“钢铁侠”秒切“大白”，给人类一个温柔拥抱

2024年《麻省理工(máshěnglǐgōng)科技评论》“35岁(suì)以下科技创新35人(rén)”中国入选者于5月(yuè)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(yánjiūyuán)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，从根本上提升模型的数学和逻辑推理(tuīlǐ)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领域的应用。 这35位科技青年中，有人(yǒurén)以开源生态推动技术普惠，有人以合成数据突破(tūpò)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。他们攻克科学难题，开拓交叉领域(lǐngyù)，书写创新的“链式反应”。 2024年《麻省理工科技评论》“35岁以下科技创新(chuàngxīn)35人”中国(zhōngguó)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，当前创新的链条已经发生变化，创新型的研究机构(jīgòu)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而言，选择做正确的事比(bǐ)选择众人认为应当选择的事更重要。另一位(yīwèi)入选者、上海人工智能实验室(shíyànshì)青年(qīngnián)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(shídài)的算力瓶颈 “现在各地有很多计算中心，建设完之后怎么把这些算力更好地服务当地产业、服务高精尖(gāojīngjiān)企业的创新，这就涉及我们多元异构、软硬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(hé)软硬件协同设计研究，其核心思想是基于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，通过降低任务量(rènwùliàng)和提升硬件利用率，在芯片工艺和峰值(fēngzhí)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(děngxiào)算力提升一个数量级，显著(xiǎnzhù)提升通用人工智能的计算效率和能效(néngxiào)，缓解大模型时代(shídài)的算力瓶颈。 大语言模型的(de)(de)迅猛发展带来了海量计算需求(xūqiú)，也导致了算力(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(xīnqióng)，期望将稀疏计算加速技术产业化，以解决实际应用中更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(dì)运营和使用起来(qǐlái)。 戴国浩(dàiguóhào)表示，好技术要(yào)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(dàn)过去两三年内，算力成本已经发生了翻天覆地的变化，“从ChatGPT刚推出(tuīchū)时OpenAI对每个token的收费到现在的价格，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(wǒmen)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(yīnwèi)降低成本永无止境。” 科学家和创业者的(de)双重身份也让他摸索出一套(yītào)创新链路的方法论。原先，高校(gāoxiào)以论文发表的形式产出创新成果，产业界则(zé)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，更多是站在中间位置，搭建起学术(xuéshù)和产业的桥梁，打通(dǎtōng)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，应选择做(zuò)正确的事，而非众人所认为应当选择的事物。 算力突破将带来AI新高峰(xīngāofēng) 上海人工智能(réngōngzhìnéng)实验室29岁的青年科学家钟翰森同时也(yě)是上海奇算光启信息技术有限公司的创始人(chuàngshǐrén)、上海创智学院的全时导师。钟翰森同样将(jiāng)突破算力极限作为核心研究目标。他基于AI实现全球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)提供了(le)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(xuǎnzé)光子体系作为主攻方向，发展可实验的高斯(gāosī)玻色采样理论框架，基于(jīyú)该理论研制的“九章一号”原型机，通过(tōngguò)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，传统调控方法的效率瓶颈日益凸显。对此(duìcǐ)，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(miǎo)完成谷歌量子芯片600秒任务，实现经典(jīngdiǎn)计算对量子霸权的首次无漏洞反超，也(yě)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(bǐtè)中性原子阵列，并设计(shèjì)出AI驱动的(de)量子纠错解码器。钟翰森表示，在(zài)上海人工智能实验室、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(yōushìhùbǔ)，做出更有意义的成果。 目前，钟翰森正集中(jízhōng)攻克光子系统的(de)可编程性与算法适配难题，目标(mùbiāo)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(jìsuàn)技术革新提供新的可能性。钟翰森希望在摩尔定律接近(jiējìn)瓶颈的时代，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，做最有价值的问题。”钟翰森表示，不管是做学术研究(xuéshùyánjiū)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。尽管科研也面临内(nèi)卷，但(dàn)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。 (本文来自澎湃新闻，更多原创(yuánchuàng)资讯请下载“澎湃新闻”APP)