2025 WAIC 云帆奖揭晓:群英荟萃,共探人工智能未来

2025 WAIC云帆奖揭晓,表彰AI领域青年精英,他们的卓越成就正推动通用人工智能(AGI)发展,探索未来科技前沿。

原文标题:共青年之智,铸AGI未来|2025 WAIC云帆奖得主名单揭晓

原文作者:机器之心

冷月清谈:

2025年7月27日,世界人工智能大会(WAIC)期间,由上海人工智能实验室、机器之心与全球高校人工智能学术联盟联合主办的WAIC 云帆奖颁奖典礼暨云帆青年挚友之夜在上海盛大举行。此次活动汇聚了150余位来自产学研资各界的领军人物,共同见证并激励中国AI青年力量的成长。

怜星夜思:

1、文章里提到了好多位AI领域的青年科学家,他们的研究方向非常多样化,比如具身智能、大模型、强化学习、视觉识别等等。大家觉得,在通往AGI(通用人工智能)的道路上,这些不同的研究方向之间,是会逐渐融合,还是会各自发展然后找到某种协同方式?哪一个方向最有潜力成为AGI实现的“关键钥匙”呢?
2、云帆奖这样的青年人才奖项,除了荣誉感之外,对这些获奖的年轻科学家们来说,最大的价值或者说帮助可能会是什么?是资金支持?学术圈的认可?还是说能更好地促进行业合作和资源整合?大家觉得主办方可以再做些什么,让奖项的“含金量”更高,更好地支持青年科学家发展?
3、文中提到的很多前沿技术,比如通用人形机器人、医疗AI、可信AI、零知识证明等等,听起来都挺“高大上”的。如果把视野放宽到更远的未来,大家觉得这些技术对我们普通人的日常生活会带来哪些“颠覆性”的影响?是更智能便捷,还是可能会引发一些我们现在还没考虑到的社会伦理问题?

原文内容

星辰汇聚,扬帆远航:2025 WAIC 云帆奖颁奖典礼暨云帆青年挚友之夜共筑 AI 创新枢纽


2025年7月27日,在星光熠熠的世界人工智能大会(WAIC)期间,一场专为全球顶尖 AI 青年打造的荣耀盛会——2025 WAIC 云帆奖颁奖典礼暨云帆青年挚友之夜于上海隆重举行。本次活动由上海人工智能实验室、机器之心、全球高校人工智能学术联盟联合主办,并得到东方菁汇、长三角国家技术创新中心、真格基金、中国联通等机构的大力支持。


大会汇聚了2025 WAIC 云帆奖得主、召集人、评委、候选人,以及全球 AI 技术产业领袖、学术新锐和顶尖投资人等 150 余位产学研资核心力量,共同见证并激扬着中国 AI 青年力量的蓬勃脉动。



活动现场,公布了今年的 WAIC 云帆奖「璀璨明星」和「明日之星」新晋得主名单并举行了颁奖典礼。


上海人工智能实验室主任、首席科学家,清华大学惠妍讲席教授 周伯文(左一),中国新一代人工智能发展战略研究院执行院长 龚克(右三),上海市人才工作局副局长、二级巡视员 郭磊(右二),机器之心创始人兼 CEO 赵云峰(右一)在大会现场为「璀璨明星」颁奖。


蚂蚁集团CTO 何征宇(左一),北京大学智能学院博雅特聘教授、副院长 陈宝权 (左二),上海人工智能实验室党委副书记兼纪委书记 王平(右二),东方菁汇集团总裁 余立越(右一)在大会现场为「明日之星」颁奖。


值得关注的是,本届云帆奖组委会创新性地设立「提名奖」,旨在进一步完善云帆社区人才体系。活动现场,公布了 2025 WAIC 云帆奖「璀璨明星提名奖和「明日之星提名奖名单并举行了颁奖典礼。


长三角国家技术创新中心信息技术首席专家 刘国权(左一),真格基金管理合伙人 戴雨森(右一)在大会现场为「璀璨明星提名奖」颁奖。


上海联通党委委员副总经理 刘彤(左一),ICT 产业观察家,黄大年茶思屋科技网站总编 张群英(右一)在大会现场为「明日之星提名奖」颁奖。


接下来,让我们走近每一位新晋 WAIC 云帆奖得主,了解他们的卓越成就与前沿探索。



2025WAIC 云帆奖新晋得主介绍

2025 WAIC 云帆奖「璀璨明星」

(按姓氏拼音排序)

