精度折中效果，相比完整重计算平均获得接近 3 倍的重计算加速，并将平均精度损失控制在 2% 以内，为资源动态变化条件下的端侧大模型服务提供了新的系统优化思路。
图1：融合路径影响的 Token 重计算优先级计算示例
论文《Physics-Inspired Decomposition for Weak Low-Rank Spatiotemporal Completion in Sparse Crowdsensing》是中国电信云计算研究院与吉林大学联合研究团队在移动群智感知与时空数据智能处理方向取得的最新研究成果。该工作由吉林大学张敉嘉、中国电信云计算研究院与吉林大学联合培养博士后刘文彬、中国电信云计算研究院赵君伟等完成，得到中国电信集团首席科学家、中国电信云计算研究院院长吴杰教授，吉林大学王恩教授、杨博教授的共同指导，是云计算研究院与外部高校在产学研合作和博士后人才培养方面的重要成果。该工作面向稀疏群智感知场景中由于用户参与不均、设备异构、采样不规则等因素导致的时空数据缺失问题，提出一种知识—数据联合的时空数据补全框架 MCWDD（Matrix Completion by Wave and Diffusion Decomposition）。稀疏群智感知是智慧城市、环境监测、交通感知和物联网数据采集中的重要技术范式，但现实场景下观测数据往往高度稀疏，传统依赖强低秩假设的矩阵补全方法和依赖大量训练数据的深度学习方法，在复杂真实环境中存在假设不充分、泛化能力不足和可解释性弱等问题。MCWDD 创新性地将物理规律引入数据补全过程，通过偏微分方程驱动的数据分解机制，将原始稀疏时空矩阵分解为波动分量、扩散分量和残差分量，并分别进行补全建模，从而降低对全局低秩结构的依赖。实验结果表明，该方法在 U-Air 空气质量数据、Sensor-Scope 环境数据等真实群智感知数据集上，相较传统矩阵补全、深度矩阵分解及 Transformer 类补全方法实现了更低的补全误差，并在鲁棒性、物理可解释性和计算效率方面表现出优势，为城市感知、环境监测和物联网时空数据重建提供了“物理模型+数据驱动”融合的新方法。
图2：MCWDD框架示意
两篇论文分别从智能计算系统优化和时空感知数据处理两个角度，回应了当前云边端协同与移动智能应用中的关键技术挑战。一方面，面向端侧大模型服务，联合实验室围绕端侧智能、模型推理加速与边缘资源自适应等问题持续开展研究，探索在资源动态变化环境下实现高效、可靠、可弹性推理的新机制；另一方面，面向城市级感知与物联网数据重建，云计算研究院依托博士后科研平台和高校联合培养机制，推动移动群智感知、时空数据补全等方向的持续创新，进一步拓展相关技术在智慧城市、环境监测、交通感知等场景中的应用潜力。
IEEE ICDCS 是 IEEE Computer Society 旗下分布式计算系统领域具有长期影响力的国际学术会议，也是全球分布式系统研究者和工程实践者交流前沿思想、最新成果与系统创新的重要平台。ICDCS 2026 将于韩国首尔举行，主题为“Leading the Wave of Distributed Computing Systems”，重点覆盖分布式系统、云计算、边缘计算、移动计算、分布式算法、分布式操作系统与中间件、物联网与信息物理系统、安全隐私、区块链与数据库、AI/ML 驱动的分布式系统等方向。ICDCS 同时被中国计算机学会列入“计算机体系结构/并行与分布计算/存储系统”领域 CCF 推荐 B 类国际会议。此次两篇论文同时被 ICDCS 2026 接收，体现了中国电信云计算研究院在分布式计算、云边端协同、边缘智能与移动感知等方向的持续科研产出，也展现了研究院依托联合实验室和博士后科研平台推进产学研协同创新、培养高水平科研人才的积极成效，为后续面向云边端协同、智慧城市和行业数字化场景的技术创新与应用落地奠定了基础。
