创新者因计算而相遇，《麻省理工科技评论》中国正式发布“2023年中国智能计算创新人物”

1958 年 8 月 1 日 ，“103 机”调试成功，标志着我国第一台现代电子计算机诞生。中国从此“有了”计算机。

时至今日，生成式人工智能变成了新一代生产力工具。回顾近 70 年的历程，是计算领域一大批科技人员的研发岁月，更是一段理想与奋斗交织的长路。在这个过程中，无数的科研人物和他们的事迹，成为了激励后人不断探索、创新的动力源泉。

斗转星移，我们所面对和理解的“计算”也发生了诸多变化、智能计算有了更多维的技术子集、更丰富的内涵、更广阔的应用......我们所讨论的“智能计算”（Intelligent Computing）大多瞄准世界科技前沿和国家重大战略需求，研究计算领域的器件与芯片、先进计算机、软件与系统、平台与应用等多层次计算问题，为科技创新体系和产业发展体系提供先进的计算芯片、强大的计算能力、高效智能的计算平台。

智能计算作为各个产业的重要底座和技术支柱、作为当今产业界应用最活跃的领域之一，正以其独特的方式重塑我们的世界。从电子、生物科学到材料学，从计算能力开发到空间探索，智能计算的应用无所不在。随着人工智能技术的日趋成熟，智能计算已成为推动科学发现、技术创新和商业变革的重要力量。

《麻省理工科技评论》中国与 DeepTech 联合发起“中国智能计算创新人物”评选，旨在表彰那些在智能计算领域做出杰出贡献的科研人员、工程师、产业实践者，他们不仅在学术研究上取得了突破，更在技术推广和商业应用上展现了卓越的榜样力量。

历时为期一年的征集、提名和评审工作， 2024 年 4 月，《麻省理工科技评论》中国×DeepTech 正式发布“2023 年中国智能计算创新人物”入选者名单， 这是智能计算行业的技术和人才指向标，代表着我们对于前沿科技的执著、对智能计算生态的重视、对技术为了福祉（Tech for good）的珍视。

图丨《麻省理工科技评论》中国×DeepTech 发布“2023 年中国智能计算创新人物”（来源：DeepTech）

计算领域本身具有极强的学科交叉性，以及结合两届入选者的领域，我们发现入选者的研究方向涵盖了从基础科学研究到应用技术的多个维度，包括 AI 使能的科学发现（AI4S）、机器学习、高级/新型计算范式（量子计算、光子计算、生物启发计算等）、安全与可信、终端智能应用、架构与软硬件开发等。 这些研究不仅在学术上具有前瞻性，也在实际应用中逐渐展露出应用潜力和价值。

AI 使能的科学发现 (AI4S)这一领域的入选者专注于将人工智能应用于科学发现，包括但不限于生物学、材料学、物理学等领域。他们的工作通常涉及开发新的算法或改进现有算法，以发现新的内容以及处理和分析大量复杂的数据集，跨学科合作和算法创新是这个领域创新工作的特点。例如利用 AI 模型预测蛋白质结构、加速药物发现过程；利用大量的生物医学数据来训练模型，以识别疾病标志物或预测疾病风险；通过机器学习优化新材料的合成过程，提高材料性能等。

而智能计算领域经久不变的话题还有——人工智能、新的算力基础设施、安全可信重要议题。尤其 2023 年大模型的出现也带来了对算力的更高的要求，也刺激了更多新的计算范式的出现、更多创新创业者的出现。

这其中，也仍然存在数据安全、隐私安全的问题，也依然可以看到“保护者”的身影，他们致力于提高智能计算系统的安全性和可靠性，开发能够抵御网络攻击的智能系统，研究新型加密技术以保护通信安全，设计算法来保护用户数据的隐私而不牺牲计算效率等等。

入选者中不乏创业者和企业家，他们投身智能计算的应用形态和能力，包括手机、电脑、车辆等边侧端侧的应用、人机物的融合，以及未来更高维、更自治、多模态系统的人工智能技术和具身智能。

