2026年5月22日下午，北京大学电子学院前沿论坛第102期成功举办。本次讲座特邀京东集团副总裁、首席数据科学家，西南交通大学人工智能研究院院长、上海交通大学讲席教授郑宇教授作学术报告。郑宇教授是ACM Fellow、IEEE Fellow、KDD China主席、国家“万人计划”科技创新领军人才，长期深耕城市计算、时空数据智能和人工智能应用研究，在智慧城市建设、时空数据挖掘和城市智能系统等方向取得了具有国际影响力的成果。郑教授为到场师生带来了题为“时空AI：人工智能进入物理世界的基础理论和关键技术”的精彩报告。

报告开篇，郑宇教授从人工智能技术的发展现状切入，指出人工智能已在虚拟世界取得突破性进展，但在进入物理世界的过程中仍面临诸多挑战。物理世界具有空间约束、物理规律、物种行为和运行规则等复杂特征，相关数据往往存在观测不充分、理论不完备、数据量不足和时空理解难等问题。因此，构建能够理解并利用时空数据特性的人工智能方法，是人工智能走向真实物理场景的重要基础。

围绕“时空AI”的内涵，郑宇教授系统阐释了时空数据与人工智能结合的研究范式。他指出，时空AI不仅关注数据在时间和空间维度上的分布与演化，更强调将地理空间关系、物理约束、行为模式和领域知识融入模型建构之中。相比传统的静态数据分析，时空AI需要在多源异构数据中识别动态规律，在不确定环境中实现预测、优化和决策，从而支撑交通、能源、环境、城市治理等复杂系统的智能化运行。

随后，郑宇教授重点介绍了时空AI的关键技术路径，尤其强调多源多模态数据融合在真实物理世界中的重要作用。他指出，单域数据往往可通过天然知识进行对齐，而跨域数据融合则需要先明确“融合什么数据”，再判断不同数据之间“为何能够融合”，最后选择合适的知识融合范式、模型结构和数据转换方式。在此基础上，模型可结合多视角、相似性、依赖性和共性等原则，建立跨数据源、跨模态、跨场景的关联关系。郑宇教授强调，真实时空问题通常具有强约束、强耦合和强动态特征，模型设计既要具备数据驱动能力，也要吸收领域知识和物理机制，从而提升复杂场景下的可靠性、泛化性和可解释性。

在典型应用方面，郑宇教授结合城市计算和智慧城市建设案例，展示了时空AI在交通调度、城市运行监测、环境感知、公共服务优化等场景中的应用价值。他介绍，城市系统中存在大量跨区域、跨部门、跨尺度的数据连接，时空AI能够帮助研究者和管理者从复杂数据中提取结构化规律，为城市规划、风险研判和精细化治理提供智能支撑。相关实践也表明，面向物理世界的人工智能不仅需要算法创新，更需要与真实场景、工程系统和社会需求深度结合。

报告最后，郑宇教授回顾了时空AI从基础理论、关键技术到典型应用的发展路径，并展望了人工智能进入物理世界后的广阔前景。他表示，未来时空AI将在城市智能、具身智能、产业智能化和科学发现等方面发挥更重要的作用，也将对数据体系建设、模型可信性和跨学科协同提出更高要求。

在互动环节，现场师生围绕时空基础模型、多源数据融合、城市智能体、AI进入物理世界的技术瓶颈等问题踊跃提问。郑宇教授结合自身研究经历与产业实践逐一回应，并与师生展开深入交流，现场学术氛围热烈。报告结束时，电子学院院长彭练矛教授为郑宇教授颁发了北京大学电子学院前沿论坛纪念牌，并合影留念。