AI 大V人物小传（上）

✍ snowboat🕐 2026-07-05📦 104.2 KB 🟢 已读 𝕏 文章列表

这是一份按主题编排的AI领域人物小传（上篇），涵盖了从深度学习奠基者、大模型实验室领袖、Transformer论文作者到顶尖学术研究者的75位关键人物。文章详细介绍了每个人的背景、核心贡献及当前动态，包括Hinton、LeCun、Altman等业界巨擘。

AI 人物传记深度学习大模型 Transformer Geoffrey Hinton Andrew Ng Sam Altman OpenAI 技术史

# AI 大V人物小传（上） **作者**: snowboat **日期**: 2026-06-29T23:52:38.000Z **来源**: [https://x.com/snowboat84/status/2071743676649509122](https://x.com/snowboat84/status/2071743676649509122) --- 这是一份按topic编排的AI圈人物小传，从深度学习的奠基者，到大模型实验室的掌门，再到资本与操盘手，全名单一共八章、145人。每个人一段，讲清他是谁、做过什么、眼下在赌什么，每条末尾附维基百科链接，方便深挖。名字上，外国人保留英文原名，华人面孔用中文名。篇幅太长，分成上下两篇。上篇是前四章共75人，从深度学习教父讲到学术界顶尖研究者。后四章（教育科普、开源工程、AI安全治理、商业资本，共70人）。 # 导航 · 点名字跳到对应小传一、深度学习教父级 / 奠基学者 Geoffrey Hinton · Yann LeCun · Yoshua Bengio · Richard S. Sutton · Andrew Barto · Jürgen Schmidhuber · Jeff Dean · Ian Goodfellow · Andrew Ng · 李飞飞 · Daphne Koller · Michael I. Jordan 二、前沿大模型实验室创始人 / 领袖 Sam Altman · Greg Brockman · Ilya Sutskever · Mira Murati · Dario Amodei · Daniela Amodei · Demis Hassabis · Shane Legg · John Jumper · Elon Musk · Igor Babuschkin · Arthur Mensch · Emad Mostaque · Aravind Srinivas · Mustafa Suleyman · Alexandr Wang · 赵晟佳 · Daniel Gross · Nat Friedman · Jakub Pachocki · Mark Chen · Oriol Vinyals · David Silver 三、Transformer论文《Attention Is All You Need》八位作者 Ashish Vaswani · Noam Shazeer · Niki Parmar · Jakob Uszkoreit · Llion Jones · Aidan Gomez · Łukasz Kaiser · Illia Polosukhin 四、学术界顶尖研究者 Christopher D. Manning · Percy Liang · Christopher Ré · Pieter Abbeel · Sergey Levine · 宋晓冬 · Jitendra Malik · 何恺明 · Ross Girshick · Alexei A. Efros · Regina Barzilay · Tommi Jaakkola · Max Tegmark · Zoubin Ghahramani · Noah Smith · Yejin Choi · Sebastian Thrun · Jeff Clune · Chelsea Finn · Tatsunori Hashimoto · Alec Radford · John Schulman · Noam Brown · Jared Kaplan · Tom Brown · Chris Olah · Robin Rombach · Aditya Ramesh · Jonathan Ho · Jason Wei · Denny Zhou · Quoc Le # 一、深度学习教父级 / 奠基学者 ## Geoffrey Hinton @geoffreyhinton Geoffrey Hinton 1947年生于英国，家族里出过好几位数学家，他的高祖父是George Boole，布尔代数的发明者。1978年他在爱丁堡拿到博士学位，做的是神经网络，那在当时是个几乎没人愿意碰的边缘课题。这条冷板凳，他一坐就是三十年。转折在2012年。他的两个学生Alex Krizhevsky和Ilya Sutskever做出了AlexNet，只用两块游戏显卡，就在ImageNet上大比分夺冠，深度学习一夜之间从边缘走进主流。这一刻我在工程全景系列的上篇里写过。Google很快收购了他们的小公司，从2013年起Hinton在多伦多大学和Google Brain之间两头跑。他立身的本钱是几项奠基贡献。1986年，他和Rumelhart、Williams一起把反向传播推广开来，那是今天几乎所有神经网络训练的地基。他和Bengio、LeCun共享2018年图灵奖，又和物理学家John Hopfield共享2024年诺贝尔物理奖，获奖理由是让神经网络机器学习成为可能的奠基工作。“深度学习教父”这个称号是同行给他的，分量很重。最该多说两句的是结尾。2023年5月，Hinton离开Google，为的是能毫无顾忌地警告AI的风险。这个把技术从冷板凳推上神坛的人，转过身来警告自己的造物。2026年他依然活跃，反复提醒一个他称为“2026临界点”的东西，一次能力跃升，他预计会冲击软件工程、法律这类复杂职业。在这份名单上，他是最完整的一个隐喻：奠基的人，也是第一个拉响警报的人。 Wikipedia: Geoffrey Hinton ## Yann LeCun @ylecun Yann LeCun 1960年生于巴黎郊外，本是工程师出身，后来认定真正有意思的问题是教机器看东西。1980年代末他进了AT&T贝尔实验室，造出卷积神经网络，把它接进一套能识别银行支票上手写数字的系统。当时整个领域还普遍怀疑神经网络成不了气候，他的系统已经在工业规模上跑通了。他对得早，而对得早是件孤独的事。平反是成批来的。2018年他和Geoffrey Hinton、Yoshua Bengio共享图灵奖，三人被公认点燃了如今贯穿每一家大科技公司的深度学习革命。