而这些新技术的研发和应用，离不开底层基础架构、软件、硬件平台的开发者们，他们 开发 能够支持高效智能计算的硬件和软件架构，开发新的智能算法、提高计算任务的处理速度和准确性，以及开发国产自主可控的硬件系统等等，让计算的底层基础更扎实，让上层的应用得以更繁茂生长。

2023 年中国智能计算创新人物的评选，不仅是对过去一年智能计算领域成就的一次回顾，更是对未来的一次展望。他们是先锋力量、是典型代表、也更是中国计算领域的缩影，我们期待看到更多计算领域的灵感和技术涌现，也更期待见证新技术的实际应用落地，以及发挥更广泛的商业潜力和经济价值。

入选者名单如下：

*以下排名不分先后，仅按入选者姓名首字母排序

利用机器学习提取黑夜高光谱成像中的信息并重构出白天的景象，成功克服了“鬼影”效应，进而首次提出并实验实现了“高光谱热雷达”。

应用场景：无人驾驶、智能医疗、智能农业、国防等

鲍芳琳深度融合量子与人工智能两大交叉领域，一方面利用量子信息算法来突破光学衍射极限，提高成像精度，该理论对受衍射限制的光学成像（如天文成像、超远距离机器视觉等）有近 10 倍的精度提升。另一方面，鲍芳琳带领团队利用机器学习，结合红外物理、信息理论等，克服了热成像中的“鬼影”效应，发展了一种颠覆性的夜视技术——TeX vision，并发展了基于 TeX vision 的探测与测距，即热雷达。热雷达可以让机器在黑夜看到与白天一样的清晰景象，极大提升了低可见度下的机器视觉，有极大潜力获得与微波雷达、激光雷达等技术一样广泛的社会应用，为机器人、无人汽车装上一双能看穿黑暗的眼睛。

从事机器学习的基础理论研究，发展了深度学习理论、分布式机器学习算法、可信机器学习方法，利用机器学习数理机理为实现精准、高效、安全的机器学习提供了系列技术方案。

应用场景：智能算法安全等

陈薇长期从事机器学习的数学机理与优化技术研究，在深度学习机理、分布式优化、安全可信应用等方面取得系列成果，致力于攻克智能算法安全基础理论，解决智能计算的安全可信问题。面向深度学习的差分隐私保护，提出投影梯度扰动方法与理论，已被转化到微软云服务 Azure，产品国际市场占有率超 20%。面向自适应预调节器和动量法常用优化技术，证明了其渐近收敛到最大间隔解的超参数条件，发展了深度学习隐式正则理论。面向机器学习分布式训练，提出的“延迟-补偿”机制被集成到深度学习分布式训练开源平台 ONNX 中，成为分布式机器学习的标准协同机制之一，被国内外近 40 家企业使用；提出的大规模决策树模型聚合方法构成了分布式决策树开源平台 LightGBM 的核心技术，开源平台被超 6000 个开源项目使用。

关注领域专用的编程与编译优化技术和数据中心编程与编译技术，对构建国产处理器芯片的软件生态具有重要的实用意义和经济价值。

应用场景：人工智能芯片、超算等

崔慧敏长期从事面向国产处理器芯片的编译软件研究工作，在国产芯片编程语言、编译技术、跨平台系统软件栈方面取得了一系列的科研成果。在异构编程与编译方面，崔慧敏关注领域专用的编程与编译优化技术，包括面向 AI 领域、通信领域的编译优化，旨在解决异构为程序员带来的编程困扰，并充分发挥领域专用芯片的处理潜力。围绕人工智能芯片、网络处理芯片、申威处理器等异构加速芯片在编程与编译方向突破了多项关键技术，并已实际应用在行业领先的人工智能芯片及超算芯片，获得了处理器芯片团队的高度评价，对于国产芯片的生态构建起到了重要的促进作用。