陈建宇,本科毕业于清华大学精仪系,后于 UC Berkeley 取得博士学位,师从美国工程院院士、机电控制先驱、MPC算法奠基人 Masayoshi Tomizuka 教授。拥有10年以上机器人与人工智能研发经验,具备稀缺的软硬件全栈规划能力。与团队在机器人与 AI 领域的国际顶会和期刊上发表 70 多篇论文,并入围 RSS 2024、L4DC 2022、IEEE IV 2021、IFAC MECC 2021 等国际会议优秀论文奖。 凭借卓越的学术与创业成就,上榜福布斯中国“30Under30”。

高阳,本科毕业于清华大学,后获加州大学伯克利分校博士学位,师从具身智能泰斗Pieter Abbeel,研究涵盖具身智能、机器人交互、强化学习等领域。学术上,他在NeurIPS、ICML 等顶级会议发表多篇论文,谷歌学术引用超 5000 次。今年与上海人工智能实验室等团队联合推出的 OneTwoVLA,实现推理与动作无缝切换,显著提升模型泛化与常识能力;EfficientZero 系列为目前全球样本效率最高强化学习算法,获 OpenAI 联合创始人肯定;EfficientImitate 大幅提升模仿学习效率;ViLa 和 CoPa 模型性能突出。创业方面,他联合创立千寻智能,聚焦通用人形机器人及具身大模型,成立一年完成多轮融资,跻身行业领跑阵营,推动技术突破落地。

何聪辉,清华大学博士,上海人工智能实验室青年科学家,上海交通大学兼职博导,入选国家级青年人才,现负责浦江书生系列大模型的数据体系建设。何聪辉的主要研究方向为面向大模型的高效数据学习,在 AI 顶会发表论文 100 余篇,谷歌引用 8600+,曾获高性能计算应用领域最高奖“戈登•贝尔”奖,并创建国内最大的开放数据平台 OpenDataLab,开源智能文档解析工具 MinerU,累计 GitHub 星标数突破4万。

刘邦,现任蒙特利尔大学和 Mila 研究所副教授、加拿大 CIFAR 人工智能讲席教授。研究自然语言处理、多模态与具身学习及 AI for Science 等。他已发表论文与教程 100 余篇,荣获 2024 云帆奖、蒙特利尔大学研究卓越奖及 George Walker 最佳博士论文奖等。他深耕基础智能体研究,联合 MetaGPT 发起 Foundation Agents 开源组织,率先构建材料科学大模型与智能体推动新材料智能设计,成果广泛应用于产业。

乔畅,本、博毕业于清华大学自动化系,拟于8月入职清华大学精密仪器系助理教授。研究兴趣为智能光子学,聚焦人工智能与光学交叉创新:在 AI for Optics 方面,设计融合光学成像模型的神经网络架构,突破光学显微成像的时空带宽极限,研制具身智能超分辨光学显微成像仪器;在 Optics for AI方面,研究立体集成智能光计算架构与芯片,解决人工智能发展的算力和功耗瓶颈。

王翔,中国科学技术大学特任教授、博导,国家青年人才。研究兴趣:信息推荐与挖掘、大模型、可信人工智能等,在国际顶会和顶刊上发表论文 70 余篇,谷歌学术引用 2 万余次。2025年获得人工智能国际顶会 ICLR 杰出论文奖,2023年获国际基础科学大会前沿科学奖,2024年获 ACM SIGIR 青年学者奖和吴文俊人工智能自然科学一等奖,2024年入选《麻省理工科技评论》 MIT TR35 榜单、AI 100 青年先锋。

吴翼,现任清华大学交叉信息院助理教授,博士毕业于 UC Berkeley ,前 OpenAI 研究员,同时也是上海期智研究院 PI,蚂蚁研究院强化学习实验室首席科学家,边塞科技创始人。研究方向为强化学习,多智能体学习和通用智能体。曾获得 NIPS 2016 最佳论文奖,和 ICRA 2024 最佳展示奖候选。代表作包括 OpenAI 捉迷藏项目,多智能体强化学习学习领域最高引算法 MADDPG/MAPPO 算法,开源智能体强化学习框架 AReaL 等。人生乐趣包括研究 AI/RL,喝奶茶以及吃遍全世界。