十多年里他以首席AI科学家的身份执掌Meta的FAIR实验室，同时是个高调的公共知识分子，常在社交媒体上大声主张：大语言模型是通往真正智能路上的死胡同。然后他把这个判断押上了身家。2025年11月他离开Meta，到2026年3月，他的新公司AMI Labs完成了超过10亿美元的种子轮，去追“世界模型”而不是聊天机器人，这是欧洲历史上最大的一笔种子轮。65岁，亲手帮忙立起了正统，如今又砸下重金去打破它。 Wikipedia: Yann LeCun ## Yoshua Bengio @Yoshua_Bengio Yoshua Bengio 1964年生于巴黎一个摩洛哥犹太家庭，全家很快搬到加拿大，他从此再没真正离开。当两位图灵奖共同得主在加州和多伦多追逐产业界的钱时，Bengio留在蒙特利尔，把一个学术实验室做成了Mila，如今是全球深度学习研究者最密集的地方之一。他早年关于神经语言模型和注意力的工作，悄悄埋下了后来让别人成名的那些架构。他和Geoffrey Hinton、Yann LeCun共享2018年图灵奖。职业生涯的大部分时间里，他是三人中的乐观派，那个建机构而不是建产品的学者。后来这一点变了。2023年前后，Bengio公开跟那股加速主义情绪决裂，声明自己对本领域的走向感到警觉。第二幕是把信念落到了实处。2025年3月，他退出Mila的管理岗，转任科学顾问。2025年6月，他创办LawZero，一家做“诚实”AI、用来监管自主智能体的非营利机构。如今他主持《国际AI安全报告》，那是这个领域里最接近IPCC的东西。Bengio是那种少见的科学家，亲手帮着点了火，又自任了消防队长。 Wikipedia: Yoshua Bengio ## Richard S. Sutton @RichardSSutton Richard Sutton在伊利诺伊州长大，带着一个固执的念头去念研究生：造智能的办法，是让机器像动物那样从奖励里学，而不是给它编一堆规则。1980年代，这是AI里一个不入流的角落。他在UMass Amherst跟着Andrew Barto读博，两人花了二十年，把一个生物学直觉变成了数学。他1988年关于时序差分学习的工作，是这套理论的引擎。回报在几十年后，在别人的舞台上才到来。DeepMind的AlphaGo击败人类顶尖棋手时，靠的就是强化学习，今天推理模型背后的大量训练同样如此。他和Barto合写的1998年教科书，连同那个朴素的绿色封面，成了领域的标准参考书。他搬到阿尔伯塔大学，在埃德蒙顿建起一个研究重镇，把信心押在规模上，而不是手工调出来的小聪明。 2024年，他和Barto拿了图灵奖。如今也在John Carmack的Keen Technologies任职的Sutton，赢了仍是个唱反调的人，把鼓吹AI末日的那群人斥为离谱。他押注了那条不起眼的路，又看着它变成了主干道。 Wikipedia: Richard S. Sutton ## Andrew Barto Andrew Barto是AI史上最重要的一对搭档里安静的那半。1948年生，1977年以博士后身份来到UMass Amherst，在这里干了一辈子，这本身在一个崇尚不安分的领域里就是一种态度。1970年代末，他确信心理学和控制论里的想法能解释一个智能体如何从后果中学习，便着手把它形式化，那会儿几乎没人看好这件事。他最重要的一笔，也许是认出了对桌的天赋。他指导Richard Sutton读博，两人把强化学习从直觉做成了一门严谨学科，做出了算法、证明，还有那本教会后来所有人的1998年教科书。同一批想法，如今驱动着AlphaGo和现代聊天机器人背后的推理。 2024年，他和Sutton共享图灵奖，那是领域的最高荣誉，距离那几篇奠基论文已过去几十年。Barto现在是荣休教授，从那个他从未离开的实验室退了下来。在任何一份先驱名单上，他都是最稀有的一类：最大的贡献是把基本功做到分毫不差，然后放手让学生去跑的那个导师。 Wikipedia: Andrew Barto ## Jürgen Schmidhuber @SchmidhuberAI 1991年，一个叫Sepp Hochreiter的德国研究生在慕尼黑工业大学写了篇毕业论文，导师是个年轻研究者，后者日后会把这篇论文称作机器学习史上最重要的文献之一。那位导师就是Jürgen Schmidhuber，那项工作汇入了长短期记忆网络，也就是他和Sepp Hochreiter1997年发表的那种循环架构。LSTM在期刊里安静地躺了二十年，然后走进了几十亿人的语音引擎、翻译系统和手机，大概是那个时代商业部署最广的神经网络。 1963年生于慕尼黑的Schmidhuber，整个职业生涯都在坚持一件事：这个领域把功劳记错了人。从1995年起担任瑞士IDSIA科学主任的他，打了一场漫长的笔仗，主张Geoffrey Hinton、Yoshua Bengio、Yann LeCun互相引用，却忽略了更早的工作，包括他自己的。他甚至声称对生成对抗网络的核心思想拥有优先权。LeCun曾说他对名分痴迷到发狂，Schmidhuber用一堆脚注回应。 2021年起，他主持沙特KAUST的AI计划，一年在瑞士和红海之间分着过。Schmidhuber让人头疼的地方在于，他常常日期上是对的，外交上是错的。他是这个领域的常任检察官，也提醒着所有人：科学功劳的归属，由谁先到那里决定，也由谁更会推销决定。 Wikipedia: Jürgen Schmidhuber ## Jeff Dean @JeffDean AI名单上多数人靠算法成名，Jeff Dean靠的是管道。1968年生，在华盛顿大学拿了编译器方向的博士，1999年加入Google，那时公司还小到一个工程师就能重塑它。之后十来年，他常和Sanjay Ghemawat搭档，共同设计了让Google索引整个星球的那些系统：MapReduce、Bigtable、Spanner，以及公司几乎一切产品底下的协议和存储层。工程师之间流传的Jeff Dean段子，就像别的行当流传传奇人物的轶事。 2011年他转向神经网络，加入X实验室，训练大到能从没标注的YouTube帧里认出一只猫的模型。那个实验后来成了Google Brain，由他领导，做出了TensorFlow，那个把深度学习交到几百万人手里的框架。他的生涯是罕见的一例：基础设施和智能，由同一个人造出来。 2023年Google把Brain和DeepMind合并时，Dean成了合并后Google DeepMind与Google Research的首席科学家，也是Gemini的负责人之一，那是用来回应OpenAI的模型。名字是他自己挑的，双子聚到一起。如果说现代AI的大半是一个规模战胜小聪明的故事，那么Dean就是让规模成为可能、再把它对准自己能找到的最难问题的那个人。 