創新者因計算而相遇，《麻省理工科技評論》中國正式發佈“2023年中國智能計算創新人物”
1958 年 8 月 1 日 ，“103 機”調試成功，標誌着我國第一臺現代電子計算機誕生。中國從此“有了”計算機。
時至今日，生成式人工智能變成了新一代生產力工具。回顧近 70 年的歷程，是計算領域一大批科技人員的研發歲月，更是一段理想與奮鬥交織的長路。在這個過程中，無數的科研人物和他們的事蹟，成爲了激勵後人不斷探索、創新的動力源泉。
斗轉星移，我們所面對和理解的“計算”也發生了諸多變化、智能計算有了更多維的技術子集、更豐富的內涵、更廣闊的應用......我們所討論的“智能計算”（Intelligent Computing）大多瞄準世界科技前沿和國家重大戰略需求，研究計算領域的器件與芯片、先進計算機、軟件與系統、平臺與應用等多層次計算問題，爲科技創新體系和產業發展體系提供先進的計算芯片、強大的計算能力、高效智能的計算平臺。
智能計算作爲各個產業的重要底座和技術支柱、作爲當今產業界應用最活躍的領域之一，正以其獨特的方式重塑我們的世界。從電子、生物科學到材料學，從計算能力開發到空間探索，智能計算的應用無所不在。隨着人工智能技術的日趨成熟，智能計算已成爲推動科學發現、技術創新和商業變革的重要力量。
《麻省理工科技評論》中國與 DeepTech 聯合發起“中國智能計算創新人物”評選，旨在表彰那些在智能計算領域做出傑出貢獻的科研人員、工程師、產業實踐者，他們不僅在學術研究上取得了突破，更在技術推廣和商業應用上展現了卓越的榜樣力量。
歷時爲期一年的徵集、提名和評審工作， 2024 年 4 月，《麻省理工科技評論》中國×DeepTech 正式發佈“2023 年中國智能計算創新人物”入選者名單， 這是智能計算行業的技術和人才指向標，代表着我們對於前沿科技的執著、對智能計算生態的重視、對技術爲了福祉（Tech for good）的珍視。
圖丨《麻省理工科技評論》中國×DeepTech 發佈“2023 年中國智能計算創新人物”（來源：DeepTech）
計算領域本身具有極強的學科交叉性，以及結合兩屆入選者的領域，我們發現入選者的研究方向涵蓋了從基礎科學研究到應用技術的多個維度，包括 AI 使能的科學發現（AI4S）、機器學習、高級/新型計算範式（量子計算、光子計算、生物啓發計算等）、安全與可信、終端智能應用、架構與軟硬件開發等。 這些研究不僅在學術上具有前瞻性，也在實際應用中逐漸展露出應用潛力和價值。
AI 使能的科學發現 (AI4S)這一領域的入選者專注於將人工智能應用於科學發現，包括但不限於生物學、材料學、物理學等領域。他們的工作通常涉及開發新的算法或改進現有算法，以發現新的內容以及處理和分析大量複雜的數據集，跨學科合作和算法創新是這個領域創新工作的特點。例如利用 AI 模型預測蛋白質結構、加速藥物發現過程；利用大量的生物醫學數據來訓練模型，以識別疾病標誌物或預測疾病風險；通過機器學習優化新材料的合成過程，提高材料性能等。
而智能計算領域經久不變的話題還有——人工智能、新的算力基礎設施、安全可信重要議題。尤其 2023 年大模型的出現也帶來了對算力的更高的要求，也刺激了更多新的計算範式的出現、更多創新創業者的出現。
這其中，也仍然存在數據安全、隱私安全的問題，也依然可以看到“保護者”的身影，他們致力於提高智能計算系統的安全性和可靠性，開發能夠抵禦網絡攻擊的智能系統，研究新型加密技術以保護通信安全，設計算法來保護用戶數據的隱私而不犧牲計算效率等等。
入選者中不乏創業者和企業家，他們投身智能計算的應用形態和能力，包括手機、電腦、車輛等邊側端側的應用、人機物的融合，以及未來更高維、更自治、多模態系統的人工智能技術和具身智能。
