中国大模型迎来“95后” 百度奖学金发掘百位“未来AI技术领袖”

在人工智能掀起的科技革命和产业变革浪潮下,大模型成为最受关注的研究领域。1月22日,第十一届百度奖学金颁奖典礼在北京举行,来自全球顶尖高校及科研机构的10位"未来AI技术领袖"脱颖而出,他们平均年龄仅27岁,其中8人聚焦大模型领域。百度首席技术官王海峰致辞并颁奖。

百度首席技术官王海峰与百度奖学金获得者合影

百度奖学金自2013年设立以来,已连续举办11届,面向全球华人学子开放申请。历届获奖者在人工智能的各个领域崭露头角,成为AI浪潮中的青年领袖。

历经4个月评选,清华大学秦禹嘉、浙江大学张昊天、上海交通大学孔芳、北京航空航天大学秦浩桐、山东大学孙维纬、中国科学院自动化研究所张宇欣、卡内基梅隆大学于力军、耶鲁大学李雨杭、悉尼大学吴文灏、新加坡国立大学吴胜琼10位优秀学子荣获本届百度奖学金。

百度首席技术官王海峰在致辞中表示,人工智能正处在一个新的历史节点,大模型的快速发展让人们看到了通用人工智能的曙光。他鼓励获奖同学抓住时代机遇,继续投身人工智能领域,取得更大成绩。

百度奖学金评审组组长、百度计算机视觉首席科学家王井东表示:"除了考察研究成果数量,我们更看重研究成果的质量和创新性。百度奖学金旨在发掘在AI领域有独到见解、勇于挑战传统和突破自我的优秀青年。"

秦禹嘉(左一)、于力军作为获奖代表进行分享

本届百度奖学金的获得者不仅具备深厚的学术背景,更展现出敏锐的科研嗅觉和创新能力,他们有意识将科研成果与实际应用相结合,推动AI技术的商业化进程。据了解,10位学子的研究方向大部分集中于当前热门的大模型领域,比例高达八成。这些研究领域包括基于大模型的认知智能构建、多模态基础大模型、视频生成、AI+艺术等。 例如,卡内基梅隆大学的于力军关注多模态基础大模型和视频生成领域,其开发的视频生成大语言模型具有从文本和图像生成视频、风格迁移等多样化功能,受到国内外关注;悉尼大学的吴文灏研究视频理解,技术应用于短视频检索、视频审核等领域;清华大学秦禹嘉凭借其在大模型构建和下一代认知智能方向的研究贡献获得殊荣;浙江大学的张昊天将AI、药学、物理学相结合,用AI进行辅助药物设计;中国科学院自动化研究所的张宇欣主攻"AI+艺术"方向,提出了通用图像和视频任意风格迁移框架等一系列重要技术。 颁奖典礼后的圆桌讨论环节,奖学金获得者与百度技术专家围绕"AI原生之力:从基础技术到未来视野"进行了深入交流,共同探讨了当前大模型发展的挑战与机遇。

奖学金获得者在现场交流

百度奖学金举办至今,累计为106名全球顶尖的优秀学子颁发奖金超千万元。除了资金支持,百度也为AI领域的优秀学子搭建了展示自我、交流思想的平台。通过这一平台,百度持续推动AI领域的技术创新与应用拓展,为全球AI发展注入活力。百度在2020年提出5年为全社会培养500万AI人才,截至目前,已经培养420万AI人才。随着大模型成为人工智能发展的热点方向,百度将继续加大投入力度,为社会培养更多的大模型人才,共同迎接通用人工智能的到来。

如有帮助,请多关注 TeahLead KrisChang,10+年的互联网和人工智能从业经验,10年+技术和业务团队管理经验,同济软件工程本科,复旦工程管理硕士,阿里云认证云服务资深架构师,上亿营收AI产品业务负责人。

相关推荐
一直在努力的小宁9 小时前
【阅读笔记】具身智能的真机数采,到了分水岭
人工智能·深度学习·机器学习·agent·具身智能·vlm·vln
AI人工智能+9 小时前
营业执照识别技术通过图像预处理、版面定位、深度学习OCR、NLP语义解析与智能校验五步流程,实现对倾斜、反光、遮挡等复杂照片的毫秒级精准识别
人工智能·深度学习·自然语言处理·营业执照识别
码农幻想梦10 小时前
深度学习与神经网络(二)
人工智能·深度学习·神经网络
问天_观心11 小时前
大模型训练与推理优化(二)
人工智能·深度学习·学习·大模型·transformer
空奈qwq13 小时前
ANN 全连接神经网络入门指南:从神经元到深度学习的第一步
人工智能·python·深度学习·神经网络·算法·机器学习
维克兜率天14 小时前
【维克】弹性策略:用“乖离率“捕捉超跌反弹
android·开发语言·python·深度学习·kotlin·量化
ai小陈15 小时前
深度学习CUDA OOM排查:显存占用与碎片问题实战
服务器·人工智能·python·深度学习·ai·gpu算力
richard_yuu16 小时前
Hopfield 网络:联想记忆的「鼻祖」,为什么它能「回忆」?
深度学习·神经网络·yolo·机器学习
云和数据.ChenGuang16 小时前
langchain4j的RAG入门
人工智能·深度学习·机器学习·语言模型·fastapi
cg501717 小时前
大模型 SFT(监督微调)该怎么做?(实践版)
人工智能·深度学习·机器学习