首次发现多个国际重要密码算法的安全性弱点，首次提出流密码算法的量子猜测决定攻击方法，对移动通信和物联网等场景的标准密码算法制定与应用产生了重大影响。

应用场景：移动通信、物联网等

丁林长期致力于经典及量子计算条件下的密码分析与破译等领域研究，首次发现了国际 5G 候选加密算法 SNOW-V、国际 GPRS 标准加密算法 GEA-1/GEA-2 和 ISO/IEC 标准加密算法 Grain-128a 等多个国际重要密码算法中存在的安全性弱点，取得了多项目前国际上计算复杂性最优的密码分析与破译成果，基于 Grover 算法首次提出了流密码算法的量子猜测决定攻击方法，证明了 ISO/IEC 标准加密算法 SNOW 2.0 等密码算法在量子计算条件下是不安全的，其研究成果在面向移动通信、物联网等场景的标准密码算法的制定与应用领域产生了重大影响，对丰富经典及量子计算条件下的密码分析理论具有重要学术价值。

推动细粒度视觉语义模型、视觉与语言领域的研究发展，推动视觉基础模型、多模态预训练的最新研究成果在多场景下规模化应用。

应用场景：多媒体信息检索、AI 智能生成、具身智能等

推动研发了微软小冰跨模态诗歌创作模型，累计生成原创诗歌 100 万首，出版发行了世界上第一本人工智能创作的诗集。此外基于视觉 Transformer 的图像超分辨率和高清图像风格化技术，成功集成在微软 OfficePlus 和 Designer 产品中，并保持稳定运行。通过实时提升图像质量和高效生成多样化图像等方式，极大地提升了办公自动化领域的产品体验，为数亿用户提供了更优质的服务。傅建龙和团队研发的视频增强技术成果也已成功应用于微软 Edge 浏览器，服务于全球 2.8 亿用户。

围绕群体智能、群智感知计算、人机物融合群智计算开展系统研究，有助于提高系统性能、优化资源利用、提升效率和质量，为未来的人机物跨域融合智能应用和构建人机和谐共生社会提供理论和关键技术支撑。

应用场景：智慧城市、社会治理等

郭斌开展了面向多智能体的感算协同自适应演化模型与方法研究，围绕边端资源动态协调难、感知能力场景适配弱、计算模型情境演化差等核心挑战问题，创新性地提出了具有“资源有机联动、能力动态适配、模型自主演化”特性的边-端一体感算协同自适应演化理论与方法，国际上率先提出并推动了人机物融合群智计算新兴学科方向的发展。其工作探索了群体智能感知与认知、群体智能协同与聚合、群体智能学习与演化等基本机理、计算模型、核心算法及系统平台，为构建具有自组织、自学习、自适应和自演化能力的群智空间提供了支持。

人工智能“遇到”多模态遥感，创新多模态 AI 遥感大模型对地观测新范式，解锁遥感大数据的应用潜力，推动对地观测与可持续发展方面的革新进展。

应用场景：地表要素感知、灾害响应、精准农业、智慧城市、气候变化等

洪丹枫研发了系列国际领先的 AI 模型方法，例如：SpectralGPT, MiniGCN, MDL-RS 等，有效弥合遥感大数据与高性能计算能力之间的差距，激发了高效提取和分析多模态遥感大数据的潜能。在此基础上，洪丹枫以设计通用的多模态 AI 大模型为核心，致力于开发全链路的多模态遥感大数据智能解释系统，将大数据、大算力、大模型、大应用集成，极大推动了智能计算在地球科学领域的进展。相关研究成果已在许多地学场景中取得了成功应用，例如：灾害响应、气候变化等，受到了同行领域专家学者的广泛认可。

将具有第一性原理精度的分子动力学模拟规模扩展到百亿原子，计算效率提升 4 个数量级，国际上首次实现智能超算与物理模型相结合。

应用场景：新材料研发、能源化工、药物研发等

贾伟乐长期致力于高性能计算领域，其主要研究兴趣为 AI 驱动的微观尺度模拟中的高性能计算问题。2020 年贾伟乐与团队在国际上首次将具有第一性原理精度的分子动力学模拟规模扩展到 1 亿个原子，计算效率提升 1000 倍以上，这是国际上首次实现智能超算与物理模型相结合。2022 年又进一步发展了 AI 模型压缩方法，将第一性原理精度的分子动力学模拟推广到百亿原子和十纳秒每天的模拟速度，相比之前相关领域最好工作的时空尺度有 4 个数量级的提升。此外，他带队研发了第一性原理计算领域专用的大规模稀疏矩阵解法器，在国产超算上计算峰值(65PFLOPS)和计算效率(5%)全球最高，与合作者一同推动复杂金属异质结模拟达到 250 万原子规模。