而這些新技術的研發和應用，離不開底層基礎架構、軟件、硬件平臺的開發者們，他們 開發 能夠支持高效智能計算的硬件和軟件架構，開發新的智能算法、提高計算任務的處理速度和準確性，以及開發國產自主可控的硬件系統等等，讓計算的底層基礎更紮實，讓上層的應用得以更繁茂生長。
2023 年中國智能計算創新人物的評選，不僅是對過去一年智能計算領域成就的一次回顧，更是對未來的一次展望。他們是先鋒力量、是典型代表、也更是中國計算領域的縮影，我們期待看到更多計算領域的靈感和技術涌現，也更期待見證新技術的實際應用落地，以及發揮更廣泛的商業潛力和經濟價值。
入選者名單如下：
*以下排名不分先後，僅按入選者姓名首字母排序
利用機器學習提取黑夜高光譜成像中的信息並重構出白天的景象，成功克服了“鬼影”效應，進而首次提出並實驗實現了“高光譜熱雷達”。
應用場景：無人駕駛、智能醫療、智能農業、國防等
鮑芳琳深度融合量子與人工智能兩大交叉領域，一方面利用量子信息算法來突破光學衍射極限，提高成像精度，該理論對受衍射限制的光學成像（如天文成像、超遠距離機器視覺等）有近 10 倍的精度提升。另一方面，鮑芳琳帶領團隊利用機器學習，結合紅外物理、信息理論等，克服了熱成像中的“鬼影”效應，發展了一種顛覆性的夜視技術——TeX vision，並發展了基於 TeX vision 的探測與測距，即熱雷達。熱雷達可以讓機器在黑夜看到與白天一樣的清晰景象，極大提升了低可見度下的機器視覺，有極大潛力獲得與微波雷達、激光雷達等技術一樣廣泛的社會應用，爲機器人、無人汽車裝上一雙能看穿黑暗的眼睛。
從事機器學習的基礎理論研究，發展了深度學習理論、分佈式機器學習算法、可信機器學習方法，利用機器學習數理機理爲實現精準、高效、安全的機器學習提供了系列技術方案。
應用場景：智能算法安全等
陳薇長期從事機器學習的數學機理與優化技術研究，在深度學習機理、分佈式優化、安全可信應用等方面取得系列成果，致力於攻克智能算法安全基礎理論，解決智能計算的安全可信問題。面向深度學習的差分隱私保護，提出投影梯度擾動方法與理論，已被轉化到微軟雲服務 Azure，產品國際市場佔有率超 20%。面向自適應預調節器和動量法常用優化技術，證明了其漸近收斂到最大間隔解的超參數條件，發展了深度學習隱式正則理論。面向機器學習分佈式訓練，提出的“延遲-補償”機制被集成到深度學習分佈式訓練開源平臺 ONNX 中，成爲分佈式機器學習的標準協同機制之一，被國內外近 40 家企業使用；提出的大規模決策樹模型聚合方法構成了分佈式決策樹開源平臺 LightGBM 的核心技術，開源平臺被超 6000 個開源項目使用。
關注領域專用的編程與編譯優化技術和數據中心編程與編譯技術，對構建國產處理器芯片的軟件生態具有重要的實用意義和經濟價值。
應用場景：人工智能芯片、超算等
崔慧敏長期從事面向國產處理器芯片的編譯軟件研究工作，在國產芯片編程語言、編譯技術、跨平臺系統軟件棧方面取得了一系列的科研成果。在異構編程與編譯方面，崔慧敏關注領域專用的編程與編譯優化技術，包括面向 AI 領域、通信領域的編譯優化，旨在解決異構爲程序員帶來的編程困擾，並充分發揮領域專用芯片的處理潛力。圍繞人工智能芯片、網絡處理芯片、申威處理器等異構加速芯片在編程與編譯方向突破了多項關鍵技術，並已實際應用在行業領先的人工智能芯片及超算芯片，獲得了處理器芯片團隊的高度評價，對於國產芯片的生態構建起到了重要的促進作用。
首次發現多個國際重要密碼算法的安全性弱點，首次提出流密碼算法的量子猜測決定攻擊方法，對移動通信和物聯網等場景的標準密碼算法制定與應用產生了重大影響。
應用場景：移動通信、物聯網等