谢伟迪,上海交通大学长聘轨副教授,教育部 U40,国家级青年人才(海外),上海市海外高层次人才计划获得者,上海市启明星计划获得者,科技部科技创新 2030 —“新一代人工智能”重大项目青年项目负责人。 博士毕业于牛津大学视觉几何组( Visual Geometry Group,VGG ),导师为Professor Andrew Zisserman 和 Professor Alison Noble,是首批 Google-DeepMind 全额奖学金获得者,China-Oxford Scholarship 获得者,牛津大学工程系杰出奖获得者。主要研究领域为计算机视觉,医学人工智能,共发表论文超 100 篇,包括 Nature Communications,NPJ Digital Medicine, CVPR,ICCV, NeurIPS, ICML, IJCV 等,Google Scholar 累计引用超 16000 次,多次获得国际顶级会议研讨会的最佳论文奖和最佳海报奖,最佳期刊论文奖,MICCAI Young Scientist Publication Impact Award Finalist (5/6000);Nature Medicine,Nature Communications 特邀审稿人,计算机视觉和人工智能领域的旗舰会议 CVPR,NeurIPS,ECCV 的领域主席。

张宸,致力于研究智能处理器架构与芯片系统,包括 FPGA 和 GPU 等,深度挖掘人工智能计算的底层硬件基础与信息表达机制,通过张量计算建模、数据信息压缩、处理器架构和电路设计优化等手段,为高算力、高能效 AI 硬件的设计提供理论支持和技术路线验证,突破 AI 处理器的算力、带宽和能耗瓶颈。

张嘉恒,本科毕业于上海交通大学 ACM 班,之后在加州大学伯克利分校(UC Berkeley)获得博士学位,师从 Dawn Song 教授。张嘉恒博士的研究聚焦于零知识证明(ZKP)、可验证计算与人工智能安全,特别关注 ZKML(可验证机器学习)在AI模型隐私保护与可信验证中的应用。他致力于构建既保障数据隐私、又提升模型可信性的加密机制,涵盖从决策树到Transformer等多种模型。其研究强调技术实用性,服务于 AI 审计、合规验证及关键基础设施安全,推动人工智能系统在高安全需求场景下的可靠落地。

赵恒爽,香港大学助理教授,国家优青,研究兴趣包括计算机视觉、机器学习和人工智能。在顶级会议和期刊上发表论文 100 余篇,研究成果被引 43,000 余次,单篇一作被引 18,000 余次。曾获得多次国际学术竞赛冠军,世界人工智能大会明日之星、璀璨明星和青年优秀论文奖,CVPR 最佳演示荣誉奖,AI 100 青年先锋,AI 2000 计算机视觉最具影响力学者,担任 CVPR/ICCV/ECCV/NeurIPS/ICLR 等会议的领域主席。


2025 WAIC·云帆奖「明日之星」

(按姓氏拼音排序)

陈天龙,于2024年秋季加入北卡罗来纳大学教堂山分校计算机系担任助理教授。在这之前(即2023-2024年),他于麻省理工和哈佛大学担任博士后研究员。陈天龙博士分别于2023年和2017年获得了德州大学奥斯汀分校电子&计算机工程的博士学位和中国科学技术大学(少年班学院)的应用数学和计算机双学士学位。他的主要研究方向是建立准确、可靠和高效的机器学习系统他近期的研究方向主要聚焦于:(1)重要的机器学习问题包括多模态学习,大语言模型,稀疏神经网络、鲁棒性、可学习的优化算法、和图网络;(2)交叉学科的科学难题比如生物工程、疫苗药物研发和量子计算陈天龙博士曾先后获得了 Amazon Research Award, Cisco Faculty Award, AAAI'25 New Faculty Highlights, NAIRR Pilot Award, UNC Accelerating AI Award, CPAL Rising Star, AdvML Rising Star, IBM Ph.D. Fellowship, Adobe Ph.D. Fellowship, Graduate Dean's Prestigious Fellowship。

陈小康,现任 DeepSeek AI 多模态组研究员。2024年博士毕业于北京大学,师从曾钢研究员,同年获评北京大学优秀毕业生。他的研究领域包括多模态理解大模型和多模态理解与生成统一模型,在 IJCV、CVPR、ICCV、ECCV 等顶级会议期刊发表论文三十余篇,谷歌学术引用一万余次。他在博士期间和 IEEE Fellow 王井东老师合作的视觉自监督预训练方面的工作 CAE 在百度公司的多个业务中落地应用。他在 DeepSeek 主导完成的多模态大模型项目 Janus-Series 和 DeepSeek-VL2 在 GitHub 获得两万余次星标、其中他作为第一作者完成的 Janus-Pro 项目发布首月即在 Huggingface 开源平台上获得上百万次下载,曾在 Huggingface 和 GitHub 的 Trending 榜单排名第一,在国外推特论坛上相关的帖子获得数千万次浏览和数万次转发。他在 Janus-Series 中提出的解耦视觉编码的思想被学术界和工业界广泛使用。

