亚马逊近日宣布启动一项总额达6800万美元的AI博士奖学金计划，旨在支持全球顶尖高校在人工智能领域的前沿研究。该计划将覆盖未来两年，为卡内基梅隆大学、约翰斯·霍普金斯大学、麻省理工学院、斯坦福大学、加州大学伯克利分校、加州大学洛杉矶分校、伊利诺伊大学厄巴纳-香槟分校、德克萨斯大学奥斯汀分校以及华盛顿大学等九所高校的逾百名博士生提供资助。 项目每年投入1000万美元直接资助学生，并配套价值2400万美元的亚马逊云服务（AWS）计算资源。每所参与高校每年还将获得110万美元支持资金，用于推动AI研究生态建设。奖学金涵盖2025-2026与2026-2027两个学年，入选者不仅获得经济支持，还将与亚马逊资深科学家建立“研究联络”关系，定期交流并探讨研究成果的实际应用潜力，同时有机会在暑期前往亚马逊实习，实现学术与产业的深度融合。 该计划聚焦于对实用AI具有深远影响的研究方向，包括机器学习、计算机视觉、自然语言处理，以及智能体系统、大语言模型与生成式AI、机器学习基础设施和自动化推理等前沿领域。 在已公布的获奖名单中，多位华人学者表现突出。麻省理工学院的Jenny Huang专注于数据驱动的机器学习与不确定性量化；Songyuan Zhang致力于安全多智能体系统的强化学习与控制理论；David Jin则聚焦GPU加速与大规模AI决策系统的优化。加州大学伯克利分校的Dacheng Li深耕视觉与文本生成模型的交叉研究，参与开发了行业标准评估工具；Hao Wang致力于提升大模型生成代码的安全性；Melissa Pan（Zhiyang Pan）关注大规模AI系统的可持续性与能效优化；曹诗怡在高效大模型系统方面贡献显著，主导开发了支持千级LoRA适配器并发服务的S-LoRA系统；Shuo Yang则专注于高效长视频生成技术。 卡内基梅隆大学的Yuxiao Qu探索赋予AI智能体“人类好奇心”的强化学习新范式；Danqing Wang研究大模型在多智能体协作中的可靠性；Mengdi Wu致力于机器学习编译器与超优化；Xinyu Yang开发可支持多智能体工作流的生成模型架构；Zeji Yi将生成模型应用于人形机器人与灵巧手控制；Zichun Yu致力于生成高质量合成数据以缓解大模型训练中的数据瓶颈；Xinran Zhao则在检索增强生成（RAG）系统中提升其在复杂语境下的可信度与解释能力。 德克萨斯大学奥斯汀分校的Haoyu Li研究AI在边缘计算与自动驾驶中的系统优化；Junbo Li推动推理驱动的智能体系统发展；Kiazhao Liang专注高效训练与稀疏神经网络；Chutong Yang深耕可信机器学习的理论基础；Xiao Zhang致力于实现5G边缘环境下可预测的AI性能。 这一计划不仅彰显了亚马逊对AI基础研究的长期投入，也凸显了华人学者在全球AI创新版图中的关键角色。通过学术界与产业界的深度协同，该奖学金有望加速AI技术从实验室走向现实世界的转化。