丁林長期致力於經典及量子計算條件下的密碼分析與破譯等領域研究，首次發現了國際 5G 候選加密算法 SNOW-V、國際 GPRS 標準加密算法 GEA-1/GEA-2 和 ISO/IEC 標準加密算法 Grain-128a 等多個國際重要密碼算法中存在的安全性弱點，取得了多項目前國際上計算複雜性最優的密碼分析與破譯成果，基於 Grover 算法首次提出了流密碼算法的量子猜測決定攻擊方法，證明了 ISO/IEC 標準加密算法 SNOW 2.0 等密碼算法在量子計算條件下是不安全的，其研究成果在面向移動通信、物聯網等場景的標準密碼算法的制定與應用領域產生了重大影響，對豐富經典及量子計算條件下的密碼分析理論具有重要學術價值。
推動細粒度視覺語義模型、視覺與語言領域的研究發展，推動視覺基礎模型、多模態預訓練的最新研究成果在多場景下規模化應用。
應用場景：多媒體信息檢索、AI 智能生成、具身智能等
推動研發了微軟小冰跨模態詩歌創作模型，累計生成原創詩歌 100 萬首，出版發行了世界上第一本人工智能創作的詩集。此外基於視覺 Transformer 的圖像超分辨率和高清圖像風格化技術，成功集成在微軟 OfficePlus 和 Designer 產品中，並保持穩定運行。通過實時提升圖像質量和高效生成多樣化圖像等方式，極大地提升了辦公自動化領域的產品體驗，爲數億用戶提供了更優質的服務。傅建龍和團隊研發的視頻增強技術成果也已成功應用於微軟 Edge 瀏覽器，服務於全球 2.8 億用戶。
圍繞羣體智能、羣智感知計算、人機物融合羣智計算開展系統研究，有助於提高系統性能、優化資源利用、提升效率和質量，爲未來的人機物跨域融合智能應用和構建人機和諧共生社會提供理論和關鍵技術支撐。
應用場景：智慧城市、社會治理等
郭斌開展了面向多智能體的感算協同自適應演化模型與方法研究，圍繞邊端資源動態協調難、感知能力場景適配弱、計算模型情境演化差等核心挑戰問題，創新性地提出了具有“資源有機聯動、能力動態適配、模型自主演化”特性的邊-端一體感算協同自適應演化理論與方法，國際上率先提出並推動了人機物融合羣智計算新興學科方向的發展。其工作探索了羣體智能感知與認知、羣體智能協同與聚合、羣體智能學習與演化等基本機理、計算模型、核心算法及系統平臺，爲構建具有自組織、自學習、自適應和自演化能力的羣智空間提供了支持。
人工智能“遇到”多模態遙感，創新多模態 AI 遙感大模型對地觀測新範式，解鎖遙感大數據的應用潛力，推動對地觀測與可持續發展方面的革新進展。
應用場景：地表要素感知、災害響應、精準農業、智慧城市、氣候變化等
洪丹楓研發了系列國際領先的 AI 模型方法，例如：SpectralGPT, MiniGCN, MDL-RS 等，有效彌合遙感大數據與高性能計算能力之間的差距，激發了高效提取和分析多模態遙感大數據的潛能。在此基礎上，洪丹楓以設計通用的多模態 AI 大模型爲核心，致力於開發全鏈路的多模態遙感大數據智能解釋系統，將大數據、大算力、大模型、大應用集成，極大推動了智能計算在地球科學領域的進展。相關研究成果已在許多地學場景中取得了成功應用，例如：災害響應、氣候變化等，受到了同行領域專家學者的廣泛認可。
將具有第一性原理精度的分子動力學模擬規模擴展到百億原子，計算效率提升 4 個數量級，國際上首次實現智能超算與物理模型相結合。
應用場景：新材料研發、能源化工、藥物研發等