崔淦渠,博士毕业于清华大学计算机系,研究方向为大语言模型的对齐与强化学习技术。在 ICML, NeurIPS, ACL, KDD 等国际人工智能顶级会议与期刊上发表论文十余篇,谷歌学术引用超 11000 次。获清华大学优秀博士论文、清华大学优秀毕业生等荣誉。代表作包括偏好对齐数据 UltraFeedback, UltraInteract,密集过程奖励算法 Implicit PRM, PRIME 以及对强化学习熵机制的研究。

傅朝友,入选中国科协青年人才托举工程。研究方向为多模态智能,已发表论文 20 余篇,谷歌学术引用 4 千余次,作为 Owner 的 GitHub 开源项目累计获得 2 万余次 Stars。代表性工作包括 VITA 多模态大模型系列(一作 VITA-1.0&-1.5,通讯Long-VITA、VITA-Audio,3千GitHub Stars),MME 多模态评测基准系列(一作MME&Video-MME,引用千余次)和 Awesome-MLLM 多模态社区(Owner,1万余次GitHub Stars)等。获中科院院长特别奖、IEEE Biometrics Council 最佳博士学位论文、北京市优秀博士学位论文、中科院优秀博士学位论文、小米青年学者-科技创新奖、南京大学紫金学者、CVPR-2023 杰出审稿人等。

龚睿昊,博士毕业于北航计算机学院,师从刘祥龙教授,现担任商汤科技副总监。研究方向为高效机器学习系统,在 TPAMI、ASPLOS 等期刊会议发表论文 40 余篇,谷歌学术引用 4300 余次,成果被 AMD、英特尔等二十余国内外知名机构的开源框架集成。主导的压缩部署系统多次登上 GitHub 趋势榜,被来自斯坦福大学、微软等机构项目公开致谢。3次获 IEEE LPCV 和 IEEE UAV Chase 国际比赛冠亚军。担任多个 CV/AI 期刊会议的客座编辑和学术研讨会主席。

顾家远,博士毕业于美国加州大学圣迭戈分校,师从苏昊教授。他的研究方向为具身智能和三维视觉,在计算机视觉、机器学习、机器人等国际顶会上均有发表,获得过 SIGGRAPH 2025 和 ICRA 2024 的最佳论文奖。

李彦玮,现任美国字节跳动Seed研究科学家,2024年博士毕业于香港中文大学,师从贾佳亚教授。研究聚焦于视觉语言基础模型(VLM),尤其是物理世界中多模态交互与推理。其在人工智能与计算机视觉顶会/顶刊发表论文 20 余篇,包括多篇会议 Oral 及 Highlight,Google Scholar 引用 5000 余次。其担任多个顶会的领域主席和审稿人,近期成果包括 Seed 1.5-VL、LLaVA-OneVision、Mini-Gemini、LLaMA-VID、LISA 等。

龙霄潇,南京大学智能科学与技术学院副教授,南京大学紫金学者,入选国家高层次青年人才。2018年本科毕业于浙江大学,2023年博士毕业于香港大学。长期从事三维重建与生成、神经渲染、世界模型等空间智能技术研究,近五年来在 T-PAMI、CVPR、SIGGRAPH 等期刊会议上发表第一作者与通讯作者论文 20 余篇,谷歌学术引用 3000 余次。带领学生获得2025年 ICRA ManiSkill-ViTac 视触融合操控挑战赛冠军。

骆昱宇,现任香港科技大学(广州)助理教授、博士生导师,数据智能与分析实验室负责人。研究方向为 Data-centric AI,AI+Databases,LLM Agents。在顶级国际会议和期刊如 SIGMOD、VLDB、ICML、NeurIPS、ICLR、TODS 上发表论文 40 余篇,智能问数(Text2SQL)等成果落地于华为、国家电网和蚂蚁金服等企业。入选 2023 年福布斯中国 30 位 30 岁以下精英榜,获 CCF-A 类会议 SIGMOD 2023 最佳论文系列奖、华为火花奖、清华大学特等奖学金、清华优博等荣誉。

