“35岁以下科技创新35人”：AI人才占半壁江山，DeepSeek研究员入选

2024年《麻省理工科技评论》“35岁以下科技创新35人”中国入选者于5月23日揭晓，与AI相关的(de)(de)研究人才占据半壁江山。其中，28岁的深度求索(qiúsuǒ)研究员邵智宏以第一完成人领导了DeepSeekMath项目，通过高质量预训练和基于 GRPO的强化学习方法，从根本上提升模型(móxíng)的数学和逻辑推理能力。27岁的OpenAI研究员姚顺雨开创了融合推理与行动的智能(zhìnéng)体范式，并推动智能体技术(jìshù)在通用系统操作与知识密集型(mìjíxíng)领域的应用。 这35位科技青年中，有人以(yǐ)开源生态推动技术普惠，有人以合成数据突破具身智能瓶颈，有人以算力创新缓解大模型(móxíng)时代的计算瓶颈。他们攻克科学难题，开拓交叉领域，书写创新的“链式反应(liànshìfǎnyìng)”。 2024年《麻省理工科技(kējì)评论》“35岁以下科技创新(chuàngxīn)35人”中国入选者。 作为今年的(de)入选者，上海交通大学副教授、无问芯穹联合(liánhé)创始人兼(jiān)首席科学家戴国浩(dàiguóhào)5月24日对澎湃科技表示，当前创新的链条已经发生变化，创新型的研究机构站在中间位置搭建起学术和产业的桥梁，对于当下从事科研或产业化创新的年轻人才(réncái)而言，选择做正确(zhèngquè)的事比选择众人认为应当选择的事更重要。另一位入选者、上海人工智能实验室(shíyànshì)青年科学家钟翰森则表示，青年人才要注重学科交叉、优势互补，做出有价值有意义的成果。 缓解大模型时代的算力(suànlì)瓶颈 “现在各地有很多计算中心，建设完之后怎么(zěnme)把这些算力更好地服务当地产业、服务高精尖企业的创新，这就涉及我们多元异构、软硬(ruǎnyìng)协同在内的专业平台建设能力。”32岁的戴国浩长期从事稀疏计算和软硬件协同设计研究，其核心思想是基于先验知识驱动(qūdòng)的结构化(jiégòuhuà)稀疏、机器学习驱动的动态编译和细粒度并行(bìngxíng)的稀疏架构，通过降低任务量和提升硬件利用率，在芯片工艺和峰值算力较低的硬件上(shàng)实现对高端工艺与高算力硬件的超越，将(jiāng)等效算力提升一个数量级，显著提升通用(tōngyòng)人工智能的计算效率和能效，缓解大模型时代的算力瓶颈。 大语言模型的(de)迅猛发展带来(dàilái)了海量(hǎiliàng)计算需求，也(yě)导致(dǎozhì)了算力(suànlì)不足和高能耗问题，成为人工智能产业进一步发展的核心挑战。2023年，戴国浩联合创办无问芯穹，期望将稀疏计算加速技术产业化，以解决实际应用中更(gèng)大规模的算力需求问题。戴国浩从软硬协同基础研究出发，进一步拓展多元异构产业规模思路，提高人工智能时代的整体可用算力池。他希望通过团队的能力，降低算力成本，未来将国内外的算力更好地运营和使用起来。 戴国浩表示，好技术要能够赋能人类的生产和生活。高昂的算力成本(chéngběn)(chéngběn)将阻碍高精尖技术的探索，但过去两三年内，算力成本已经发生了翻天覆地的变化，“从ChatGPT刚(gāng)推出时OpenAI对每个(měigè)token的收费到现在的价格(jiàgé)，算力成本对于模型成本来说已经下降了2~3个量级。未来我们依旧会看到有大概1~2个量级甚至2~3个量级的突破空间，因为降低成本永无止境(yǒngwúzhǐjìng)。” 科学家和创业者的(de)双重身份也让他摸索出一套创新(chuàngxīn)链路的方法论。原先，高校以论文发表的形式产出创新成果，产业界则通过制造产品实现创新。“这一波的原始(yuánshǐ)创新，无论是谷歌的DeepMind，还是OpenAI，抑或是其他的企业和科研机构(jīgòu)(kēyánjīgòu)，更多是站在中间(zhōngjiān)位置，搭建起学术和产业的桥梁，打通创新链路，我们称之为创新型的研究机构。”戴国浩表示，这意味着，创新的链条已经发生变化，当下的学生在从事科研或者产业化创新时，应选择(xuǎnzé)做正确的事，而非众人所认为应当选择的事物(shìwù)。 算力突破将(jiāng)带来AI新高峰 上海人工智能实验室(shíyànshì)29岁(suì)的青年科学家钟翰森同时也是上海奇算光启信息技术(jìshù)有限公司的创始人、上海创智学院的全时导师。钟翰森同样将突破算力极限作为核心研究目标。他基于AI实现全球(quánqiú)最大规模量子比特中性原子阵列及量子纠错解码器，为容错量子计算(jìsuàn)提供(tígōng)了新的技术路径。钟翰森认为，“下一个算力上的大突破将带来人工智能的新高峰。” 在量子计算领域，他选择光子体系作为主攻方向(fāngxiàng)，发展可实验的高斯(gāosī)玻色(bōsè)采样理论框架，基于该理论研制的“九章一号”原型机，通过76光子高斯玻色采样，实现比经典计算机快1014倍的量子加速，首次实证(shízhèng)光量子计算优越性。 随着量子系统规模扩大至千比特级，传统调控方法(fāngfǎ)的(de)效率瓶颈日益凸显。对此，钟翰森将AI深度融入量子技术攻关，开发高性能(gāoxìngnéng)计算优化算法，用(yòng)小型GPU集群以17秒完成谷歌量子芯片600秒任务，实现经典计算对量子霸权的首次无漏洞(lòudòng)反超，也重新划定了经典和量子的算力边界。 他也基于AI技术实现全球最大规模量子(liàngzǐ)比特中性原子阵列，并设计出AI驱动的量子纠错(jiūcuò)解码器。钟翰森(zhōnghànsēn)表示，在上海人工智能实验室(shíyànshì)、合肥国家实验室和中科大的交叉努力下，科研人员共同完成了量子比特中心原子阵列排布，实现了目前主流纠错码(jiūcuòmǎ)最高性能的量子纠错算法。这些成果离不开(líbùkāi)量子领域和人工智能领域的交叉攻关。他认为，青年人才要注重学科交叉、优势互补，做出更有意义的成果。 目前，钟翰森正集中攻克光子(guāngzi)系统的(de)可编程性与算法适配难题，目标是实现基于光子的通用智能算力，为未来集成化光子智能芯片(xīnpiàn)奠定基础，为计算技术革新提供新的可能性。钟翰森希望在摩尔定律接近瓶颈(píngjǐng)的时代，探索出一个新的摩尔定律，找到下一代算力的可能实现方式。“既然我们还年轻，就要去挑战最困难的问题(wèntí)，做最有价值的问题。”钟翰森表示，不管是做学术研究还是创业，青年人才要争取做出最有价值的研究，推动社会进步。尽管科研(kēyán)也面临(miànlín)内卷，但他建议青年科学家要以平常心对待，并在当前的环境下投入更多精力(jīnglì)。 (本文来自澎湃新闻，更多原创资讯(zīxùn)请下载“澎湃新闻”APP)