6月5日—7日，中国现场统计研究会多元分析应用专业委员会2026年学术年会暨“九章”应用统计国际会议在兰州大学隆重召开。本次会议由中国现场统计研究会多元分析应用专业委员会主办，兰州大学数学与统计学院、甘肃省数学会承办，甘肃省统计学会协办。本次大会旨在推动多元分析研究的理论和应用发展，搭建多元分析应用的交流平台，启迪思想，相互促进，合作研究，共同提高，从而推动相关研究领域的发展。中国现场统计研究会多元分析应用专业委员会理事长荆炳义教授和兰州大学数学与统计学院副院长赵学靖教授担任联合主席，来自清华大学、北京大学、复旦大学、中国科学院、中国人民大学、厦门大学、哈尔滨工业大学、中国科学技术大学、吉林大学、西安交通大学、上海交通大学、南方科技大学、香港中文大学（深圳）、香港大学、澳门大学、香港理工大学、新加坡国立大学、美国加州大学河滨分校、加拿大York大学等海内外150余所高校和科研院所的300余位专家学者齐聚兰州，围绕多元分析的前沿理论与方法应用展开深入探讨与交流。
兰州大学党委常委、副校长兰剑，国家统计局甘肃调查总队党组书记、总队长郝胜龙参加开幕式并致辞，数学与统计学院赵学靖主持开幕式。兰剑副校长代表兰州大学向海内外专家学者表示热烈欢迎。他回顾了学校自1909年建校以来的百余年办学历程，介绍了兰州大学数学与统计学院的历史传承与学科优势，指出学院前身可追溯至1946年国立兰州大学数学系，现已发展成为西部地区数学与统计学研究、人才培养和高水平学术交流的重要高地。他寄语参会代表在交流中凝聚共识、在探讨中开拓新境，共同为推动我国多元分析研究及应用统计事业发展贡献智慧与力量。
国家统计局甘肃调查总队党组书记，总队长郝胜龙代表国家统计局甘肃调查总队，向大会的顺利开幕表示热烈祝贺。他在致辞中表示，兰大数学人扎根西北、矢志报国，秉持艰苦奋斗、求实创新的治学精神，培育了大批能担重任、可堪大用的数理与统计专业人才，在诸多领域积淀深厚、特色鲜明，学科影响力享誉国内外，为国家和西北地区科教振兴、经济社会发展提供了坚实的人才支撑和智力支持。同时希望兰大统计学科和国家统计局甘肃调查总队进一步加强合作交流，促进统计科研和实务的深层次交叉融合。
大会专家代表、复旦大学管理学院统计与数据科学系朱仲义教授代表全体与会代表发言，他指出应用统计的研究重心应持续推向“现场可用”，应当强化“可解释、可验证、可复现”的分析流程。他呼吁深化跨学科协同，推动国际交流形成共同评估框架，让多元分析真正回应现场对统计科学的期待。同时，中国现场统计研究会多元分析应用专业委员会理事长、香港中文大学（深圳）教授荆炳义理事长代表学会致辞，强调多元分析应用专业委员会在推动统计方法前沿探索与服务实际需求紧密结合方面的使命与担当，分享了人工智能、大数据、大模型背景下统计科研的经历和经验，他的发言启发了在场的各位专家学者，深受大家的拥戴。接着兰州大学数学与统计学院院长邓伟华教授对远道而来的海内外专家学者表示热烈欢迎，并祝愿青年统计工作者在多元分析领域不断探索、取得更多创新成果，助力解决国家重大急需问题。
本次会议聚焦现场统计与多元分析的前沿进展，涵盖生成模型、统计学习、高维统计、隐私保护、模型平均、复杂数据分析、生物医学统计、金融统计、随机矩阵、生存分析、函数型数据分析、实验设计等多个热门研究领域，设有1个主会场和13个分会场，共举办9场大会报告，150余场邀请报告。
会议邀请到了香港理工大学黄坚教授、东南大学孔新兵教授、香港中文大学宋心远教授、清华大学杨宇红教授、西南财经大学常晋源教授、中国科学院张新雨研究员、美国加州大学河滨分校马舒洁教授、北京大学席瑞斌教授、中国科学技术大学王学钦教授（联合南方科技大学李挺教授）等9位专家作大会特邀报告。报告主题涉及深度学习表征驱动的生成建模、张量观测的个性化子空间学习、异质多元数据的统一统计学习框架、对抗性非参数回归的最优率、差分隐私约束下的稳健线性回归、最优混合专家模型平均方法、分位数剂量响应函数的因果推断、空间转录组数据的降维与变异检测，以及度量空间中的异质性测度“球不纯度”等多个前沿方向，充分展现了统计学科与人工智能、生物信息、金融经济等领域的深度交叉融合。
会议同时组织了39组150余场分组报告，专家们重点探讨了多元高维数据的统计方法创新、数据异质性与个性化推断、基座模型与统计学习的前沿融合，以及统计理论在大语言模型中的应用。在高维复杂数据方面，多个报告聚焦生物医学、基因组学、医学影像及多组学数据的统计建模与推断，围绕可靠性建模与系统优化、复杂数据分析的稳健性统计建模、高维网络与时间序列数据的稳健统计推断，以及风险分析、变点检测与生存分析的进展。此外，会议还设立了统计过程控制、金融统计、时间序列分析、实验设计与迁移学习等应用专场，充分体现了统计学与经济学、生物医学、工程等学科的深度融合。
本次年会不仅为多元分析及应用统计研究搭建了高水平学术交流平台，同时为我国统计学科在复杂数据时代的方法创新与交叉应用方面提供了新思路，也为人工智能、精准医疗、金融科技等关键领域的统计方法升级提供了坚实的理论支撑。