9.16
知识分子
The Intellectual
在很长一段时间里，硅谷是全球AI人才的终点站。而中国曾是最大的人才输出地，把一代又一代顶尖AI人才送往彼岸。
如今，这种单向流动正在悄然转向。
Digital Science的一份报告指出，美国已经开始对中国出现AI人才净流出的趋势。优秀的青年学者，正在以更快的速度选择回到中国。
来自斯坦福大学的另一份报告则提出，美国已经不再是AI人才的首选目的地。“美国的高校和研究机构现在更像一个人才跳板，美国提供了高水平的资源、经验和人脉，但最终这些积累被带回中国，成为支撑本土AI领域发展的一部分”。
过去十年，中国AI研究人员从不到10000人，增加到52,000人，平均每年以近30%的速度扩张。
更重要的是，他们多数还不到三十五岁，却已频繁出现在NeurIPS、CVPR等国际顶会上。一个庞大、年轻且充满锐气的人才群体正在成形。
“青年科学家正在成为新一轮科技发展的主角，我们要把聚光灯给到他们，提供更多的资源帮助他们，”在外滩大会的第二届蚂蚁InTech科技奖颁奖现场，蚂蚁集团副总裁、首席技术官何征宇如是说。
在去年蚂蚁集团20周年之际，首次发起了面向学术界的蚂蚁InTech科技奖，希望发掘并支持那些在中国计算机以及交叉学科领域的优秀青年学者，尤其是那些对推动关键技术发展具有重要贡献的青年学者。
今年的蚂蚁InTech科技奖又全面升级，除了继续遴选10位青年学者，提供20万元/人的“科技奖”资助外，还首次增设了5万元/人的博士生“奖学金”，提供对“青年学者-博士生”的全周期支持。本届整体参评规模达去年3倍，海外申报者占比超20%，其中包括牛津、耶鲁、斯坦福等高校。
最后的获奖学者中，不少有海外经历，他们带着在顶尖实验室锤炼出的经验从海外归来，把更锋利的方法投向中国这个更复杂、更火热的现场，去解决那些真正棘手的根本性问题，并在这里规划自己更长远的蓝图。
01
无人区的探索
第二届蚂蚁InTech科技奖得主、南京大学计算机学院教授王利民从苏黎世联邦理工学院回国之后，致力于开发一个完全由视频大模型驱动的自动驾驶系统：车上的摄像头源源不断输入画面，模型即时完成感知、预测与决策。他希望这一模式能替代传统的模块化系统，成为车辆的大脑，从根本上提升自动驾驶的安全性。
在人工智能的诸多赛道里，视频大模型一直是最难啃的骨头。文本可以拆成词，图像是静止的画面，而视频意味着连续不断的洪流。机器要在这股洪流里，不仅识别一个动作、一张画面，还要理解前后关系，甚至预测接下来会发生什么。在全球范围内，这一方向长期缺乏成熟的框架，几乎没有可供借鉴的路径。
王利民和团队选择在无人区起跑，推出了国内首个大规模视频理解基础模型InternVideo。
在全球AI研究的坐标系里，InternVideo的出现意味着一个新的议题由中国学者提出并推动。“这是一个有前瞻性的选择。”王利民回忆，当时他们在世界范围内几乎没有可以借鉴的路径，只能自己摸索着向前。也正因为如此，InternVideo才能在推出后迅速成为全球参照，被NVIDIA推出了COSMOS世界模型作为数据引擎关键技术使用，并被图灵奖得主杨立昆在提出V-JEPA世界模型时多次拿来对比。
在计算机视觉之外，还有一种更科幻的感知方式，第六感。
不靠摄像头，而用空气里的无线电波看见世界，这种听起来像古早科幻小说设想的技术，现在其实已经落地。它的大名叫做无线感知，但第二届蚂蚁InTech科技奖得主、北京航空航天大学的张扶桑教授喜欢叫它第六感，这项技术所做到的，正是调动人类五感察觉之外，WiFi、4G/5G这类本就无处不在的信号，识别呼吸、心跳、跌倒与动作。
这条路径的优势，在于天然的非侵扰。许多家居与养老场景，尤其是卫生间，并不适合安装摄像头，而无线感知只需要一个嵌入路由器或浴霸的小模块，就能完成无接触监测。如果把感知模组装上机器人或无人机，还能实现全天候看护。家中摔倒的老人、可能被遗落在车后座的孩子，他们的安全都可以由这只看不见的手来保护。
“如果为机器人配备这种感知能力，它将能够超越人类自身的感知极限，在众多任务中提供更高效的服务，未来的应用前景极为广阔，”张扶桑表示。