賈偉樂長期致力於高性能計算領域，其主要研究興趣爲 AI 驅動的微觀尺度模擬中的高性能計算問題。2020 年賈偉樂與團隊在國際上首次將具有第一性原理精度的分子動力學模擬規模擴展到 1 億個原子，計算效率提升 1000 倍以上，這是國際上首次實現智能超算與物理模型相結合。2022 年又進一步發展了 AI 模型壓縮方法，將第一性原理精度的分子動力學模擬推廣到百億原子和十納秒每天的模擬速度，相比之前相關領域最好工作的時空尺度有 4 個數量級的提升。此外，他帶隊研發了第一性原理計算領域專用的大規模稀疏矩陣解法器，在國產超算上計算峰值(65PFLOPS)和計算效率(5%)全球最高，與合作者一同推動複雜金屬異質結模擬達到 250 萬原子規模。
通過人工智能創新幫助人類更好地理解大腦，並將這些理解用於提升腦健康和設計腦啓發的人工智能。
應用場景：人工智能、醫療健康、具身智能等
李東勝聚焦 AI 與腦科學以及 AI 與醫療健康的交叉研究。在通過智能計算理解大腦方面，李東勝帶領團隊在腦電信號分析等方向展開探索，構建了首個跨數據集的腦電預訓練模型，該模型在人腦信號理解、腦病診斷和腦病機理分析等方面都發揮了重要作用。在腦啓發的 AI 方面，其與團隊從腦啓發的神經網絡和腦啓發的機器學習算法兩方面開展了研究，設計的 CircuitNet 神經網絡爲機器學習提供了一種新的基礎架構，提出的統一行爲建模框架爲具身智能研究提供了一種新的技術路線。此外，他利用機器學習創新在理解疾病的發病機理、發現有效藥物和提升醫療效率等方面取得了多項成果。
聚焦於人工智能驅動的科學研究，利用人工智能技術對生物數據分析和理解，通過對多組學數據的研究，深入探討生物機制，從而助力藥物發現。
應用場景：精準醫療、遺傳學研究等
李向濤帶領團隊致力於開發面向單細胞轉錄組學的深度學習模型，以提高對複雜高維稀疏空間數據的聚類性能。他們成功解決了傳統聚類算法難以精準度量和識別複雜生物數據分佈及結構的問題，這一進展推動了細胞數據分析和基因調控機制的理解。此外，團隊還針對癌症基因組學數據中普遍存在的數據缺失和噪聲問題進行了深入研究。他的工作幫助篩選出與癌症高度相關的變異基因，爲癌症研究提供了重要的理論支持。同時，他還探索了基於蛋白質組學數據的深度序列語言學習方法，改進了生物序列的表徵方式，這一方法不僅考慮了序列的順序編碼，還充分利用了序列中的生物特徵，爲生物學數據的解析提供了新的視角。
遵循第一性原理，着眼於從基礎方法論層面對當前以深度學習爲代表的 AI 範式進行功能提升，進而探索有數理理論基礎的機器智能極限態形式及其實現路徑。
應用場景：人工智能、工業、醫療等
劉斌從根本上對深度學習範式進行功能提升，提升其處理複雜動態物理世界現實問題的能力，包括高效持續學習能力、不確定性量化推理能力、自主探索學習決策能力、 機理機制知識與數據的融合能力、小樣本學習能力等。此外，以深度學習、強化學習等爲代表的現代 AI 算法爲工具解決數學、物理、統計學界困擾大家已久的計算難題。
面向組學數據特點，創新性地發展人工智能驅動的組學有效解析和精準干預的交叉研究和轉化新範式，對於複雜疾病的精準醫學研究提供了指導。
應用場景：藥物研發、免疫治療、細胞治療和基因編輯等
劉琦致力於發展人工智能和生物組學交叉融合的研究範式（“AI for Omics”），以組學人工智能賦能數據驅動的精準醫學研究和轉化。其聚焦於複雜疾病的有效干預，開發了一系列 AI 賦能小分子/大分子干預和基因編輯干預的計算平臺，包括開發了基於元學習的抗原-TCR 特異性識別的計算系統 PanPep，有效解決了該領域的數據長尾分佈和小樣本問題，爲腫瘤免疫治療領域的新生抗原識別，TCR-T 治療以及細胞治療等提供了方法學的支撐。
致力於面向醫療健康的計算機聽覺領域，探索將音頻信號作爲輔助診斷的新型數字表型和非藥物干預的新途徑。
應用場景：智慧醫療等