唐相儒,研究用于自动化科学发现的多智能体系统,尤其是生物医学方面,比如细胞机制理解、医学诊断、分子设计等方向。以一作/共同一作在 Nature Biotechnology、Nature Communications、ICLR、ACL 等期刊/会议发表多篇学术论文。组织 ICML 2025 与 ICLR 2024 智能体研讨会、ISMB 2024 LLMs 教程。曾获 IJCAI 2024 AI4 Research Workshop 最佳论文奖,ICML CFAgentic Workshop 最佳论文 Runner‑Up 奖。

王靖博,上海人工智能实验室青年科学家,研究方向包括人型角色控制与物理仿真、人形机器人运动控制以及具身智能等。2023年博士毕业于香港中文大学多媒体实验室,已在 CVPR、ICCV、ECCV、NeurIPS 等顶级会议和期刊发表论文数十篇,并获得多篇 oral 和 spotlight,Google 学术引用超过 8400 次。曾获得包括 COCO在内的多个视觉理解挑战赛冠军,其研究成果入选 ECCV 十大影响力论文及 ESI 高被引论文。

于力军,谷歌深度思考的高级研究科学家,致力于 Gemini 和 Veo 项目的研发。他的研究主要围绕视频生成、多模态大模型的统一训练、强化学习等展开。他获得了卡内基梅隆大学博士学位,北京大学双学士学位等。他曾获得 ICML 最佳论文奖及系列国际挑战赛冠军,并被评为 Siebel 学者和百度学者。

张林峰,上海交通大学助理教授,研究方向为高效人工智能。2024年博士毕业于清华大学交叉信息研究院。研究方向为高效人工智能。他曾获微软学者、北京市优秀毕业生,清华大学优秀博士论文,担任 ACL ARR、NeurIPS 等会议的领域主席,代表作自蒸馏被引用超过一千次。

郑楚杰,通义千问研究员,Qwen3、QwQ 系列开源模型核心贡献者。2025年博士毕业于清华大学,师从黄民烈教授。研究方向为大模型推理、对齐与强化学习。在 ICLR、ICML、ACL 等国际会议发表论文 10 余篇,谷歌学术引用量 5000 余次,长期担任 ACL、EMNLP、NAACL 等会议领域主席。

周煊赫,上海交通大学计算机学院长聘轨助理教授,主要研究智能数据分析、ML/LLM 数据底座、自治数据库系统(AI4DB)。在 SIGMOD、VLDB、NIPS、TKDE 等 CCF A 类会议和期刊上已发表论文数十篇,包括近五年 VLDB、ICDE 高被引论文,入选卡耐基梅隆大学、康奈尔大学等高校课程。谷歌学术引用量两千余次。曾获 ACM Jim Gray 博士论文提名奖(大陆首位)、VLDB 2023最佳工业论文亚军奖(第一作者)、通信学会科学技术一等奖、CCF 优博、微软学者、字节跳动奖学金、清华特奖等荣誉。代表性工作 OpenMLDB 已经落地第四范式先知(AIOS)平台并在金融、电商、能源等百余个真实场景中实现规模化应用。


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:liyazhou@jiqizhixin.com

我个人倾向于认为会是“协同发展,找到协同方式”。学术研究本就是“百花齐放”才健康,各个细分领域都有其独特的价值和挑战。与其强制融合,不如让它们在各自领域深耕,然后通过像AGI这样的宏大目标来牵引,促进跨领域的交流和API接口的标准化。就好比盖一栋大楼,不是所有人都去做地基,有做钢架的,有做水电的,但最终目标都是把楼盖起来。至于“关键钥匙”,我反倒觉得不是某一个技术,而是高质量的实验平台和数据,就像生命科学里的生物库,得有“燃料”才能驱动智能演进。

虽然便利是肯定的,但我更担心【文中提到的很多前沿技术】带来的社会伦理问题。比如,通用人形机器人普及后,就业市场会受到多大冲击?如果AI能进行复杂的诊断和决策,医生和律师的角色会不会被取代?可信AI和零知识证明虽然说是保护隐私,但反过来,如果被滥用,会不会变成“无痕监控”的工具?更深层次的是,当AI变得越来越像人,甚至超越人的某些能力时,我们应该如何定义“人”的价值和尊严?这些问题,需要我们在技术发展的同时,同步进行深入的社会讨论和法律规制。