然而，这一领域也面临着巨大挑战。无线信号最初并非为感知而设计，其本身复杂且容易受到干扰，要从中提取出稳定、可用的规律，对精度提出了极高要求。更重要的是，无线感知作为一个研究方向，从兴起到现在不过十年左右，许多基础理论仍属空白，需要从零开始探索。
在这片“无人区”中，张扶桑提出了无线感知模型，成功量化了电磁波受人体和环境影响的机制，并解答了诸如感知极限与稳定性等一系列根本性问题。该理论被国际同行誉为“里程碑式的工作”，并被纳入全球首部无线感知专著。张扶桑表示：“目前我们已经与国际顶尖团队并跑，甚至在若干方向上实现了领先。”
无线感知不仅是一项科研突破，更将成为未来通信基础设施的重要组成部分。6G已将“通信感知一体化”列为核心特性，这意味着感知能力将与通信功能一样，成为下一代网络的基本配置。张扶桑的目标是将这一能力深度融入未来的标准体系，助力中国在全球6G竞争中占据关键地位。
在张扶桑眼里，这一代青年科学家展现出持续迸发的潜力与创新活力，因此对他们给予充分的支持与激励至关重要。“与早年条件有限的情况不同，如今的青年科学家从一开始就具备国际视野，同时充满独特的想象力和创造力。”
这正是蚂蚁InTech科技奖关注的重点。不仅仅奖励已经完成的成果，更在意的是它们所释放出的未来潜力。一种技术如何被应用，如何推动行业前进，如何在下一轮竞争中形成突破。这些，才是评审最看重的部分。
蚂蚁集团副总裁、首席技术官何征宇说，蚂蚁集团非常注重多元化的青年人才生态，已经与清华大学、浙江大学十余所高校成立了联合实验室，与北京大学、上海交通大学开展了系统的人才培养项目，与多个学术组织连续五年推出了科研基金。这些举措的目的只有一个——让有志于科研的人才有更多实践、转化的机会，让更多科研成果更快走向社会，服务民生。
“科技的发展从来不是孤立的，相信用技术去推动应用的发展，最终实现技术普惠，为每个人带来生活的便利，是我们不变的愿景。”
02
向心力
一种新的、围绕着中国AI场景的向心力正在形成。
2025年7月，中国投资和技术促进办公室（ITPO China，隶属联合国工业发展组织）发布的报告显示，全球AI人才的格局，正在发生结构性重组。研究团队分析了2015年至2024年间20万名研究人员撰写的9.6万篇AI学术论文，并据此绘制出人才版图。
中国的AI研究人员，从2015年的不足万人，增长到2024年的5.2万人，年复合增速高达28.7%。这一规模已接近美国的6.3万人。
更值得注意的是，中国AI人才的增长几乎完全由博士和博士后群体驱动，构成了一个庞大、年轻、受过高等教育的AI人才库。
除了留学归国的年轻AI学者，本土培养的力量同样不可小觑。斯坦福大学与胡佛研究所联合发布的调查发现：DeepSeek的研究人员中，超过一半没有学习和留学的经验。
正因如此，Digital Science的报告做出了大胆的预言，“考虑到拥有一个年轻、充满活力且受过高等教育、具备AI素养的劳动力群体，我们应预期中国将涌现一波与DeepSeek类似的创新浪潮。”
在哈佛医学院的八年里，张帆逐渐成为弥散磁共振（dMRI）研究领域的关键人物。他研发的开源平台SlicerDMRI，已成为全球脑影像研究和临床实践的重要工具，国际医学数据库ExpertScape将他评为dMRI 领域全球前1%专家。
回到电子科技大学后，他利用AI深度学习算法，通过影像技术构建出脑神经纤维的分布，又把原本需要1个多小时的脑神经纤维提取工作，缩短到了几分钟内即可完成，极大的提升了效率和精度。
在临床治疗领域，该技术能够帮助一些需要急救的病人——比如脑出血的患者——快速完成影像脑神经纤维的快速提取。对于医疗资源匮乏的地区，这项技术能够有望帮助医生缩短诊断时间，为抢救争取黄金窗口期。
这位第二届蚂蚁InTech科技奖得主说，“十几年前，我读博时出国参加会议，更多是去学习，会场上主要的声音都来自海外学者。但现在完全不同了，很多研究是我们在引领，海外学者会主动来合作。”
过去十年，中国的AI学者更多处在追随的位置，正是他们的快速成长，让中国AI的追赶显得格外突出。今天，他们已经从追赶转向自主创新，开始在部分方向上定义议题、引领合作。青年科研力量正在改变未来的走向，他们既是在缩小差距的一代，也是要去定义新议题的一代。