通过人工智能创新帮助人类更好地理解大脑，并将这些理解用于提升脑健康和设计脑启发的人工智能。

应用场景：人工智能、医疗健康、具身智能等

李东胜聚焦 AI 与脑科学以及 AI 与医疗健康的交叉研究。在通过智能计算理解大脑方面，李东胜带领团队在脑电信号分析等方向展开探索，构建了首个跨数据集的脑电预训练模型，该模型在人脑信号理解、脑病诊断和脑病机理分析等方面都发挥了重要作用。在脑启发的 AI 方面，其与团队从脑启发的神经网络和脑启发的机器学习算法两方面开展了研究，设计的 CircuitNet 神经网络为机器学习提供了一种新的基础架构，提出的统一行为建模框架为具身智能研究提供了一种新的技术路线。此外，他利用机器学习创新在理解疾病的发病机理、发现有效药物和提升医疗效率等方面取得了多项成果。

聚焦于人工智能驱动的科学研究，利用人工智能技术对生物数据分析和理解，通过对多组学数据的研究，深入探讨生物机制，从而助力药物发现。

应用场景：精准医疗、遗传学研究等

李向涛带领团队致力于开发面向单细胞转录组学的深度学习模型，以提高对复杂高维稀疏空间数据的聚类性能。他们成功解决了传统聚类算法难以精准度量和识别复杂生物数据分布及结构的问题，这一进展推动了细胞数据分析和基因调控机制的理解。此外，团队还针对癌症基因组学数据中普遍存在的数据缺失和噪声问题进行了深入研究。他的工作帮助筛选出与癌症高度相关的变异基因，为癌症研究提供了重要的理论支持。同时，他还探索了基于蛋白质组学数据的深度序列语言学习方法，改进了生物序列的表征方式，这一方法不仅考虑了序列的顺序编码，还充分利用了序列中的生物特征，为生物学数据的解析提供了新的视角。

遵循第一性原理，着眼于从基础方法论层面对当前以深度学习为代表的 AI 范式进行功能提升，进而探索有数理理论基础的机器智能极限态形式及其实现路径。

应用场景：人工智能、工业、医疗等

刘斌从根本上对深度学习范式进行功能提升，提升其处理复杂动态物理世界现实问题的能力，包括高效持续学习能力、不确定性量化推理能力、自主探索学习决策能力、 机理机制知识与数据的融合能力、小样本学习能力等。此外，以深度学习、强化学习等为代表的现代 AI 算法为工具解决数学、物理、统计学界困扰大家已久的计算难题。

面向组学数据特点，创新性地发展人工智能驱动的组学有效解析和精准干预的交叉研究和转化新范式，对于复杂疾病的精准医学研究提供了指导。

应用场景：药物研发、免疫治疗、细胞治疗和基因编辑等

刘琦致力于发展人工智能和生物组学交叉融合的研究范式（“AI for Omics”），以组学人工智能赋能数据驱动的精准医学研究和转化。其聚焦于复杂疾病的有效干预，开发了一系列 AI 赋能小分子/大分子干预和基因编辑干预的计算平台，包括开发了基于元学习的抗原-TCR 特异性识别的计算系统 PanPep，有效解决了该领域的数据长尾分布和小样本问题，为肿瘤免疫治疗领域的新生抗原识别，TCR-T 治疗以及细胞治疗等提供了方法学的支撑。

致力于面向医疗健康的计算机听觉领域，探索将音频信号作为辅助诊断的新型数字表型和非药物干预的新途径。

应用场景：智慧医疗等

钱昆长期致力于情感计算、计算机听觉和脑科学领域的研究，在“面向医疗健康的计算机听觉” 这一研究方向持续深耕。他建立了全球首个计算机听觉医学数据库平台 Voice of the Body，该平台发布了第一个公开由单一机构采集且精确标注的心音数据库——深圳心音数据库 HSS，以及第一个公开的躯体化障碍语音数据库——深圳躯体化言语语料库，同时他正在与国内多家顶尖医院展开合作，采用统一的标准来采集、标注、构建后续数据库。