Wikipedia: Jeff Dean ## Ian Goodfellow @goodfellow_ian 传说这个点子是在酒吧里冒出来的。2014年，Ian Goodfellow在蒙特利尔和朋友争论怎么让神经网络生成以假乱真的图像，他提出让两个网络互相对抗，一个造假，一个鉴别，彼此逼着对方变强。他回家当晚就把它写成了代码，跑通了。这个成果，生成对抗网络，成了那十年最有影响力的想法之一，也是深度伪造的技术祖先。同一年，他是《Deep Learning》的第一作者，那本和Yoshua Bengio、Aaron Courville合写的教科书教出了一代人。 Goodfellow是Bengio和Andrew Ng的学生，职业生涯一直靠近领域中心，先在Google Brain，后任苹果机器学习总监。2022年他因为不满苹果硬把员工拽回办公室而辞职，一次安静的抗议上了新闻，随后回到Google DeepMind。然后在2025年，在Google的轨道里待了大约十四年之后，他离开去联合创办一家初创公司，截至2026年中仍处于隐身状态。最后这一步是信号。这个把GAN写进论文和教科书、白白送出去的人，决定把下一个想法留给自己。无论他在造什么，整个领域都会盯着那则公告细读，因为他过往的记录，是把一句争论变成一整个子领域。 Wikipedia: Ian Goodfellow ## Andrew Ng @AndrewYNg 教过机器学习的人里，Andrew Ng大概比活着的任何人都多。1976年生于伦敦，父母是香港人，他在香港和新加坡之间长大，先后从卡内基梅隆、MIT、伯克利拿到学位，再进斯坦福，他的讲义在那里悄悄成了经典。2011年他把自己的机器学习课放到网上，反响大到第二年他便和Daphne Koller联合创办了Coursera，参与发明了现代慕课。他的研究记录单拎出来也立得住。2011年他联合创办Google Brain，主持了那个著名的识猫网络背后的深度学习项目。2014到2017年，他在百度任首席科学家，在最关键的那几年里建起中国最像样的AI组织之一。然后他从执掌一个企业实验室上退下来，去做他显然最擅长的事：降低入门门槛。他的教学公司DeepLearning.AI和创投工作室AI Fund，都押在同一个判断上：AI的瓶颈在于训练有素的人和拿到钱的团队，天才本身并不稀缺。 Ng是罕见的、选了分发而非发现、并且可能选对了的人。他本可以把这十年花在追更大的模型上，却花在了让另外几百万人也能上手。在一份挤满了造技术的人的名单里，他是那个造队伍的人。 Wikipedia: Andrew Ng ## 李飞飞（Fei-Fei Li） @drfeifei 李飞飞1976年生于北京，十五岁到新泽西，一边帮父母打理干洗店一边学英语。她在普林斯顿受的是物理训练，之后转向一个更难的问题：教机器看东西。2007年前后她下了个反潮流的赌注。当整个领域痴迷于算法时，她押的是瓶颈在数据。结果就是ImageNet，一千四百多万张人工标注的图片，以及建立在它之上的年度竞赛。2012年一个神经网络在那场竞赛上碾压全场时，现代深度学习时代基本就是在她这块地基上开场的。此后她在几个很少交集的阵营之间自如穿梭。她联合执掌斯坦福以人为本AI研究院，做过一段Google Cloud的AI首席科学家，把“以人为本”做成了不止一句口号，去国会作证，紧盯AI的社会代价。2024年她联合创办World Labs，去追她所说的空间智能：能理解三维空间、而不只是文字和像素的AI。这个判断很快兑现。2026年2月，公司从Nvidia、AMD、Autodesk等投资方手里融到10亿美元，并推出Marble，一套能从提示词生成可编辑三维世界的系统。李飞飞是罕见的那种研究者，铺好了别人借以起飞的跑道，又拒绝躺在上面吃老本。多数先驱守着自己的纪念碑，她却离开去挖下一道地基。 Wikipedia: Fei-Fei Li ## Daphne Koller @DaphneKoller Daphne Koller 1968年生于耶路撒冷，十八岁就在希伯来大学念完硕士，这个速度暗示了后面的一切。她在斯坦福拿到博士，1995年加入该校教职，成了概率图模型领域的奠基人物，那门学问研究的是当成千上万个变量纠缠在一起时，如何在不确定性下做推理。她2009年和Nir Friedman合写的教科书至今是领域标准参考书。2004年，麦克阿瑟“天才”奖到手。然后她不停地换问题。2012年她和Andrew Ng把斯坦福的课搬上网，创办Coursera，一度成为教育界最受瞩目的人物之一，随后又抽身离开。中间在Google的Calico短暂停留。2018年她创办insitro，这一步最能看清她这个人：她把机器学习对准了药物发现，那个资本去送死的行业。她的前提是，在海量、为目的专门构建的生物数据集上训练的模型，能发现人类直觉看不到的疾病规律。这个赌注最难的部分，现在到了兑现的时候。到2026年，insitro已提名首个开发候选药物，正朝首次人体试验推进，那是生物学不再是一张幻灯片、开始变成一个病人的时刻。Koller用一辈子证明了她能把数学搭起来，如今她押的是更难的那个主张：数学能找到一款药。 Wikipedia: Daphne Koller ## Michael I. Jordan Michael I. Jordan，1956年生，是那个常被错认成篮球运动员的机器学习理论家，而这个类比并不算太离谱：在他的领域里，他就是那支当家球队。作为伯克利的Pehong Chen讲席教授，在EECS和统计系双聘，他花了几十年，把三个通常互不搭理的领域，计算机科学、统计学、经济学，焊成了一套理解学习机器的统一思路。他最深的印记也许是他的学生。他指导过或接待过的名单，读起来就是一份现代领域的名人录：Andrew Ng、David Blei、Zoubin Ghahramani、Eric Xing，以及做博士后时的Yoshua Bengio。荣誉随之而来，Rumelhart奖、IEEE冯·诺依曼奖、首届世界顶尖科学家协会奖，《科学》杂志还曾把他评为全球最有影响力的计算机科学家。他也是这个领域里对自身炒作最大声的怀疑者，多年来主张所谓“AI”大多是工程披着认知的外衣，真正的前沿是不确定性下的决策，而不是聊天机器人。如今他在伯克利和巴黎Inria之间分着过，2026年仍在发表关于对齐和学习理论的论文。Hinton造出了神经元，拉响了警报。Jordan造出了那些造出其余一切的人，又用自己的名望劝全场冷静。 Wikipedia: Michael I. Jordan # 二、前沿大模型实验室创始人 / 领袖 ## Sam Altman @sama Sam Altman是个大学辍学生，30岁之前经营过一个失败的定位应用Loopt。