蚂蚁InTech科技奖得主、上海交通大学人工智能学院助理教授、上海创智学院全时导师李永露用“势能”和“动能”来形容中美AI发展的关系。他认为，北美在AI方向凭着深厚积累，具备足够的“势能”。但随着更多年轻学者的成长，中国同样展现出巨大的潜力与发展“动能”。
在攻读博士时，他观察到实验室里的机器人算法在固定场景中动作准确，但一旦换一个杯子的形状、在地板上多一些水渍，就会立刻出错。几十年来，机器人始终缺乏泛化能力，它们无法像人一样，在陌生环境中灵活应对。
这种困境促使他提出一个形象的比喻：培养机器人，就像培养一个孩子。小孩先学会模仿，再通过不断尝试和纠正获得新技能。为此，他和团队构建了首个结构化人类行为知识引擎，把2000万条人体—物体交互状态和381种物体属性归纳为可迁移的知识规则，为机器人“上学”提供教材。
他构建的行为知识引擎，被图灵奖得主Yoshua Bengio在多模态学习相关论文中引用。2025年，他作为独立通讯作者获得ICRA HRI最佳论文奖，与来自MIT、斯坦福、谷歌、NVIDIA的团队同台竞争。
“我们希望AI能像人一样，从复杂物理世界中抽象出规律、价值观甚至美学”，李永露说，“在这个过程中能留下一个里程碑，哪怕只是垫脚石，也算推动了这个时代”。
在蚂蚁InTech科技奖的颁奖现场，身在美国的图灵奖得主杰克•唐家拉也通过视频告诉这些来自中国的年轻科学家，“科研之路并非一帆风顺，但注定会极有收获”，并勉励获奖的年轻科学家们“大胆一点，忠于本心，要相信你们的研究能够改变世界，定义未来”。
03
在这里，你几乎可以买到任何零件
“在中国，你几乎能够买到任何机器人零件，而且都比国外便宜”，李永露这样提到回国做研究的体验。
李永露所从事的是具身智能研究，经常需要去装配、改造机器人，此时，拥有完备的硬件产业链的中国就展现出了“巨大优势”。在中国，李永露几乎没有体验过为了一个零件排队很久的情况，很多机器人研究者在国外做研究时需要等很久的昂贵零件，在国内很容易就能找到便宜的“平替”了。
得益于低廉的制造成本和更易实现规模化应用的广阔市场，“中国在产业链完备性以及综合性研究落地方面具有明显优势”，张扶桑教授向《知识分子》表示。
在无线感知这一研究领域中，国外的研发工作虽然较为深入，但主要集中在医疗领域。相比之下，中国的应用场景则更为多元。除了医疗，从提升安全性的无人驾驶技术，到可实现“出风避人”的智能空调，相关研究覆盖广泛。“国内相关产业不仅数量众多，而且发展热情高涨。”
张扶桑进一步解释道，美国在算法等基础技术方面依然领先，而中国凭借丰富的行业需求，为技术提供了真实的测试环境和持续优化的机会，从而加速了产品的成熟与完善——这也正是他在中国从事无线感知研究过程中所切身感受到的优势。这位年轻科学家甚至认为：“也许就像当年的电商行业，技术或许起源于欧美，但我们在及时配送的时效性、货物的种类齐全程度上，如今已经远远超越了欧美。”
而对于电子科技大学的年轻教授张帆而言，在中国，他体会到的巨大优势首先来自这里丰富的数据。
张帆所从事的是数字医学研究，回国前，他曾在哈佛医学院工作过8年，回国后，他发现“国内的数据采集速度完全不一样”，在哈佛医学院的附属医院，对于某种特定类型的肿瘤手术，他们一年只能积累几十个病例，但在国内，几个医院联合起来，几乎只要几周就能达到这个数据量……
张帆感叹，中国庞大的医院网络、海量的病人、以及极其多样的疾病类型，为AI医疗影像和数据分析的研究建立了一个非常好的数据基础。
“正常来说，可能需要10几年才能达到欧美目前的水平，但凭借这些优势，中国很有可能用5年就能达到他们同等级别的技术水平。”
张帆则告诉《知识分子》，在中国做医疗AI，不仅没有美国的繁琐流程，还有来自国家、科研机构和企业等多方的支持和鼓励。
“我现在在研的国家级项目，既有国家自然科学基金委的，也有国家科技部的。就在最近，我们还获批了一个校级的医工交叉项目，是和四川省人民医院合作的……国家层面还有专门针对AI+的政策倾向和专项支持。国务院最近发文，专门支持AI技术本身的发展以及它与其他领域的交叉融合。基金委和科技部等资助机构也都有AI相关的专项，去支持从事AI研究的学者，把技术应用到各个层面。”