此外，他基于人耳听觉系统生理结构和人工智能技术构建了类脑听觉模型，近似实现甚至超越了人耳听觉系统的声信号处理功能，可有效解决传统声学特征难以模拟人耳听觉系统对语音的非线性感知和非线性幅值增益特性，及深度学习模型解释性较差等问题。

围绕复杂图数据建模与学习，建立异质图建模与表示理论，提出可信图神经网络模型，研发开源图学习平台，推动图智能的广泛应用。

应用场景：金融、电商、电信、能源等

石川针对复杂图数据的结构知识难表示的挑战，建立了异质图建模和表示理论，突破同质图无法有效建模复杂系统难题，引领复杂系统建模与分析方式从同质图到异质图的转变。针对图数据的可信结构知识难保障的挑战，提出了可信图神经网络模型，缓解图神经网络的黑箱学习困境，探索可信人工智能的实现途径。此外，石川针对工业图数据的实际结构难利用的挑战，提出了面向典型应用（推荐系统和网络安全）的图建模与挖掘技术，构建了自主可控的图机器学习平台，突破国外平台的垄断，推动图智能技术的产业应用。

设计了可信生物医学大模型，对跨尺度、跨模态生物医学数据进行自上而下、由微观到宏观的深入研究，相关成果已成功应用于临床诊疗。

应用场景：智能化临床诊疗等

王海帅提出了基于可解释性特征的图和时序生物医学数据高效表示学习算法，甄别了数据间的空间关联性和时间交互性，解决了生物医学大数据时空演化数据建模和可解释性等可信学习的难题。 此外，他还探索了跨模态数据表示的结构相关性，填补了从基因型到表型的跨尺度多模态生物医学数据分析的鸿沟，解决了生物医疗大数据开发利用不足和临床决策效率低的难题，从多个层级阐明了疾病的致病机理，提升了疾病的早期筛查和干预能力。相关研究成果已成功应用于自闭症筛查、抑郁症早筛、肾小球过滤率估算和肾病分级预测、肝脏病灶分割、脑瘫快速诊断等，并在美国退伍军人医院、巴恩斯-犹太医院、浙江大学附属第二医院和附属儿童医院投入临床使用。

致力于能源信息材料的智能计算及其基因构筑，大幅缩减新材料的研发周期和研发成本。

应用场景：材料、能源等

王辉瞄准国家“双碳计划”重大战略目标，致力于绿色环保的新型能源信息材料的数智化研发及产业化应用。基于多尺度模拟、高通量计算和机器学习的科学研究新范式，注重智能计算引导的实验科学，旨在构建“微观结构-宏观物性”内在关联的基因数据库，全面加速新材料设计到工程应用化的进程。其团队聚焦于新型绿色固态制冷研究，提出多物理场调控序参量转变的高效计算方法，大幅提高固态制冷性能的预测精度和评估过程；发掘数学描述符和机器学习模型，建立数据驱动的高通量计算模拟流程和数据库；为设计研发零排放、高能效的新制冷材料提供基因蓝图，有望加快培育颠覆性技术及其走向应用的步伐，引领绿色制冷技术革命并服务传统制冷产业转型升级。

突破物理极限，致力于研究更高并行度、更高能效的创新存内计算技术及芯片 。

应用场景：端侧及边缘侧AI场景

2022 年，王绍迪带领知存科技率先实现了国际首颗存内计算 SoC 芯片 WTM2101 的量产。进入市场一年左右，WTM2101 已经落地 AR 眼镜、智能手表、TWS 耳机等市场产品，营收过千万。此外，WTM2101 芯片还将在医疗、工业等应用场景落地产品，赋能端侧 AI 能力的提升。目前，知存科技自主研发的边缘侧算力芯片 WTM-8 系列也即将量产，该系列芯片能够提供至少 24Tops 算力，而功耗仅为市场同类方案的 10%，将助力移动设备实现更高性能的图像处理和空间计算。