他真正擅长的是钱和人，代码并非他的长项。他28岁接手Y Combinator，把它变成硅谷最强大的创业机器，然后抽身离开，押注一个多数投资人当成慈善项目看待的研究实验室。这个赌注就是OpenAI。2022年底上线的ChatGPT让他成为整场AI热潮的公众面孔。 2023年11月他差点被赶下台，这本该终结他的职业生涯。董事会在一个周五解雇了他，到周一几乎全公司都威胁辞职，他又回来了。这件事暴露了他真正的才能：让自己对每一个可能罢免他的人都变得无法替代，造模型反倒在其次。2026年，这份才能正在公众面前接受检验。5月他出庭反击Elon Musk的诉讼，陪审团判他无罪，6月他在华盛顿游说议员，与此同时OpenAI已秘密递交申请，准备进行可能是史上最大规模的科技IPO。他说自己对经营一家上市公司的兴奋程度是“0%”。 Altman是少见的那种比自己所推销之物更有说服力的创始人。这既是他的天赋，也是他的软肋：当故事出现动摇，他就是唯一的抵押品。 Wikipedia: Sam Altman ## Greg Brockman @gdb Greg Brockman从哈佛辍学，又从MIT辍学，然后在25岁当上了Stripe的CTO，那时这家支付公司还很小。2015年他离开，联合创办OpenAI，并亲手写下了早期的大量代码。多年里他是幕后的建造者，由Altman负责对外发声，他则担任董事长、总裁，以及真正把产品做出来的工程师。这种分工随着时间显出了它的价值。当模型竞赛变成基础设施竞赛，Brockman成了OpenAI的实体建设大师，把万亿美元级的数据中心野心翻译成混凝土和芯片。2026年5月，他在针对Musk的庭审中作证，说OpenAI今年将在算力上花费500亿美元，并几乎是顺带地透露，他个人持股价值接近300亿美元。一位律师追问他，这笔财富是否与他“对人类的责任”相冲突。这个问题用一句话概括了OpenAI的全部故事，而Brockman是最诚实的检验样本。他是留下来的信徒，是从未试图夺取王位的联合创始人，如今为了浇筑地基的特权而身家超过一个小国的GDP。理想主义者成了承包商，看上去对这笔交易完全满意。 Wikipedia: Greg Brockman ## Ilya Sutskever @ilyasut Ilya Sutskever是现代AI最接近开山科学家的人物。他是Geoffrey Hinton的学生，2012年参与撰写了证明深度学习行得通的AlexNet，随后作为OpenAI的首席科学家，为催生GPT-3和GPT-4的规模化押注提供了信念支撑。更多算力，更多数据，更大模型。结果惊人地成功。然后他试图解雇自己的CEO。2023年11月Sutskever投票罢免Altman，眼看公司哗变，公开表示后悔，几个月内离开。2024年6月他创办Safe Superintelligence，产品只有一个，那就是一个承诺。没有聊天机器人，没有API，没有收入，只有一句宣言，要造出一个安全的超级智能，在准备好之前什么都不发布。投资人还是塞给他大约60亿美元，把SSI估到约320亿美元，这是有史以来为一家没有产品的公司付出的最高价。更深的讽刺在于，Sutskever如今押注他自己写下的规模化剧本已经触到天花板，下一次飞跃需要一个全然不同的想法。一个320亿美元的估值，建立在一个人的研究品味之上，要么是这个领域里最纯粹的信念表达，要么是它最昂贵的虚荣。在Sutskever身上，这真的很难分辨，而这正是人们愿意付钱的原因。 Wikipedia: Ilya Sutskever ## Mira Murati @miramurati Mira Murati于1988年生于阿尔巴尼亚的Vlorë，正值一个崩溃中的共产政权的最后几年。她16岁拿奖学金离开，学了工程，先后在Goldman Sachs和Tesla待过，2018年加入OpenAI。到2022年她已是首席技术官，统管发布ChatGPT、DALL-E和Sora的团队。2023年11月，她当了大约48小时的OpenAI临时CEO，直到公司重新选择Altman。 2025年2月她创办Thinking Machines Lab，几乎立刻就以120亿美元估值融到20亿美元，这是史上最大的种子轮，给的是一家没有产品的公司。然后它开始瓦解。2025年末到2026年初，她的联合创始人陆续离开，一个去了Meta，又有两个，Barret Zoph和Luke Metz，于2026年1月回到OpenAI。据报道，她的CTO Zoph因分享机密信息被解雇。外界传出的原因，钱、稀缺的算力、没有清晰的产品，对一个建立在她声誉之上的实验室来说都很残酷。 Murati正是一道难题的试金石：OpenAI的魔力有多少来自这家机构，又有多少来自那些走出门去的人。她的答案还在书写，而眼下这份手稿缺了好几位作者。 Wikipedia: Mira Murati ## Dario Amodei @DarioAmodei Dario Amodei是受过训练的物理学家，后来成了AI界嗓门最大的忧虑者之一，又不知怎么成了最大的赢家之一。他在OpenAI负责研究，帮助领导了GPT-2和GPT-3背后的工作，然后在2021年带着一批同事离开，这些人都认为这个领域走得太快、太不小心。他和妹妹Daniela一起创办了Anthropic，明确以AI安全为旗号，造出了Claude。以安全为先的卖点本该是个累赘。它却成了护城河。整个2026年，Anthropic的企业业务爆发式增长，收入从年初90亿美元的年化运行率攀升到5月约470亿美元，一轮650亿美元的H轮融资，估值接近9650亿美元，悄然超过了OpenAI。Amodei把他的公开精力花在警告上，在文章和访谈里说，他所卖的这项技术可能变得灾难性，威胁就业，威胁生物武器，乃至威胁控制权本身。这种姿态招来显而易见的犬儒解读，末日论是好营销。更有意思的读法是，他每个字都当真，却依然照造不误，因为他宁愿让谨慎的人占据领先，也不愿让鲁莽的人得手。无论怎么看，这位忧虑者正在赢得比赛，而这是所有结果里最令人不安的一个。 Wikipedia: Dario Amodei ## Daniela Amodei @DanielaAmodei Daniela Amodei并非出身机器学习。她在全球卫生领域和Stripe工作过，之后跟随哥哥进入OpenAI，负责运营和安全政策。2021年Amodei兄妹出走创办Anthropic时，分工很清晰，Dario定研究方向，Daniela围绕它把公司搭起来。此后她一直担任总裁。这让她成为公司史上最陡增长曲线之一背后的操盘者。Dario写宣言，Daniela经营业务，以及那个把研究变成企业真正愿意买的产品的安全组织，也就是招聘、治理和信任这套不起眼的机器，正是它把Anthropic带过了9000亿美元估值、到2026年约2500名员工的规模。