“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(kējì)评论》“35岁(suì)以下科技创新35人”中国入选者于5月23日揭晓，与AI相关的研究人才占据半壁江山。其中，28岁的深度求索研究员邵智宏以第一完成人领导(lǐngdǎo)了DeepSeekMath项目，通过高质量预训练和基于 GRPO的强化学习(xuéxí)方法，从根本上提升模型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(rónghé)推理与行动的智能体范式，并推动智能体技术在通用系统(xìtǒng)操作(cāozuò)与知识密集型领域的应用。 这35位(wèi)科技青年中，有人以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时代的计算瓶颈。他们攻克科学(kēxué)难题，开拓交叉领域，书写(shūxiě)创新的“链式反应”。 2024年《麻省理工科技(kējì)评论(pínglùn)》“35岁以下科技创新35人”中国入选者。 作为(zuòwéi)今年的入选者，上海交通大学副教授、无问芯穹联合创始人兼首席科学家(kēxuéjiā)戴国浩5月24日对澎湃科技表示，当前创新(chuàngxīn)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(shì)科研或产业化创新的年轻人才而言，选择做正确的事比选择众人认为应当选择的事更重要(zhòngyào)。另一位入选者、上海人工智能实验室青年科学家钟翰森则(zhōnghànsēnzé)表示，青年人才要注重学科交叉、优势互补(yōushìhùbǔ)，做出有价值有意义的成果。 缓解大模型(móxíng)时代的算力瓶颈 “现在各地(gèdì)有很多计算中心，建设完之后怎么把(bǎ)这些算力(suànlì)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、软硬协同(xiétóng)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(jīyú)先验知识驱动的结构化稀疏、机器学习驱动的动态编译和细粒度并行的稀疏架构，通过降低(dī)任务量和提升(tíshēng)硬件利用率，在芯片工艺和峰值算力较低的硬件上实现对高端工艺与高算力硬件的超越，将等效算力提升一个数量级，显著提升通用人工智能的计算效率和能效，缓解大模型时代(shídài)的算力瓶颈。 大语言模型的迅猛发展(xùnměngfāzhǎn)带来了海量计算需求，也导致了算力不足和高能耗问题，成为人工智能产业(chǎnyè)进一步发展的核心挑战。2023年，戴国浩(dàiguóhào)联合创办无问芯穹，期望(qīwàng)将稀疏(xīshū)计算加速技术产业化(chǎnyèhuà)，以解决实际应用中更大规模的算力需求问题。戴国浩从(cóng)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(jìshù)要能够赋能人类的生产和生活。高昂的算力成本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(fāntiānfùdì)的变化，“从ChatGPT刚推出时OpenAI对(duì)每个token的收费(shōufèi)到现在的价格，算力成本对于(duìyú)模型成本来说已经下降了2~3个量级(liàngjí)。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。” 科学家和(hé)创业者的(de)双重身份也让他摸索出一套创新链路的方法论。原先，高校以论文(lùnwén)发表的形式(xíngshì)产出创新成果，产业界则通过制造(zhìzào)产品实现创新。“这(zhè)一波的原始创新，无论是谷歌的DeepMind，还是OpenAI，抑或是其他(qítā)的企业和科研机构，更多是站在中间位置，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。 算力突破将(jiāng)带来AI新高峰 上海人工智能(réngōngzhìnéng)实验室29岁的青年科学家(kēxuéjiā)钟翰森同时也是上海奇算光启信息技术有限公司的创始人、上海创智学院的全时导师。钟翰森同样将突破(tūpò)算力极限作为核心研究目标。他基于AI实现全球(quánqiú)最大(dà)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(jìsuàn)领域，他选择光子体系作为主攻方向，发展可(kě)实验的高斯玻色采样理论框架，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(jīngdiǎn)计算机快1014倍的量子加速，首次实证光量子(guāngliàngzǐ)计算优越性。 随着量子系统规模扩大(kuòdà)至千比特级(tèjí)，传统调控方法的(de)效率瓶颈日益凸显(tūxiǎn)。对此，钟翰森将AI深度融入量子技术攻关，开发高性能计算(jìsuàn)优化算法，用小型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比特中性原子阵列(zhènliè)，并设计出AI驱动(qūdòng)的量子纠错解码器。钟翰森表示，在上海人工智能实验室、合肥国家实验室和(hé)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最高性能的量子纠错算法(suànfǎ)。这些成果离不开量子领域(lǐngyù)和人工智能领域的交叉攻关。他认为，青年人才要注重(zhùzhòng)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系统的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奠定基础，为计算技术革新(xīn)提供新的可能性。钟翰森希望在摩尔定律接近瓶颈的时代，探索出一个新的摩尔定律，找到下一代(xiàyídài)算力的可能实现方式。“既然我们(wǒmen)还(hái)年轻，就要去挑战最困难的问题，做最有(yǒu)价值的问题。”钟翰森表示，不管是做学术研究还是创业，青年(qīngnián)人才要争取做出最有价值的研究，推动社会进步。尽管科研也面临(miànlín)内卷，但他建议青年科学家(kēxuéjiā)要以平常心对待，并在当前的环境下投入更多精力。 (本文来自澎湃新闻(xīnwén)，更多原创资讯请下载“澎湃新闻”APP)