深耕语音技术，构建小米全栈自研语音技术，聚焦多设备人人交互声学技术和人机交互语音技术，为用户提供更自然、更自由、无压力的智能语音交互方式，让用户享受到“声能智能计算”带来的美好生活。

应用场景：手机、IoT 设备、智能汽车等终端设备

王育军从 0 到 1 组建小米集团声学语音团队，建立基于硬件软件和算法的交互声学语音技术体系，赋予智能设备“嘴巴”和“耳朵”。为小米 1.5 亿手机和 AIoT 设备提供自研声音算法，覆盖 79 个品类，5312 种智能终端；自研技术体系涵盖语音识别、语音合成、拾音降噪、声音感知、声学测量、放音算法，6 个大方向、24 个小方向的声学语音算法；为“小爱同学”日均提供在线语音服务 12.6 亿次，为用户带来更极致的智能语音交互体验。经过 5 年的技术实践，与团队共同打造了小米“个性化情感化的声音交互”体系。

长期致力于解决海量生物序列分析中的智能计算问题，结合可解释人工智能方法，学习生物序列的复杂关键模式，力图从序列层面捕捉分子功能关联，解析生命的密码子。

应用场景：临床诊断、药物筛选等

围绕“提取-融合-优化-学习”四步走路线，魏乐义提出了专家知识与数据联合驱动的序列表示方法以及多尺度深度学习的生物序列语义学习模型。此外，基于迁移学习的思路，他设计了互信息最大化的元学习策略，突破了目标任务标注样本量不足的瓶颈。通过生物知识与深度学习联合驱动，高效精准地实现药物与靶标结合以及敏感性检测，创新地将生物机制引入建模，缓解了模型不可解释的问题，相关技术被应用于多家医院，开发的癌症预后评估系统已应用于鼻咽癌、乳腺癌治疗等方面。

运用人工智能技术理论和方法，挖掘人脑特征，探索认知功能脑机制，同时受益于脑科学探究中获得的启发与灵感，开发新的人工智能理论方法，实现对信息科学和脑科学的双向推动。

应用场景：工业、医疗等

邬霞围绕基于人工智能的脑数据分析开展研究，面向国家重大需求，以中国脑计划为契机，针对脑数据特点，提出时空脑特征智能提取系列算法，实现特殊岗位人群的脑状态监测与评估。此外，针对“如何基于复杂的脑功能数据表征大脑”这一科学界公认的难题，面向神经影像数据特点，构建系列人工智能分析算法，应用于认知功能神经学标记物提取。还将人工智能相关的理论和算法应用于抑郁症、孤独症、阿尔茨海默症等脑疾病中。不但加深了对脑疾病神经机制的了解，更有利于推动新的诊断、检测手段的提出和发展。

阐明了二型模糊系统更强鲁棒性的原因，提出多种模糊系统高效训练方法，并成功应用于智能控制、智能决策、脑机接口等。

应用场景：智能控制、情感计算、脑机接口等

伍冬睿是国际上较早进行二型模糊系统研究的学者之一，系统性地研究了区间二型模糊控制器的鲁棒性、连续性、运算代价、优化方法等。首次使用二型模糊逻辑完整实现了模糊逻辑创始人、加州大学伯克利分校 Zadeh 教授提出的感知计算机，使人们可以通过自然词汇与计算机进行交互，应用于武器系统评价等多种决策场景。针对现有模糊系统只能处理低维小数据的挑战，借鉴深度学习中的 Dropout、批归一化等方法，提出可高效处理高维大数据的模糊系统训练方法，建立 Python 开源工具箱 PyTSK；针对脑机接口分类问题研究多、回归问题算法少的挑战，创新性地使用模糊集构造模糊类，自动把脑机接口分类问题中的信号处理和机器学习算法推广至回归问题。

率先提出了“芯片化高维光学神经网络”和高维光计算架构，并研制了高维光计算芯片与光电混合计算板卡，算力已突破百 Tops 级，为发展超大算力光子计算原型机提供了新的技术途径与方法。