我认为这个【前沿技术对我们普通人的日常生活的影响】会是一个“机遇与挑战并存”的未来。技术本身是中性的,关键在于我们如何去使用和管理它。一方面,毫无疑问,AI会让我们的生活变得智能且高效,比如AI助手能帮你管理日程,智能交通系统能极大缓解拥堵,个性化教育也能让学习更有效率。但另一方面,技术进步的速度可能会远超社会适应的速度。身份认同、职业转型、数据主权、算法偏见、甚至“AI的权利”这些问题,都可能在未来成为巨大的议题。我们不能只盯着技术带来的好处,也得提前思考并逐步建立起应对这些挑战的社会机制和共识。

对于【云帆奖这样的青年人才奖项】,我觉得最大的价值,首先是学术圈和工业界的双重认可。这就像一张高级通行证,能让这些年轻科学家在申请项目、争取资源、甚至组建团队时,获得更多信任和便利。其次,它提供了一个顶级的社交平台,能和同行、投资人、行业领袖面对面交流,这种高质量的人脉资源是无价的。至于含金量再高点,我觉得可以考虑设立一个“云帆基金”,专门用于支持获奖者未来几年的开创性研究,或者提供进入WAIC高层智囊团的机会,让他们直接参与AI发展战略的制定。

说实话,能得【云帆奖】这个奖,估计晚上睡觉都能笑醒吧!荣誉感那肯定是杠杠的。除了资金和认可,我觉得最实际的可能就是**“好找对象”和“相亲加分”**(开个玩笑)。当然,更认真地说,它就像一块金字招牌,以后出去谈合作,或者去大学里申请教职,简历上写上“WAIC云帆奖得主”,那气场都不一样了。想让含金量更高?嗯,我觉得是不是可以给获奖者提供一个“特权”:每年WAIC大会的VIP席位,外加跟全球AI大佬吃顿饭、聊聊天的机会?这种面对面的交流,比发点奖金可能更有吸引力呢!毕竟,高端局的圈子,机会可遇不可求啊。

哈哈,融合还是协同?我觉得就像大学里不同专业的学生,最后都出来找工作,有的自己单干闯出一片天,有的就组成一个项目组一起搞事情。AGI这事儿太大了,肯定不是一个“超人”技术就能搞定的。要我说,哪个方向是关键钥匙?那必须是能把所有这些牛逼技术都整合起来,还能让它们“听话”的那部分!可能是某个“AI中枢”或者“万能调度系统”吧,要不然这么多智能体,光吵架就够受的了。感觉最关键的,还是靠这些青年才俊们的大脑,这才是真正的“钥匙”。

我觉得这些技术肯定会给我们的生活带来巨大的智能便捷。比如通用人形机器人,未来可能真的能走进家庭,帮我们做家务、照顾老人小孩,甚至成为陪伴我们的伙伴。医疗AI会更精准地诊断疾病,给出个性化治疗方案,让医疗资源更普惠。可信AI和零知识证明则能极大地增强我们对数字世界的信任,比如个人数据隐私得到更严格的保护,在线交易也更安全。简而言之,就是让我们的生活更高效、更健康、更安全,把我们从重复劳动中解放出来,有更多时间去做更有趣的事情。

针对【云帆奖这样的青年人才奖项】的价值,我认为它的意义远超个人荣誉,它更像是一个人才风向标和聚合器。它的价值在于能够把散落在各处的优秀青年人才“点亮”并汇聚起来,形成一个高水平的社区。这对于促进行业内部的合作与资源整合至关重要,能让不同背景的科学家找到彼此,激发新的火花。要提升含金量,除了既有的支持,主办方可以考虑建立一个长期的“云帆学者”制度,不仅仅是一次性奖励,而是提供持续的学术交流、项目孵化以及职业导师指导,甚至可以作为“AI青年领袖俱乐部”的入门券,让他们在全球AI舞台上发出更响亮的声音。

我觉得这些方向必然是会深度融合的。你看现在的大模型,已经不只是语言模型了,都向多模态发展了,能看图能听声音。具身智能如果没有强大的感知和决策能力,也只是个“摆设”。强化学习更是给机器人提供了学习和适应环境的能力。未来AGI肯定不是一个单一的技术栈能支撑起来的,而是需要各种技术协同作战,形成一个复杂的智能系统。如果非要说关键钥匙,我觉得是多模态大模型,因为它提供了通用的感知和理解能力,是实现“类人认知”的基础。