日前，2024年度《麻省理工科技評(píng)論》“35歲以下科技創(chuàng)新35人”中國(guó)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(shí)代勢(shì)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(xué)助理教授、銀河通用創(chuàng)始人兼首席技術(shù)官王鶴，上海交通大學(xué)副教授、無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼首席科學(xué)家戴國(guó)浩和階躍星辰首席科學(xué)家張祥雨。復(fù)旦大學(xué)特聘教授、上?？茖W(xué)智能研究院院長(zhǎng)、無(wú)限光年創(chuàng)始人漆遠(yuǎn)受邀擔(dān)任評(píng)委。
北京大學(xué)助理教授、銀河通用創(chuàng)始人兼首席技術(shù)官王鶴
（創(chuàng)業(yè)家）
上海交通大學(xué)副教授、無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼首席科學(xué)家戴國(guó)浩
（先鋒者）
階躍星辰首席科學(xué)家張祥雨
（先鋒者）
入 選
“35歲以下科技創(chuàng)新35人”中國(guó)區(qū)名單
王鶴（32歲）
北京大學(xué)助理教授、
銀河通用創(chuàng)始人兼首席技術(shù)官
王鶴用合成數(shù)據(jù)開(kāi)發(fā)了首個(gè)端到端具身抓取基礎(chǔ)大模型，突破數(shù)據(jù)和泛化瓶頸，有望促進(jìn)通用具身機(jī)器人走向規(guī)模商業(yè)化。
王鶴的研究聚焦于具身智能機(jī)器人，通過(guò)AI技術(shù)賦予機(jī)器人通用化能力，使其能夠在復(fù)雜環(huán)境中完成高難度任務(wù)，從而應(yīng)對(duì)老齡化、勞動(dòng)力短缺等社會(huì)挑戰(zhàn)。
為解決具身智能領(lǐng)域數(shù)據(jù)不足、采集成本高的問(wèn)題，他構(gòu)建高精物理高保真的具身合成大數(shù)據(jù)，推動(dòng)具身技能泛化學(xué)習(xí)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(lǐng)域取得突破。
他提出大規(guī)模百萬(wàn)級(jí)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(tuán)隊(duì)開(kāi)發(fā)UniDexGrasp++算法，實(shí)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(chǔ)大模型。這款模型在預(yù)訓(xùn)練過(guò)程中百分百根據(jù)合成大數(shù)據(jù)進(jìn)行，使用了十億幀“視覺(jué)-語(yǔ)言-動(dòng)作”對(duì)，掌握了泛化閉環(huán)抓取能力，以及無(wú)需大規(guī)模真實(shí)數(shù)據(jù)即可完成基礎(chǔ)模型預(yù)訓(xùn)練的能力，并且通過(guò)小樣本微調(diào)，能使基礎(chǔ)“通才”快速成長(zhǎng)為指定場(chǎng)景的“專家”。這一技術(shù)路線具備諸多優(yōu)勢(shì)，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(guò)程中亟待解決的難題，有望在2025年引領(lǐng)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(dān)任創(chuàng)始人兼首席技術(shù)官，目前公司已完成13億元人民幣融資。
戴國(guó)浩（32歲）
上海交通大學(xué)副教授、
無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼首席科學(xué)家
戴國(guó)浩提出了創(chuàng)新的稀疏計(jì)算軟硬協(xié)同優(yōu)化方法，顯著提升通用人工智能的計(jì)算效率和能效，有效緩解了大模型時(shí)代的算力瓶頸。
人工智能，特別是大語(yǔ)言模型的迅猛發(fā)展，正推動(dòng)人類進(jìn)入通用人工智能（Artificial General Intelligence，AGI）時(shí)代。但隨之而來(lái)的海量計(jì)算需求導(dǎo)致算力不足和高能耗問(wèn)題，成為人工智能產(chǎn)業(yè)進(jìn)一步發(fā)展的核心挑戰(zhàn)。