应用场景：光子计算等

谢鹏围绕光学人工智能与大容量光互连，聚焦集成光芯片与智能光信息处理研究，结合平坦片上多波长光源系统、大宽带光计算芯片与技术、多维信息复用技术和光电转换模组等，发展了芯片化高维光学神经网络系统，以高维光计算架构，研制了新型智能光子处理器，单芯片算力已达百 Tops 级，且有望将算力推至千 Tops 级，为拓展光子计算的算力边界提供了新思路，有望将计算速度提高 3-4 个数量级，功耗降低 2 个数量级。北京芯算科技公司已将相关科技成果实现技术转化、产业落地，为用户单位提供关键技术支撑。

通过对操作系统、5G 网络、云原生系统的整体安全设计，增强云边端一体化安全，实现安全的智能计算，在全球实现了使用大模型结合程序分析技术自动配置云原生系统的安全权限。

应用场景：云原生安全、5G 核心网安全、网络安全等

薛辉致力于将云边端的安全防御一体化，将操作系统、5G 网络、云原生系统的各个环节进行安全一体化抽象规划。针对操作系统资源隔离、5G 网络切片资源隔离、云原生系统安全配置隔离等手段一体化考虑，做出关键部件的形式化证明，对安全与网络算力的约束进行联合求解。充分发挥 5G 网络带来的算力调度技术，通过 5G 网络测量技术与云原生技术的结合，实现对移动场景的算力安全调度。

将运筹学、理论计算机科学、机器学习、量子计算等经典和新兴技术进行交叉，形成组合优化问题的（量子）机器学习求解理论与方法，并用于芯片设计、药物设计等场景。

应用场景：芯片设计、药物设计等

严骏驰的研究主要集中在面向运筹优化问题的新型人工智能求解器，通过机器学习等方式进行模型训练，自动获得相关求解策略或形成推断模型，同时，将前端时序预测与量子计算技术也引入求解。严骏驰研究组合优化问题的机器学习理论与方法，响应上海乃至长三角在人工智能、生物医药、集成电路三大先导产业，在 EDA、药物设计等场景应用。同时，通过机器学习，进一步将前端感知、预测与后端决策进行协同，形成端到端的预测-决策范式，并进一步驱动自动驾驶端到端范式。此外，将量子计算引入组合优化问题求解，特别是提出量子机器学习模型与算法，处理更一般的约束组合优化问题。

其与合作者开发的 trRosetta、I-TASSER、COACH、BioLiP 等方法已经成为结构生物信息学领域的重要方法，被结构生物学家等实验科学家广泛使用，有效降低了实验成本，促进了结构生物学等领域的发展。

应用场景：蛋⽩质与 RNA 结构预测等

杨建益从事结构生物信息学领域的研究，聚焦蛋白质与 RNA 结构预测问题。基于人工智能与数学的交叉，其与华盛顿大学 David Baker 教授、密歇根大学张阳教授等权威专家合作，共同开发了一系列具有重要国际影响力的新方法，主要包括：开发了首个精度超越 AlphaFold1 的蛋白质结构预测方法 trRosetta，并对其做了一系列重要推广；应用 transformer 网络，开发了 RNA 三级结构自动预测方法 trRosettaRNA，提升了预测结构的精度；为蛋白质同源建模方法 I-TASSER 的发展作出了重要贡献。

专注于利用高性能计算技术研究，使 AI 大模型更加快速、高效和低成本的运行。

应用场景：云计算、芯片设计、生物医药、自动驾驶等

尤洋创新提出了一系列方法，包括 LARS 优化器、LAMB 优化器和 DATE 框架，使得 AI 训练能够扩展到数千个处理器而不损失准确性，并打破 ImageNet 和 BERT 的训练速度世界纪录。为了进一步突破可扩展性的极限，尤洋设计了新的高效内存自动分布式方法，并领导建立了下一代大型人工智能系统 Colossal-AI，该系统是可扩展人工智能领域发展最快的开源项目之一。以 Colossal-AI 为核心产品，尤洋领导创立了潞晨科技，成功实现产业化落地，并与多家世界/中国五百强、东南亚科技巨头、亚洲地区国家级研究机构、海外超算中心等开展合作，促进 AI 大模型商业化落地。