錢昆長期致力於情感計算、計算機聽覺和腦科學領域的研究，在“面向醫療健康的計算機聽覺” 這一研究方向持續深耕。他建立了全球首個計算機聽覺醫學數據庫平臺 Voice of the Body，該平臺發佈了第一個公開由單一機構採集且精確標註的心音數據庫——深圳心音數據庫 HSS，以及第一個公開的軀體化障礙語音數據庫——深圳軀體化言語語料庫，同時他正在與國內多家頂尖醫院展開合作，採用統一的標準來採集、標註、構建後續數據庫。
此外，他基於人耳聽覺系統生理結構和人工智能技術構建了類腦聽覺模型，近似實現甚至超越了人耳聽覺系統的聲信號處理功能，可有效解決傳統聲學特徵難以模擬人耳聽覺系統對語音的非線性感知和非線性幅值增益特性，及深度學習模型解釋性較差等問題。
圍繞複雜圖數據建模與學習，建立異質圖建模與表示理論，提出可信圖神經網絡模型，研發開源圖學習平臺，推動圖智能的廣泛應用。
應用場景：金融、電商、電信、能源等
石川針對複雜圖數據的結構知識難表示的挑戰，建立了異質圖建模和表示理論，突破同質圖無法有效建模複雜系統難題，引領複雜系統建模與分析方式從同質圖到異質圖的轉變。針對圖數據的可信結構知識難保障的挑戰，提出了可信圖神經網絡模型，緩解圖神經網絡的黑箱學習困境，探索可信人工智能的實現途徑。此外，石川針對工業圖數據的實際結構難利用的挑戰，提出了面向典型應用（推薦系統和網絡安全）的圖建模與挖掘技術，構建了自主可控的圖機器學習平臺，突破國外平臺的壟斷，推動圖智能技術的產業應用。
設計了可信生物醫學大模型，對跨尺度、跨模態生物醫學數據進行自上而下、由微觀到宏觀的深入研究，相關成果已成功應用於臨牀診療。
應用場景：智能化臨牀診療等
王海帥提出了基於可解釋性特徵的圖和時序生物醫學數據高效表示學習算法，甄別了數據間的空間關聯性和時間交互性，解決了生物醫學大數據時空演化數據建模和可解釋性等可信學習的難題。 此外，他還探索了跨模態數據表示的結構相關性，填補了從基因型到表型的跨尺度多模態生物醫學數據分析的鴻溝，解決了生物醫療大數據開發利用不足和臨牀決策效率低的難題，從多個層級闡明瞭疾病的致病機理，提升了疾病的早期篩查和干預能力。相關研究成果已成功應用於自閉症篩查、抑鬱症早篩、腎小球過濾率估算和腎病分級預測、肝臟病竈分割、腦癱快速診斷等，並在美國退伍軍人醫院、巴恩斯-猶太醫院、浙江大學附屬第二醫院和附屬兒童醫院投入臨牀使用。
致力於能源信息材料的智能計算及其基因構築，大幅縮減新材料的研發週期和研發成本。
應用場景：材料、能源等
王輝瞄準國家“雙碳計劃”重大戰略目標，致力於綠色環保的新型能源信息材料的數智化研發及產業化應用。基於多尺度模擬、高通量計算和機器學習的科學研究新範式，注重智能計算引導的實驗科學，旨在構建“微觀結構-宏觀物性”內在關聯的基因數據庫，全面加速新材料設計到工程應用化的進程。其團隊聚焦於新型綠色固態製冷研究，提出多物理場調控序參量轉變的高效計算方法，大幅提高固態製冷性能的預測精度和評估過程；發掘數學描述符和機器學習模型，建立數據驅動的高通量計算模擬流程和數據庫；爲設計研發零排放、高能效的新制冷材料提供基因藍圖，有望加快培育顛覆性技術及其走向應用的步伐，引領綠色製冷技術革命並服務傳統制冷產業轉型升級。
突破物理極限，致力於研究更高並行度、更高能效的創新存內計算技術及芯片 。
應用場景：端側及邊緣側AI場景
2022 年，王紹迪帶領知存科技率先實現了國際首顆存內計算 SoC 芯片 WTM2101 的量產。進入市場一年左右，WTM2101 已經落地 AR 眼鏡、智能手錶、TWS 耳機等市場產品，營收過千萬。此外，WTM2101 芯片還將在醫療、工業等應用場景落地產品，賦能端側 AI 能力的提升。目前，知存科技自主研發的邊緣側算力芯片 WTM-8 系列也即將量產，該系列芯片能夠提供至少 24Tops 算力，而功耗僅爲市場同類方案的 10%，將助力移動設備實現更高性能的圖像處理和空間計算。
