在人工智能与产业数字化深度融合背景下，多模态数据（如文本、图像、音频、视频、关系表、图数据、时空轨迹、工业传感数据流等）已成为智能制造、智慧医疗、工程管理、城市治理等专业领域的核心数据形态。当前，多模态数据管理技术虽已受到数据库、人工智能等领域的关注，但在基础理论、关键技术、应用实践等方面仍处于探索阶段，其异构性、语义关联性、动态性的特征，使得传统数据管理技术难以满足从“存得下、查得快”到“融得通、用得好”的需求升级 —— 传统技术在跨模态协同、领域适配性等方面存在明显短板，无法有效支撑基于多模态数据的智能决策。

本专刊聚焦“基础理论-关键技术-应用实践”全链条研究，探讨多模态数据管理的新型理论、方法与系统解决方案，旨在汇聚多领域成果：一方面，通过拓展现有数据管理理论与方法，探索适配多模态特征的新型技术，提升多模态数据“存、查、融、用”的全流程能力；另一方面，通过结合具体产业的落地需求，推动技术从“实验室探索”走向“产业实用化”，为数据库、人工智能、产业数字化领域的研究提供学术交流与产业合作的平台。最终，本专刊的出版将助力弥补传统数据管理技术的短板，支撑基于多模态数据融合的智能决策，为人工智能与产业数字化的深度融合提供技术支撑与实践参考。

经过第一轮评审的论文作者需要参加NDBC2026会议并到会报告，之后特约编辑和编辑部根据复审情况和会议报告情况决定文章的最终结果，专刊将在2027年第3期出版。读者群体包括数据库、数据挖掘、人工智能等多个领域的研究人员和工程人员。

专刊题目：多模态数据管理及融合技术
特约编辑：彭智勇（武汉大学）崔斌（北京大学）高晓沨（上海交通大学）
出版时间：2027年第3期

一、征文范围
包括但不限于以下主题：
（1）多模态数据的高效存储与动态更新：多模态数据格式与维度差异显著，现有存储技术难以实现统一接入与高效管理；数据实时生成与更新的动态性，导致存储系统在扩展性、更新效率上不足，如何设计适配多模态特征的存储架构仍是核心难题。
（2）多模态数据驱动的智能优化算法：复杂系统优化需多模态数据互补支撑，但传统算法依赖单一模态导致信息片面化；多模态异构性增加特征对齐难度，难挖掘关联价值，且动态场景下算法调整滞后易陷局部最优。如何设计高效融合多模态数据并适配动态需求的算法，是其落地的关键挑战。
（3）多模态数据管理系统的性能评测优化：当前的性能评测多聚焦单一指标，难以全面衡量动态更新、硬件利用率等综合表现；现有优化策略多针对单一场景，缺乏多场景协同优化能力。如何建立科学全面的性能评测体系是系统高效落地的核心难题。
（4）专业领域多模态数据的智能应用：专业领域多模态数据的智能应用支撑高端制造、大型物流、工程管理等场景的预测与决策，但当前存在融合深度不足、领域适配欠缺、与业务衔接不畅的瓶颈。如何构建兼顾多模态深度融合、领域特性适配及业务嵌入的应用体系，是推动其从技术验证走向产业落地的核心难题。
（5）多模态数据与大模型的协同效率提升：LLM、图神经网络等为多模态数据处理提供新路径，但当前二者协同多停留在“数据输入-结果输出”的表层链路，缺乏针对大模型推理需求的多模态数据组织、跨模态检索优化技术。如何设计协同技术以打通“多模态数据管理及融合-大模型智能决策”链路，亟待探索。

二、投稿要求
1. 投稿方式：采用“软件学报在线投稿系统”(http://www.jos.org.cn)投稿。投稿时请选择投稿类型为“专刊投稿”，并在备注栏中注明“多模态数据管理及融合技术”字样。
2. 稿件格式：参照《软件学报》论文格式(网站上提供了论文模版，可下载)。
3. 投稿文章未在正式出版物上发表过，也不在其他刊物或会议的审稿过程中，不存在一稿多投现象；保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)。
4. 其他事项请参阅投稿指南http://www.jos.org.cn/ch/reader/view_fixed_content.aspx?id=instructions
5. 投稿作者需提交投稿声明；专刊投稿文章不收审理费。录用刊发文章收取软件学报标准版面费。发表之后，将按软件学报标准支付稿酬，并赠送样刊。
6. 通过第一轮评审的论文作者，需在NDBC2026上做学术报告，根据论文修改情况和会议报告情况终审确定是否录用。

三、重要时间
收稿截稿时间：2026年7月13日
第一轮评审意见通知时间：2026年9月14日
提交修改稿时间：2026年9月29日
NDBC2026报告日期：2026年10月16-18日
终审结果发出日期：2026年11月1日
出版时间：2027年第3期