戴國(guó)浩長(zhǎng)期致力于稀疏計(jì)算和軟硬件協(xié)同設(shè)計(jì)的研究，其核心思想基于先驗(yàn)知識(shí)驅(qū)動(dòng)的結(jié)構(gòu)化稀疏、機(jī)器學(xué)習(xí)驅(qū)動(dòng)的動(dòng)態(tài)編譯和細(xì)粒度并行的稀疏架構(gòu)，通過(guò)降低任務(wù)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(shí)現(xiàn)對(duì)高端工藝與高算力硬件的超越，將等效算力提升1個(gè)數(shù)量級(jí)，顯著提升通用人工智能的計(jì)算效率和能效。
2023年，戴國(guó)浩作為聯(lián)合創(chuàng)始人創(chuàng)立了無(wú)問(wèn)芯穹，致力于將這些稀疏計(jì)算加速技術(shù)產(chǎn)業(yè)化，以解決實(shí)際應(yīng)用中更大規(guī)模的算力需求問(wèn)題。戴國(guó)浩從軟硬協(xié)同基礎(chǔ)研究出發(fā)，進(jìn)一步拓展多元異構(gòu)產(chǎn)業(yè)規(guī)模思路，提高人工智能時(shí)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(cè)動(dòng)態(tài)稀疏引擎SpecEE、首個(gè)大語(yǔ)言模型定制推理LPU IP FlightLLM和首個(gè)視頻生成模型定制推理LPU IP FlightVGM等；在云側(cè)，包括推理引擎FlashDecoding++、半分離推理調(diào)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(shí)實(shí)現(xiàn)了大模型算法在多種芯片上的高效協(xié)同部署運(yùn)行，為AGI時(shí)代的算力普惠和可持續(xù)發(fā)展提供了關(guān)鍵技術(shù)支撐。
張祥雨（34歲）
階躍星辰首席科學(xué)家
張祥雨提出了業(yè)內(nèi)最早的圖文生成理解一體化的多模態(tài)大模型架構(gòu)之一，并發(fā)布中國(guó)首個(gè)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(jīng)網(wǎng)絡(luò)的設(shè)計(jì)、訓(xùn)練和優(yōu)化方法，不斷提升模型的實(shí)用性和智能水平。
他提出RepVGG，通過(guò)引入重參數(shù)化的思想，訓(xùn)練時(shí)可以采用較復(fù)雜的結(jié)構(gòu)實(shí)現(xiàn)高準(zhǔn)確度，而在推理階段等價(jià)變換回一種簡(jiǎn)單的結(jié)構(gòu)（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(guò)對(duì)已有視覺(jué)Transformers（ViTs）的機(jī)理進(jìn)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(gòu)RepLKNet，性能超越了主流的ViTs，且結(jié)構(gòu)簡(jiǎn)單易部署。
張祥雨現(xiàn)任大模型公司階躍星辰首席科學(xué)家。與很多大模型公司選擇以大語(yǔ)言模型為起點(diǎn)不同，該公司從圖文交錯(cuò)式語(yǔ)料出發(fā)，直接訓(xùn)練原生圖文多模態(tài)大模型。他提出了業(yè)內(nèi)最早的圖文生成理解一體化的多模態(tài)大模型架構(gòu)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(guó)首個(gè)千億參數(shù)原生多模態(tài)大模型Step-1V，與Google的首個(gè)同類模型Gemini 1.0幾乎同時(shí)發(fā)布，多模態(tài)理解能力顯著高于當(dāng)時(shí)業(yè)界主流的視覺(jué)-語(yǔ)言分離式的架構(gòu)。之后，他們還相繼發(fā)布了萬(wàn)億參數(shù)MoE基座大模型Step-2、視頻生成大模型Step-Video、圖文語(yǔ)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(píng)論》將“35歲以下科技創(chuàng)新35人”評(píng)選正式落地中國(guó)，關(guān)注和挖掘中國(guó)新興科技領(lǐng)域的青年創(chuàng)新力量。經(jīng)過(guò)8年，該評(píng)選已然形成了一種獨(dú)特的創(chuàng)新生態(tài)，其多樣性為中國(guó)科技發(fā)展注入了獨(dú)特活力，特別是在AI領(lǐng)域，表現(xiàn)尤為突出。