深耕語音技術，構建小米全棧自研語音技術，聚焦多設備人人交互聲學技術和人機交互語音技術，爲用戶提供更自然、更自由、無壓力的智能語音交互方式，讓用戶享受到“聲能智能計算”帶來的美好生活。
應用場景：手機、IoT 設備、智能汽車等終端設備
王育軍從 0 到 1 組建小米集團聲學語音團隊，建立基於硬件軟件和算法的交互聲學語音技術體系，賦予智能設備“嘴巴”和“耳朵”。爲小米 1.5 億手機和 AIoT 設備提供自研聲音算法，覆蓋 79 個品類，5312 種智能終端；自研技術體系涵蓋語音識別、語音合成、拾音降噪、聲音感知、聲學測量、放音算法，6 個大方向、24 個小方向的聲學語音算法；爲“小愛同學”日均提供在線語音服務 12.6 億次，爲用戶帶來更極致的智能語音交互體驗。經過 5 年的技術實踐，與團隊共同打造了小米“個性化情感化的聲音交互”體系。
長期致力於解決海量生物序列分析中的智能計算問題，結合可解釋人工智能方法，學習生物序列的複雜關鍵模式，力圖從序列層面捕捉分子功能關聯，解析生命的密碼子。
應用場景：臨牀診斷、藥物篩選等
圍繞“提取-融合-優化-學習”四步走路線，魏樂義提出了專家知識與數據聯合驅動的序列表示方法以及多尺度深度學習的生物序列語義學習模型。此外，基於遷移學習的思路，他設計了互信息最大化的元學習策略，突破了目標任務標註樣本量不足的瓶頸。通過生物知識與深度學習聯合驅動，高效精準地實現藥物與靶標結合以及敏感性檢測，創新地將生物機制引入建模，緩解了模型不可解釋的問題，相關技術被應用於多家醫院，開發的癌症預後評估系統已應用於鼻咽癌、乳腺癌治療等方面。
運用人工智能技術理論和方法，挖掘人腦特徵，探索認知功能腦機制，同時受益於腦科學探究中獲得的啓發與靈感，開發新的人工智能理論方法，實現對信息科學和腦科學的雙向推動。
應用場景：工業、醫療等
鄔霞圍繞基於人工智能的腦數據分析開展研究，面向國家重大需求，以中國腦計劃爲契機，針對腦數據特點，提出時空腦特徵智能提取系列算法，實現特殊崗位人羣的腦狀態監測與評估。此外，針對“如何基於複雜的腦功能數據表徵大腦”這一科學界公認的難題，面向神經影像數據特點，構建系列人工智能分析算法，應用於認知功能神經學標記物提取。還將人工智能相關的理論和算法應用於抑鬱症、孤獨症、阿爾茨海默症等腦疾病中。不但加深了對腦疾病神經機制的瞭解，更有利於推動新的診斷、檢測手段的提出和發展。
闡明瞭二型模糊系統更強魯棒性的原因，提出多種模糊系統高效訓練方法，併成功應用於智能控制、智能決策、腦機接口等。
應用場景：智能控制、情感計算、腦機接口等
伍冬睿是國際上較早進行二型模糊系統研究的學者之一，系統性地研究了區間二型模糊控制器的魯棒性、連續性、運算代價、優化方法等。首次使用二型模糊邏輯完整實現了模糊邏輯創始人、加州大學伯克利分校 Zadeh 教授提出的感知計算機，使人們可以通過自然詞彙與計算機進行交互，應用於武器系統評價等多種決策場景。針對現有模糊系統只能處理低維小數據的挑戰，借鑑深度學習中的 Dropout、批歸一化等方法，提出可高效處理高維大數據的模糊系統訓練方法，建立 Python 開源工具箱 PyTSK；針對腦機接口分類問題研究多、迴歸問題算法少的挑戰，創新性地使用模糊集構造模糊類，自動把腦機接口分類問題中的信號處理和機器學習算法推廣至迴歸問題。
率先提出了“芯片化高維光學神經網絡”和高維光計算架構，並研製了高維光計算芯片與光電混合計算板卡，算力已突破百 Tops 級，爲發展超大算力光子計算原型機提供了新的技術途徑與方法。
應用場景：光子計算等
