日前，2024年度《麻省理工科技評論》“35歲以下科技創(chuàng)新35人”中國區(qū)名單正式發(fā)布。這份名單既洞察到青年人才眼底未熄的創(chuàng)新火種，也記錄著這簇星火如何燎原成重塑世界的時代勢能。
3位啟明創(chuàng)投投資企業(yè)精英入選名單，他們是北京大學助理教授、銀河通用創(chuàng)始人兼首席技術官王鶴，上海交通大學副教授、無問芯穹聯(lián)合創(chuàng)始人兼首席科學家戴國浩和階躍星辰首席科學家張祥雨。復旦大學特聘教授、上海科學智能研究院院長、無限光年創(chuàng)始人漆遠受邀擔任評委。
北京大學助理教授、銀河通用創(chuàng)始人兼首席技術官王鶴
（創(chuàng)業(yè)家）
上海交通大學副教授、無問芯穹聯(lián)合創(chuàng)始人兼首席科學家戴國浩
（先鋒者）
階躍星辰首席科學家張祥雨
（先鋒者）
入 選
“35歲以下科技創(chuàng)新35人”中國區(qū)名單
王鶴（32歲）
北京大學助理教授、
銀河通用創(chuàng)始人兼首席技術官
王鶴用合成數(shù)據(jù)開發(fā)了首個端到端具身抓取基礎大模型，突破數(shù)據(jù)和泛化瓶頸，有望促進通用具身機器人走向規(guī)模商業(yè)化。
王鶴的研究聚焦于具身智能機器人，通過AI技術賦予機器人通用化能力，使其能夠在復雜環(huán)境中完成高難度任務，從而應對老齡化、勞動力短缺等社會挑戰(zhàn)。
為解決具身智能領域數(shù)據(jù)不足、采集成本高的問題，他構建高精物理高保真的具身合成大數(shù)據(jù)，推動具身技能泛化學習和具身大模型的發(fā)展，研究成果在泛化抓取、具身端到端大模型等領域取得突破。
他提出大規(guī)模百萬級靈巧手大數(shù)據(jù)集DexGraspNet，將仿真數(shù)據(jù)生成效率提升了50倍，并基于此團隊開發(fā)UniDexGrasp++算法，實現(xiàn)在數(shù)千物體上的高成功率泛化抓取。
他也發(fā)布了一款名為GraspVLA的端到端具身抓取基礎大模型。這款模型在預訓練過程中百分百根據(jù)合成大數(shù)據(jù)進行，使用了十億幀“視覺-語言-動作”對，掌握了泛化閉環(huán)抓取能力，以及無需大規(guī)模真實數(shù)據(jù)即可完成基礎模型預訓練的能力，并且通過小樣本微調，能使基礎“通才”快速成長為指定場景的“專家”。這一技術路線具備諸多優(yōu)勢，包括大數(shù)據(jù)、高泛化、低成本等，攻克了具身智能在發(fā)展過程中亟待解決的難題，有望在2025年引領端到端具身大模型走向規(guī)模商業(yè)化。
他于2023年5月成立了銀河通用，擔任創(chuàng)始人兼首席技術官，目前公司已完成13億元人民幣融資。
戴國浩（32歲）
上海交通大學副教授、
無問芯穹聯(lián)合創(chuàng)始人兼首席科學家
戴國浩提出了創(chuàng)新的稀疏計算軟硬協(xié)同優(yōu)化方法，顯著提升通用人工智能的計算效率和能效，有效緩解了大模型時代的算力瓶頸。
人工智能，特別是大語言模型的迅猛發(fā)展，正推動人類進入通用人工智能（Artificial General Intelligence，AGI）時代。但隨之而來的海量計算需求導致算力不足和高能耗問題，成為人工智能產業(yè)進一步發(fā)展的核心挑戰(zhàn)。
戴國浩長期致力于稀疏計算和軟硬件協(xié)同設計的研究，其核心思想基于先驗知識驅動的結構化稀疏、機器學習驅動的動態(tài)編譯和細粒度并行的稀疏架構，通過降低任務量和提升硬件利用率，在芯片工藝和峰值算力較低的硬件上實現(xiàn)對高端工藝與高算力硬件的超越，將等效算力提升1個數(shù)量級，顯著提升通用人工智能的計算效率和能效。
2023年，戴國浩作為聯(lián)合創(chuàng)始人創(chuàng)立了無問芯穹，致力于將這些稀疏計算加速技術產業(yè)化，以解決實際應用中更大規(guī)模的算力需求問題。戴國浩從軟硬協(xié)同基礎研究出發(fā)，進一步拓展多元異構產業(yè)規(guī)模思路，提高人工智能時代的整體可用算力池。目前已推出一系列終端與云端智能解決方案，在終端，包括全模態(tài)理解端模型Megrez-3B-Omni、端側動態(tài)稀疏引擎SpecEE、首個大語言模型定制推理LPU IP FlightLLM和首個視頻生成模型定制推理LPU IP FlightVGM等；在云側，包括推理引擎FlashDecoding++、半分離推理調度系統(tǒng)Semi-PD和推理系統(tǒng)通信加速方案FlashOverlap等。他
終端和云端同時實現(xiàn)了大模型算法在多種芯片上的高效協(xié)同部署運行，為AGI時代的算力普惠和可持續(xù)發(fā)展提供了關鍵技術支撐。
張祥雨（34歲）
階躍星辰首席科學家
張祥雨提出了業(yè)內最早的圖文生成理解一體化的多模態(tài)大模型架構之一，并發(fā)布中國首個千億參數(shù)原生多模態(tài)大模型。
張祥雨致力于研究通用神經網(wǎng)絡的設計、訓練和優(yōu)化方法，不斷提升模型的實用性和智能水平。
他提出RepVGG，通過引入重參數(shù)化的思想，訓練時可以采用較復雜的結構實現(xiàn)高準確度，而在推理階段等價變換回一種簡單的結構（例如VGG），以方便硬件推理。后續(xù)，同樣基于重參數(shù)化思路，通過對已有視覺Transformers（ViTs）的機理進行深入分析，張祥雨提出了一種不同于ViTs的超大卷積核架構RepLKNet，性能超越了主流的ViTs，且結構簡單易部署。
張祥雨現(xiàn)任大模型公司階躍星辰首席科學家。與很多大模型公司選擇以大語言模型為起點不同，該公司從圖文交錯式語料出發(fā)，直接訓練原生圖文多模態(tài)大模型。他提出了業(yè)內最早的圖文生成理解一體化的多模態(tài)大模型架構之一——DreamLLM多模態(tài)大模型框架。
基于該框架，階躍星辰發(fā)布了中國首個千億參數(shù)原生多模態(tài)大模型Step-1V，與Google的首個同類模型Gemini 1.0幾乎同時發(fā)布，多模態(tài)理解能力顯著高于當時業(yè)界主流的視覺-語言分離式的架構。之后，他們還相繼發(fā)布了萬億參數(shù)MoE基座大模型Step-2、視頻生成大模型Step-Video、圖文語音三模態(tài)理解大模型Step-1o以及推理模型Step R-mini等。
2017年，DeepTech聯(lián)合《麻省理工科技評論》將“35歲以下科技創(chuàng)新35人”評選正式落地中國，關注和挖掘中國新興科技領域的青年創(chuàng)新力量。經過8年，該評選已然形成了一種獨特的創(chuàng)新生態(tài)，其多樣性為中國科技發(fā)展注入了獨特活力，特別是在AI領域，表現(xiàn)尤為突出。