自主研发首个结构化数据大模型 TableGPT，在展现高度精准定量性和量化分析能力的同时，支持无缝集成进企业的数据库和数据仓库等基础架构。

应用场景：工业制造、金融证券、民航交通等

赵俊博提出并主持开发了 TableGPT，于 2023 年发布后，被视为全球范围内首款对接关系数据库和数据仓库的大模型产品。相较于通用大模型，TableGPT 凭借其独有的数据库对接能力，实现了从“看得到业务数据”到“理解业务逻辑”，直至“实时聊业务”的完整落地闭环。TableGPT 突破多项关键技术难点，其系统功能性、鲁棒性和可用性具有显著优势，在工业制造、金融证券、民航交通等领域中积累多次成功落地案例，带来一定的经济效益。

利用智能计算技术解决电力能源行业的可持续发展问题，包括监测碳排放、减少碳排放、提高能源效率、促进可再生能源使用等。

应用场景：电力能源系统等

赵俊华围绕“AI 助力低碳能源转型”，基于智能计算技术，解决能源与环境领域的关键科学问题，为能源系统的智能管理和低碳优化提供了新的视角和解决方案。2023 年他领导开发了首个基于碳卫星的碳计量人工智能模型，融合多源数据进行碳排放监测，大大提高特定排放源的排放估算精度。

在电力系统优化调度与规划方向，他带领的团队提出了基于零和收益数据包络分析的两阶段电力系统低碳调度模型来提高优化结果，帮助电力系统降低碳排放。在电-碳市场协同优化这一问题上，其与团队和国家电网公司联合研发了人工智能技术驱动的电力-碳市场协同仿真技术，为两个市场的机制与规则设计提供科学依据。2024 年，他与银河国际及南方电网公司合作，在香港证券交易所成功上市了首单基于高精度碳数据认证的绿色债券，成功实现了企业碳计量技术在绿色金融领域的落地应用。

利用大数据、人工智能等前沿计算技术，交叉研究人力资源管理、劳动经济学等管理与社会科学领域的关键问题，通过前瞻性跨学科基础研究和创新性工业应用，服务于人更好的职业发展。

应用场景：智能招聘、企业数智化转型等

祝恒书长期从事“人才与管理计算”这一交叉科学方向，他带领团队提出了面向人才职业生涯预测的深度序列分析技术和面向企业人才发展需求的个性化推荐技术；在应对多源异构和复杂网络场景的挑战上，提出了基于异构数据的组织画像评估技术、 面向组织的人才流动动态网络分析和建模技术；创新了基于深度学习的人岗匹配模型和个性化面试问题推荐算法；此外提出了基于市场驱动的技能价值评估方法和劳动力市场趋势动态分析技术，实现了细粒度大规模劳动力市场分析应用。

基于以上成果，他主持研发并落地了全球首个大数据智能化人才管理解决方案，以及双边互惠招聘推荐系统等多项创新商业产品，累计服务数亿互联网用户和上千万家企业，取得了显著的社会和经济效益。

提出以框架核酸和核酸分子基元为结构单元、以核酸杂交、分子识别、核酸分子网络为基础构建具有分子基元协同效应的框架核酸智能诊断分子机器新概念。

应用场景：智能生物传感、生物计算、疾病诊断等

左小磊针对生物分子感知能力差（生物分子识别性能等）、信息处理能力不足（生物分子的计算效率等）等挑战，聚焦框架核酸与核酸分子基元的设计方法、高通量标准化框架核酸与核酸分子基元合成技术。

利用核酸分子自组装行为与逻辑运算能力，构建各种结构和功能可精准设计的纳米结构、智能分子网络和存算一体新型生物计算框架，为人类模拟生命物质信息运算功能、探索生命系统信息运算基本规律等提供新技术。这将为提升生物计算机的信息感知能力、信息处理能力及智能化行为提供技术支撑；同时在活细胞信息存储、智能活细胞生物计算、微纳机器人、纳米智能诊疗等领域具有应用潜力。