4月她和哥哥一同登上Time 100。她那年给创始人的建议一如既往地务实，在正式合伙之前，先和潜在的联合创始人一起度个假，因为如果他们在沙滩上就把你耗干，他们在董事会里也会把你耗干。在一个推崇孤胆天才的行业里，Daniela Amodei是个反证，她是让天才的公司得以存活的那个人。Anthropic是最有力的证据，证明第二把交椅可以和第一把同样重要。 Wikipedia: Daniela Amodei ## Demis Hassabis @demishassabis Demis Hassabis四岁是国际象棋神童，十七岁是电子游戏设计师，这透露出此人的一面，他一向把智能，无论人工与否，当作一场值得赢下的游戏。拿到认知神经科学博士后，他于2010年联合创办DeepMind，押注神经科学与机器学习的融合能攻克通用智能。Google在2014年买下这家公司。怀疑者以为它会被吸收然后被遗忘。结果它造出了AlphaGo，2016年击败世界最强围棋手，迫使整个领域重新校准可能性的边界。然后是更难的问题。AlphaFold预测了几乎每一种已知蛋白质的三维结构，这是生物学家苦苦纠缠了五十年的难题，并把结果免费交给科学界。2024年Hassabis和John Jumper凭此获得诺贝尔化学奖。如今他执掌Google DeepMind，还有他的药物发现分拆公司Isomorphic Labs，后者在2026年完成21亿美元融资，正推动AI设计的分子走向人体试验。多数实验室创始人追逐模型。Hassabis追逐恰好需要模型的问题，这个差别看得出来。他是少见的那种研究者，造出了一家前沿实验室，让它保持科学本色，还在路上拿了个诺贝尔奖。押注神经科学，赢了。 Wikipedia: Demis Hassabis ## Shane Legg @ShaneLegg Shane Legg是那位沉默的联合创始人，在所有人之前就敢于把目标说出口的人。早在“AGI”成为融资口号之前，Legg就在写一篇题为《Machine Super Intelligence》的博士论文，并和Marcus Hutter一起研究AIXI，一个最优智能体的数学模型。2010年他和Demis Hassabis、Mustafa Suleyman一起来到DeepMind，带着房间里最雄心勃勃的想法，也带着对它最深的谨慎。这份谨慎是贯穿始终的线索。至少从2011年起，Legg就警告先进AI带来的生存风险，那时这种立场听起来更像怪癖而非主流。他签署了2023年那份把AI灭绝风险与大流行病和核战争并列的声明。这个想造出那东西的人，也是对它一旦成真会发生什么最当真的人之一。他仍是Google DeepMind的首席AGI科学家，领导技术性的AGI安全工作。当他更出名的联合创始人成了公众人物，一位诺贝尔奖得主，一位微软AI主管，Legg留在内部，继续给出时间线预测，继续追问那个尴尬的问题。他是从未离开大楼的良心，仍在押注智能既能被实现，也能被人类幸存下来。 Wikipedia: Shane Legg ## John Jumper @JohnJumperSci John Jumper自称“误打误撞的化学家”，这个标签贴合一段不断变道的生涯。他在Vanderbilt学物理和数学，在Cambridge做凝聚态理论，又漂到Chicago做理论化学，直到2017年才读完博士。六个月后，Demis Hassabis把AlphaFold团队交到他手里。这是对一个刚走出研究生院的人的巨大押注。它成了。AlphaFold解决了蛋白质结构预测这个生物学五十年的大挑战，Jumper的团队向全世界发布了超过两亿个预测结构。2024年，三十九岁的他成为最年轻的诺贝尔化学奖得主之一，与Hassabis共享这一奖项。多数科学家穷其一生追逐一个这样的成果。他在博士毕业后十年内就拿到了。然后，2026年6月，剧情转了。在将近九年之后，Jumper宣布他将离开Google DeepMind去Anthropic，计划先休息一段，加入一家正与美国政府陷入法律缠斗的公司。这一步读起来像是一个赌注，赌科学AI的下一个前沿不在他成名之处。这位误打误撞的化学家，看来还在变道，只是这一次后备箱里多了个诺贝尔奖。 Wikipedia: John Jumper ## Elon Musk @elonmusk Elon Musk出现在任何AI名单上，都得从一段宿怨说起。他在2015年联合创办OpenAI，承诺投入十亿美元，2018年在一场争夺控制权的较量中落败后退出董事会。当OpenAI转向商业化并与微软结盟，他的恼怒硬化成了一家对手公司。2023年7月他推出xAI，把它定位为对一个他眼中被俘获、被消过毒的行业的求真替代方案。 xAI以Musk的速度推进。它建起Colossus，地球上最大的GPU集群之一，并发布了Grok，一个直接接入X、刻意调得比对手更少过滤的聊天机器人。2025年他把X本身并入xAI，又更进一步，于2026年初把这家AI公司并入SpaceX，合并后估值超过一万亿美元。财务数据令人眩晕，每月烧掉约十亿美元，组织架构如今把Grok当作SpaceX的一个部门。代价是人。xAI的十二位联合创始人大多已离开，Musk本人在2026年说公司不得不“重建”。他在AI上的战绩货真价实，他帮忙播下OpenAI的种子，又在两年里从零立起一家前沿实验室。但同样的急躁既能快速建造，也会拆散团队。Musk与其说想赢得AI竞赛，不如说想拥有它。 Wikipedia: Elon Musk ## Igor Babuschkin @ibab Igor Babuschkin的职业生涯一直待在当下最要紧的那个实验室里。他在Dortmund学物理，在Google DeepMind做研究工程，加入OpenAI的技术团队，2023年又成为Elon Musk的xAI的创始成员。作为那里的首席工程师，他掌管着把Colossus那个庞大GPU阵列变成实际模型训练的底层管道。如果Grok跑得起来，它有一部分是跑在他的架构上。他2025年离开，是最终带走xAI大多数联合创始人的那场出走中最早的一批。他的离场很说明问题。他没有去另一家前沿实验室，而是宣布成立Babuschkin Ventures，一只瞄准AI安全研究和做智能体系统创业公司的基金，据报道Musk投了两亿美元。这位造出引擎的工程师决定，他更愿意去挑下一批引擎。然后他又开始造东西。到2026年他创办了River AI，一家招揽前xAI和Tesla员工的创业公司，追逐能从单个用户学习并保持在用户控制之下的AI智能体，这与他多年来训练的那些中心化模型形成鲜明对照。有报道说它正洽谈融资多达十亿美元。Babuschkin是那个从内部看清这台机器、然后断定有意思的赌注完全是另一种形状的圈内人。 ## Arthur Mensch @arthurmensch Arthur Mensch是少见的那种欧洲创始人，他把美国在AI上的主导当成一个有待解决的问题，而非一个只能接受的事实。1992年生于法国，他受训为研究者，在DeepMind的巴黎实验室做了大约三年大语言模型，于2023年5月走人。几周内他就和两位前同事联合创办了Mistral AI，这个赌注从第一天起就反潮流，当所有人都把模型锁在API后面时，他发布强大的开放权重模型。这个赌注的回报比怀疑者预想的来得更快。Mistral成了欧洲对OpenAI和Anthropic的旗舰式回应，数字也很快变得认真起来。年化收入从2025年初约2000万美元，一年后跳到超过4亿美元的运行率，管理层的目标是到2026年底达到10亿美元。2026年6月，公司进入洽谈，准备以接近200亿欧元的估值融资约30亿欧元，几乎是它去年9月所定的117亿欧元的两倍。Mensch甚至放出过自己设计芯片的风声，这显示他想拥有整个技术栈，而不是向美国供应商租用。他依然背负着每一位欧洲冠军都背着的担子，巨大的象征分量，却只有对手所掌握资本的一小部分。Mensch的应对一直是趁巨头们封闭时快速行动并保持开放。开放究竟是护城河，还是一种他承受不起的慷慨，这个问题将定义他。 Wikipedia: Arthur Mensch ## Emad Mostaque @EMostaque Emad Mostaque向世界兜售了一个想法，图像生成应该属于每一个人，然后失去了让这一切成为可能的公司。这位前对冲基金分析师创办了Stability AI，并出资促成了2022年Stable Diffusion的发布，这个开放模型把照片级真实的图像生成放进了消费者的笔记本电脑，打破了前沿能力必须躲在企业付费墙后面的假设。有那么一刻，他是地球上嗓门最大的开放AI布道者。坠落来得又快又难看。关于夸大宣传、财务吃紧和投资人施压的报道堆积起来，Mostaque于2024年3月辞去CEO，说他想转而追逐去中心化AI。这套体面退场的说辞骗不了几个人。看似一个公众人物的终点，结果只是一段幕间休息。他的第二幕比第一幕更古怪也更有野心。Mostaque如今经营Intelligent Internet，这家公司围绕一个想法搭建，每个人都应该拥有一个主权AI智能体，而不是向少数几家万亿美元的公司租用智能。他发布了一份四部分的总体规划，推出了开放研究模型，还写了一本书《The Last Economy》，论证廉价的机器智能将掏空人类认知劳动的价值。这要么是介于企业AI和国家AI之间的一条真正的第三条路，要么就是曾经把他拖垮的那种过大承诺的翻版。在Mostaque身上，界线从来不清楚，而这恰恰是人们持续围观的原因。 Wikipedia: Emad Mostaque ## Aravind Srinivas @AravSrinivas Aravind Srinivas靠攻击科技界防守最严密的产品建起了一家公司，而Google至今没找到干净利落地拍死他的办法。他作为机器学习研究者受训，拿了Berkeley博士，在OpenAI和DeepMind待过，于2022年8月联合创办Perplexity，核心是一句异端式的推介，人们想要的是一个答案，十条蓝色链接并非他们所求。这句话描述的是对那台供养着整个Google的提款机的正面强攻。市场用钱认真对待了这个想法。Perplexity的“答案引擎”迅速吸纳用户，估值从2025年9月的200亿美元爬升到2026年初的约210亿美元，这个数字放在几年前，对一家搜索创业公司来说会显得痴人说梦。Srinivas一直把IPO的时间暂定在2028年。他最能说明问题的一步出现在2026年2月，Perplexity砍掉了广告计划，转向订阅优先，押注用户愿意为他们信得过的答案付费，胜过公司靠贩卖他们的注意力所能赚到的。这是一个干净利落地对赌Google整个商业模式的下注，同时也是一处战略软肋，因为订阅是个比广告小得多的池子。Srinivas把信任当成产品来卖，而这个市场很少奖赏信任。判决还要等上几年，但他已经迫使那位在位者作出反应。 ## Mustafa Suleyman @mustafasuleyman Mustafa Suleyman是AI行业最接近职业副手的人物，一位不断造出一家家地标式的公司、然后把它们交给资产负债表更厚的人的创始人。1984年生于伦敦，他在2010年联合创办DeepMind并在那里负责产品，帮忙缔造了这家后来被Google收购、又破解了蛋白质折叠的实验室。他在一片关于管理的抱怨声中离开，在Google做了一阵，然后于2022年和Reid Hoffman一起推出Inflection AI，要做一个更温和的消费级聊天机器人。 Inflection始终没找到自己的市场，而它的结局改写了剧本。2024年3月，微软雇下Suleyman和他大部分团队，这笔交易吸收了人才却在技术上没有买下公司，并让他出任微软一个新AI部门的EVP兼CEO。一夜之间，他从一个缺钱的创始人变成掌管Copilot、Bing和Edge的人，为地球上最值钱的公司之一效力。授权范围只增不减。2025年末微软在他手下成立了一个Superintelligence Team，到2026年3月，他卸下了Copilot的日常运营，专注于前沿模型，直接向Satya Nadella汇报。他曾公开预测，多数白领工作可能在十八个月内被自动化，对一个工作就是造出那东西的人来说，这是个异常直白的预言。Suleyman一直是别人信任来开动引擎的操盘手。悬而未决的问题是，他能不能最终以驾驶者的身份赢一回。 Wikipedia: Mustafa Suleyman ## Alexandr Wang @alexandr_wang Alexandr Wang在新墨西哥州的Los Alamos长大，父母是两位在国家实验室造武器的物理学家。他是个参加数学竞赛的孩子，考进MIT，待了大约一年，2016年退学创办了一家公司，做的是机器学习里最不光鲜的活，付钱让人给数据打标签。这家公司，Scale AI，结果成了整场热潮的卖铲子生意。24岁时他成了世界上最年轻的白手起家亿万富翁，他没训练过什么著名模型，但每个训练著名模型的人都需要他的数据。有意思的一步发生在2025年。Meta花了大约140亿美元买下Scale 49%的股份，实际上也买下了Wang本人，6月把他安插为公司首位首席AI官兼Meta Superintelligence Labs负责人。他28岁。Mark Zuckerberg试过开源，眼看DeepSeek和中国实验室在成本上抢走他的午餐，于是断定自己需要一个能交付专有前沿模型的终结者。Wang的第一份成果，2026年4月的Muse Spark模型，是Meta与其开放权重过去的真正决裂。这个赌注尚未得到验证。