謝鵬圍繞光學人工智能與大容量光互連，聚焦集成光芯片與智能光信息處理研究，結合平坦片上多波長光源系統、大寬帶光計算芯片與技術、多維信息複用技術和光電轉換模組等，發展了芯片化高維光學神經網絡系統，以高維光計算架構，研製了新型智能光子處理器，單芯片算力已達百 Tops 級，且有望將算力推至千 Tops 級，爲拓展光子計算的算力邊界提供了新思路，有望將計算速度提高 3-4 個數量級，功耗降低 2 個數量級。北京芯算科技公司已將相關科技成果實現技術轉化、產業落地，爲用戶單位提供關鍵技術支撐。
通過對操作系統、5G 網絡、雲原生系統的整體安全設計，增強雲邊端一體化安全，實現安全的智能計算，在全球實現了使用大模型結合程序分析技術自動配置雲原生系統的安全權限。
應用場景：雲原生安全、5G 核心網安全、網絡安全等
薛輝致力於將雲邊端的安全防禦一體化，將操作系統、5G 網絡、雲原生系統的各個環節進行安全一體化抽象規劃。針對操作系統資源隔離、5G 網絡切片資源隔離、雲原生系統安全配置隔離等手段一體化考慮，做出關鍵部件的形式化證明，對安全與網絡算力的約束進行聯合求解。充分發揮 5G 網絡帶來的算力調度技術，通過 5G 網絡測量技術與雲原生技術的結合，實現對移動場景的算力安全調度。
將運籌學、理論計算機科學、機器學習、量子計算等經典和新興技術進行交叉，形成組合優化問題的（量子）機器學習求解理論與方法，並用於芯片設計、藥物設計等場景。
應用場景：芯片設計、藥物設計等
嚴駿馳的研究主要集中在面向運籌優化問題的新型人工智能求解器，通過機器學習等方式進行模型訓練，自動獲得相關求解策略或形成推斷模型，同時，將前端時序預測與量子計算技術也引入求解。嚴駿馳研究組合優化問題的機器學習理論與方法，響應上海乃至長三角在人工智能、生物醫藥、集成電路三大先導產業，在 EDA、藥物設計等場景應用。同時，通過機器學習，進一步將前端感知、預測與後端決策進行協同，形成端到端的預測-決策範式，並進一步驅動自動駕駛端到端範式。此外，將量子計算引入組合優化問題求解，特別是提出量子機器學習模型與算法，處理更一般的約束組合優化問題。
其與合作者開發的 trRosetta、I-TASSER、COACH、BioLiP 等方法已經成爲結構生物信息學領域的重要方法，被結構生物學家等實驗科學家廣泛使用，有效降低了實驗成本，促進了結構生物學等領域的發展。
應用場景：蛋⽩質與 RNA 結構預測等
楊建益從事結構生物信息學領域的研究，聚焦蛋白質與 RNA 結構預測問題。基於人工智能與數學的交叉，其與華盛頓大學 David Baker 教授、密歇根大學張陽教授等權威專家合作，共同開發了一系列具有重要國際影響力的新方法，主要包括：開發了首個精度超越 AlphaFold1 的蛋白質結構預測方法 trRosetta，並對其做了一系列重要推廣；應用 transformer 網絡，開發了 RNA 三級結構自動預測方法 trRosettaRNA，提升了預測結構的精度；爲蛋白質同源建模方法 I-TASSER 的發展作出了重要貢獻。
專注於利用高性能計算技術研究，使 AI 大模型更加快速、高效和低成本的運行。
應用場景：雲計算、芯片設計、生物醫藥、自動駕駛等
尤洋創新提出了一系列方法，包括 LARS 優化器、LAMB 優化器和 DATE 框架，使得 AI 訓練能夠擴展到數千個處理器而不損失準確性，並打破 ImageNet 和 BERT 的訓練速度世界紀錄。爲了進一步突破可擴展性的極限，尤洋設計了新的高效內存自動分佈式方法，並領導建立了下一代大型人工智能系統 Colossal-AI，該系統是可擴展人工智能領域發展最快的開源項目之一。以 Colossal-AI 爲核心產品，尤洋領導創立了潞晨科技，成功實現產業化落地，並與多家世界/中國五百強、東南亞科技巨頭、亞洲地區國家級研究機構、海外超算中心等開展合作，促進 AI 大模型商業化落地。