当然，还有来自蚂蚁集团这样的企业资助和奖励，蚂蚁的InTech科技奖20万元的资助也许不算最多的，有时候也能成为一次关键实验、一台急需设备的转折点。
李永露想用这笔奖金购买一台机器人；而王利民改善一下自己的科研条件，暂时解决一下目前算力不足的问题；张帆更是觉得，有助于推动学术成果的落地，他整在考虑把奖金用于科研成果的实际转化。
这些松绑与支持的结果便是，“目前，国内一个很显著的特点，就是我们这些做医疗AI的学者和产业界的联系非常紧密。现在很多实验室里的技术，能非常快地落地成为产品。现在去医院，会发现很多诊疗系统背后都有中国公司在支撑……”张帆说。
04
长期承诺
在世界科技强国中，企业成为基础研究的重要资助者，已是大势所趋。换言之，基础研究不仅需要公共财政的托底，也需要来自产业与社会的长期承诺。
2021年美国国家科学和工程统计中心(NCSES) 的数据显示，当年美国联邦政府提供了40%的基础研究资助，而企业提供了36%，几乎是同样重要。
相比之下，中国的格局仍然相对单一：2020年，国内92% 以上的基础研究经费来自政府，企业的贡献仅为4%。
2018年，《国务院关于全面加强基础研究的若干意见》就提出，要通过税收杠杆、共建研发机构、联合资助、慈善捐赠等方式，引导企业和社会力量加大投入。
自2018年开始，腾讯的科学探索奖，阿里的青橙奖等多个民间资助项目开始探索社会力量对科研的资助。这不仅是一种荣誉象征和资金支持，更是一种对制度创新的探索。
在这样的背景下，蚂蚁集团自去年开始设立InTech科技奖，它并非面向成熟的科学巨擘，而是将目光投向科研曲线尚在上升阶段的青年学者。
同时，奖项体系还专门设置了博士生奖学金，这意味着，它不是单点式的鼓励，而是把青年科研人看作一个完整的生态，从博士到独立学者都在支持链条之中。
蚂蚁InTech的科技奖完全公益化运作，面向在全球高校、科研院所及新型研发机构中全职从事计算机科学研究与实践的中国青年学者。奖项强调三大导向：理论探索、技术突破、工程实践，覆盖通用人工智能、具身智能、数字医学、数据处理与安全隐私四大方向。
企业可以通过长远的方式参与科研，支持那些在基础研究一线的年轻人。对处于科研黄金期的青年学者而言，这样的鼓励和支持往往意味着他们能更坚定地选择一条原始创新的道路，也代表了一个更开放的舞台，让他们的研究既能被学界认可，也能产业与社会看见。
AI领域，企业支持科研的意义比其他学科更关键。在传统学科里，企业往往只能通过资助影响科研，而在AI领域，企业自身就是关键的科研机构。
斯坦福大学2024年发布的《人工智能指数报告》指出，工业界正在主导AI 前沿研究。2014年前，机器学习模型的发布主要由学术界完成。而到2023年，工业界独立开发的模型已达到51个，而学术界只有15个。更值得注意的是，这一年共有21个重量级模型由学术界与工业界合作推出，创下历史新高。科研与产业的边界，正在AI这一领域被不断打破。
蚂蚁集团向来强调在研究上的投入。仅在2024年1月到11月，蚂蚁研究团队就在国际顶会上发表了300多篇论文，其中46%聚焦AI领域，涵盖经济性、可信性、效率与安全四大方向。值得注意的是，这些论文里有35篇被收录为Oral（现场报告），占比约12%。
科研成果的另一种衡量方式，是开源。蚂蚁迄今已经累计开源2187个代码仓库，贡献超过100个社区头部开源项目。很多成果不止停留在学术意义上，而是快速进入实际应用。
比如2023年开源的DB-GPT，在一年间就获得近14万Star，被上百家企业集成到生产系统中，覆盖金融、政务、互联网等场景。同年推出的SkySense，则以20亿参数成为全球规模最大、任务最全、精度最高的多模态遥感基础模型。
这类成果的背后，是产业和科研双向流动的结果。根据乔治城大学数据库的统计，过去五年，全球3.56% 的计算机科学类论文至少有一位工业界作者。在这一比例里，中国学者的贡献占23.58%，互联网企业的科研产出质量与影响力快速提升。
中国的互联网大厂，如今已成长为不容忽视的中国科研力量。而在AI 这样一个产业和科研紧密交织的领域，企业能否以更长期的姿态支持科研，不仅决定着今天的竞争格局，也关乎未来的原始创新能否真正生长。
还没有评论，来说两句吧...