自主研發首個結構化數據大模型 TableGPT，在展現高度精準定量性和量化分析能力的同時，支持無縫集成進企業的數據庫和數據倉庫等基礎架構。
應用場景：工業製造、金融證券、民航交通等
趙俊博提出並主持開發了 TableGPT，於 2023 年發佈後，被視爲全球範圍內首款對接關係數據庫和數據倉庫的大模型產品。相較於通用大模型，TableGPT 憑藉其獨有的數據庫對接能力，實現了從“看得到業務數據”到“理解業務邏輯”，直至“實時聊業務”的完整落地閉環。TableGPT 突破多項關鍵技術難點，其系統功能性、魯棒性和可用性具有顯著優勢，在工業製造、金融證券、民航交通等領域中積累多次成功落地案例，帶來一定的經濟效益。
利用智能計算技術解決電力能源行業的可持續發展問題，包括監測碳排放、減少碳排放、提高能源效率、促進可再生能源使用等。
應用場景：電力能源系統等
趙俊華圍繞“AI 助力低碳能源轉型”，基於智能計算技術，解決能源與環境領域的關鍵科學問題，爲能源系統的智能管理和低碳優化提供了新的視角和解決方案。2023 年他領導開發了首個基於碳衛星的碳計量人工智能模型，融合多源數據進行碳排放監測，大大提高特定排放源的排放估算精度。
在電力系統優化調度與規劃方向，他帶領的團隊提出了基於零和收益數據包絡分析的兩階段電力系統低碳調度模型來提高優化結果，幫助電力系統降低碳排放。在電-碳市場協同優化這一問題上，其與團隊和國家電網公司聯合研發了人工智能技術驅動的電力-碳市場協同仿真技術，爲兩個市場的機制與規則設計提供科學依據。2024 年，他與銀河國際及南方電網公司合作，在香港證券交易所成功上市了首單基於高精度碳數據認證的綠色債券，成功實現了企業碳計量技術在綠色金融領域的落地應用。
利用大數據、人工智能等前沿計算技術，交叉研究人力資源管理、勞動經濟學等管理與社會科學領域的關鍵問題，通過前瞻性跨學科基礎研究和創新性工業應用，服務於人更好的職業發展。
應用場景：智能招聘、企業數智化轉型等
祝恆書長期從事“人才與管理計算”這一交叉科學方向，他帶領團隊提出了面向人才職業生涯預測的深度序列分析技術和麪向企業人才發展需求的個性化推薦技術；在應對多源異構和複雜網絡場景的挑戰上，提出了基於異構數據的組織畫像評估技術、 面向組織的人才流動動態網絡分析和建模技術；創新了基於深度學習的人崗匹配模型和個性化面試問題推薦算法；此外提出了基於市場驅動的技能價值評估方法和勞動力市場趨勢動態分析技術，實現了細粒度大規模勞動力市場分析應用。
基於以上成果，他主持研發並落地了全球首個大數據智能化人才管理解決方案，以及雙邊互惠招聘推薦系統等多項創新商業產品，累計服務數億互聯網用戶和上千萬家企業，取得了顯著的社會和經濟效益。
提出以框架核酸和核酸分子基元爲結構單元、以核酸雜交、分子識別、核酸分子網絡爲基礎構建具有分子基元協同效應的框架核酸智能診斷分子機器新概念。
應用場景：智能生物傳感、生物計算、疾病診斷等
左小磊針對生物分子感知能力差（生物分子識別性能等）、信息處理能力不足（生物分子的計算效率等）等挑戰，聚焦框架核酸與核酸分子基元的設計方法、高通量標準化框架核酸與核酸分子基元合成技術。
利用核酸分子自組裝行爲與邏輯運算能力，構建各種結構和功能可精準設計的納米結構、智能分子網絡和存算一體新型生物計算框架，爲人類模擬生命物質信息運算功能、探索生命系統信息運算基本規律等提供新技術。這將爲提升生物計算機的信息感知能力、信息處理能力及智能化行爲提供技術支撐；同時在活細胞信息存儲、智能活細胞生物計算、微納機器人、納米智能診療等領域具有應用潛力。