Wang从未亲自领导过前沿研究，一年下来，更难的问题落在Zuckerberg身上，把一个市场尚未确信自己需要的模型卖出去。Wang是那个被交到实验室钥匙的数据商人，也是迄今最清楚的信号，说明在这场竞赛里，分发渠道和资本能为你买到一个光靠才华买不到的席位。 Wikipedia: Alexandr Wang ## 赵晟佳（Shengjia Zhao） @shengjia_zhao 赵晟佳是这份名单上几乎只有圈内人才知道的名字，而这恰恰是重点。他2016年在清华拿到计算机科学学位，然后去Stanford读生成模型和校准方向的博士，2022年毕业。他的身份是研究者，不当管理者，也不做创始人，却恰好身处现场，参与了这个时代几项定义性成果。在OpenAI，他的指纹留在ChatGPT、GPT-4、GPT-4.1和o1上，o1是第一个在回答前先停下来推理的模型。最后这一个最要紧。推理是那次转变，把大语言模型从令人印象深刻的自动补全，变成能真正推演一个问题的东西，而赵晟佳是让它从承诺变成现实的人之一。 2025年7月他离开去了Meta，Zuckerberg任命他为Meta Superintelligence Labs的首席科学家，并特意称他是这家实验室“从第一天起”就担任首席科学家的联合创始人。这个说法是刻意的。Meta能买下Alexandr Wang的数据帝国和Nat Friedman的产品直觉，却造不出一个真正搭建过前沿推理系统的人。赵晟佳是整个昂贵项目所倚靠的科学公信力，是那位被请来证明金钱确实能搬动前沿的安静研究者。 ## Daniel Gross @danielgross Daniel Gross的职业生涯一直走在前面。1991年生于耶路撒冷，他18岁创办了一家叫Cue的搜索创业公司，22岁前把它卖给Apple，并在那里运作机器学习项目，那时多数人对这个词还没有一个能用的定义。然后是Y Combinator，他在那里开设了它第一个专门的AI方向，再然后是和Nat Friedman合伙的一只风险基金，投资AI原生的创业公司，甚至自建了一台GPU超级计算机借算力给它们。早在牌桌坐满之前，他就下了注。他最锐利的一次转向也是最短的一次。2024年6月他和Ilya Sutskever联合创办Safe Superintelligence，这家实验室建立在一个前提上，造出安全的超级智能，需要独立于大科技公司的商业压力之外。Gross是它的CEO。十三个月后，2025年7月，他走了，加入的正是SSI本想与之划清界限的那种大科技AI项目。他离开去Meta Superintelligence Labs运作AI产品，Sutskever接管SSI并保持它的独立。这次反转是关于他最能说明问题的事。Gross极擅长发现价值正在往哪里移动，而2025年他判断，价值，以及追逐价值所需的算力，坐落在Meta内部，而不在一家纯粹主义的创业公司里。你可以叫它信念，也可以叫它一笔交易。无论哪样，这位帮忙写下安全优先宣言的人，是最早断定戏在别处的人之一。 Wikipedia: Daniel Gross ## Nat Friedman @natfriedman Nat Friedman是个开源老兵，却一次次出现在行业最大的平台变迁的中心。1977年生，1999年从MIT毕业，他在2000年代和Miguel de Icaza一起建Linux桌面和移动开发的公司（先是Ximian，后是Xamarin），两家最终都被更大的公司吞下。模式很早就定了下来，找到所有人都会需要的开发者工具，把它造出来，然后被收购。定义性的篇章是GitHub。2018年微软以75亿美元买下它时，Friedman成了这个全球每个程序员都已经住在里面的地方的CEO。他在那里真正的遗产是GitHub Copilot，2021年发布，多数开发者第一次眼看着一个AI在自己肩头写出能用的代码。Copilot在说服一线工程师相信这波浪潮是真的这件事上，比任何基准测试或演示都管用。同年他卸任，和Daniel Gross一起转做投资，两人成了AI种子轮里一对叫得出名号的搭档。 2025年6月这对搭档搬进了公司内部。Meta把两人都招了进去，部分买断了他们的NFDG基金，让Friedman掌管Meta Superintelligence Labs的产品和应用研究。这是个天然的契合。Friedman的整个职业生涯都关于把前沿技术变成开发者在某个周二真会用上的东西。在Meta他的工作和一向一样，拿过科学家造的模型，弄清楚究竟是谁该想要它们。 Wikipedia: Nat Friedman ## Jakub Pachocki @merettm Jakub Pachocki在Gdańsk长大，从小钻研的是竞赛题目，跟神经网络无关。他六次进入波兰信息学奥赛决赛，2012年赢得Google Code Jam，同年拿下ICPC金牌，这种履历通常通向一张量化交易的桌子，而不是一间研究实验室。他在Carnegie Mellon读完理论计算机科学博士，2017年加入OpenAI，再没回到纸面上的算法。在OpenAI内部，他证明了自己更像一个大型系统的建造者，证明定理倒在其次。他领导了GPT-4背后的规模化工作，然后是推理模型，那个教会语言模型在回答前先思考的o系列，此后每一家大实验室都跟着抄。当Ilya Sutskever在2024年5月走人，Sam Altman把首席科学家的头衔交给了Pachocki，2026年他仍担此职，同时引导OpenAI向一个完全自动化的AI研究员推进。他是一栋满是布道者的大楼里那个安静的工程师，决定下一个该规模化什么的人。如果说推理模型是这一轮AI周期的定义性赌注，那么Pachocki就是下注的人，而他正把下一注押在能自己做研究的机器上。 Wikipedia: Jakub Pachocki ## Mark Chen @markchen90 Mark Chen的职业生涯始于在Jane Street交易期货，写机器学习模型让市场更快成交。2018年他离开钱去了实验室，作为研究员加入OpenAI，对成名没有明显的指望。几年之内他就造出了这个领域里被抄得最多的三套系统。他领导了DALL·E，让文本生成图像成为一个主流概念，还有Codex，把GPT变成程序员，播下了整个AI编程热潮。他联合领导了给GPT-4装上眼睛的视觉工作，又帮忙推动o1推理模型。这是一份古怪的履历，图像生成、代码和推理通常分属不同的部落，而Chen不声不响地把三样都做了。他至今还在为美国队执教国际信息学奥赛，这透露出他的思考方式。 2024年升任研究高级副总裁，2025年3月又升任首席研究官，他如今和Pachocki一起执掌OpenAI的研究组织，Chen管人和产品，Pachocki管长线。他是研究实验室里最稀有的一类，那个把东西做出来发布的人。OpenAI卖给十亿用户的前沿，大多先经过他的手。 ## Oriol Vinyals @OriolVinyalsML Oriol Vinyals是位加泰罗尼亚工程师，十多年来一直处在深度学习的中心附近，而且通常比共识早一篇论文。2014年，他和Ilya Sutskever、Quoc Le一起写了seq2seq论文，证明一个神经网络可以端到端地把一个序列映射成另一个序列。此后每一个编码器解码器模型，包括Transformer，都源自这个想法。在DeepMind他追逐一个更难的目标，没有剧本的游戏。他领导了AlphaStar，第一个在《星际争霸II》里打到宗师段位的智能体，这是一款充满隐藏信息和残酷复杂度的实时游戏，2019年发表在Nature上。然后这个领域的引力从游戏转向了语言模型，Vinyals也跟着转。他成了Gemini的技术联合负责人之一，Gemini是Google对GPT的回应，2026年他是Google DeepMind的研究副总裁兼深度学习负责人。他也是嗓门最大的圈内人之一，主张预训练还没有结束，主张Gemini近期的跃升来自规模化，而不只是巧妙的后训练技巧。很少有人像他这样把这个领域的一波波风潮都骑得这么稳，翻译、游戏，如今是基础模型，而且听上去仍像在预判下一个转弯，而不是追赶上一个。 Wikipedia: Oriol Vinyals ## David Silver @dsilver829 David Silver是那个教会机器靠和自己对弈来取胜的人。从2013年起他在DeepMind领导强化学习，2016年他的AlphaGo在围棋上击败李世石，这个结果让公众，而不只是研究者，相信有什么东西变了。然后他把事情弄得更不可思议。AlphaZero彻底扔掉人类的棋谱，仅凭规则和自我对弈，就在围棋、国际象棋和将棋上达到超人水平。这项工作硬化成了一个论点。他和Richard Sutton合写的论文《Reward Is Enough》主张，智能行为的整座动物园都能从一个最大化奖励的智能体中涌现，这是一记刻意的挑衅，瞄准的是一个正爱上在人类文本上做模仿学习的领域。多年里它读起来像少数派观点，而LLM那帮人正把整个互联网吸进去。 2026年他押上了11亿美元。Silver在1月离开DeepMind，带着Ineffable Intelligence冒头，这家伦敦创业公司以51亿美元估值融到了欧洲史上最高的种子轮，要造一种无需人类数据就能学习的AI。这是名单上最大胆的赌注，赌模仿的时代是一段弯路，赌奖励，而非互联网，才是通往超级智能的路。 Wikipedia: David Silver # 三、Transformer 论文《Attention Is All You Need》八位作者 ## Ashish Vaswani @ashVaswani Ashish Vaswani是Transformer最接近第一作者的人，论文发表后的这些年，他一直想证明那篇文章不是侥幸。他生于印度，在USC受训，2016年加入Google大脑，2017年把名字放在《Attention Is All You Need》的最前面。然后他离开了，和署名栏上几乎所有人一样。2022年他联合创办了智能体公司Adept，两年内又抽身而去。他真正押注的是Essential AI，这家基础模型公司由他在2023年和Google老同事Niki Parmar一起创立，先是出走隐身状态时拿到5650万美元的A轮，又以10亿美元估值融到1.75亿美元，2025年底发布了开放权重的基座模型。 Vaswani有意思的地方在于，他本可以躺着吃老本。这十年被引最多的AI论文的第一作者，并不需要去募集风投，也不必去争取开源声誉。可他偏要这么做，在一个早已挤满更有钱对手的领域里，再建一个实验室。写出那句如今人人引用的话的人，把自己的第二幕赌在一个判断上，这套架构还有让人意外的余地。这是一个怀疑自己论文里最好的一句话还没写出来的人，才会下的注。 Wikipedia: Ashish Vaswani ## Noam Shazeer @NoamShazeer Noam Shazeer是AI界身价最高的自由球员，价签走到哪跟到哪。他2000年加入Google，帮忙发明了让巨型模型变得划算的混合专家（mixture-of-experts）技巧，也是Transformer论文的作者之一。后来他腻了。2021年他离开去做Character.AI，这家面向消费者的聊天机器人公司让千百万青少年着迷。2024年Google花了大约27亿美元把他和他的团队请回来，任命他为副总裁，并让他出任Gemini的联合负责人。这笔交易被普遍解读为那个时代最大的收购式招聘之一。这局没维持住。2026年6月，Shazeer宣布再次离开Google，这回去的是OpenAI。两年，27亿美元，没了。这一步对这个行业的忠诚度说了句很直白的话，连九位数的挽留方案也只是租约，不是买断。Shazeer是实打实的技术力量，那种个人贡献就能推动基准的稀有研究者，他自己也清楚。他已经在同一家公司任过职、创过业、卖回去、又抛弃它，如今正对它的头号对手跳着同一支舞。如果说Transformer的作者们是一支离散人群，Shazeer就是那个不停换护照的人。 Wikipedia: Noam Shazeer ## Niki Parmar @nikiparmar09 Niki Parmar是那位低调的合著者，却总出现在事情的中心。她在Pune和USC受训，加入Google大脑后成为Transformer论文的核心贡献者，又花了数年把这套架构推向视觉和生成，而不只是文本。离散开始时，她跟着Vaswani走，2022年联合创办Adept，2023年又共建Essential AI。还没满35岁，她已经两度做了创始人。接着她做了别人没做的事。2025年初，她离开自己参与创立的公司，以技术人员的身份加入Anthropic，用联合创始人的头衔换来了别人实验室里的一个座位。在一个被自尊心驱动的领域，这是个不寻常的选择。多数创办过两家公司的人，不会自愿到第三方公司去重新当一名普通工程师。Parmar的路径透出另一种算计，最有意思的前沿工作正发生在少数几家有钱的实验室内部，离它近，胜过自己门上挂个招牌。她是少有的那种掂量过名分与实质之间取舍，然后选了实验室的Transformer作者。在一份满是CEO的名单里，她回到了工作台前。 ## Jakob Uszkoreit @kyosu Jakob Uszkoreit把Transformer带到了所有合著者都没去过的地方，彻底离开了计算机。他的父亲是著名的计算语言学家，他曾在Google大脑工作，名字署在2017年那篇论文上，后来他得出结论，世上最重要的序列不是由词构成的。它们由核苷酸构成。2021年他离开，和斯坦福的Rhiju Das一起创办了Inceptive，一家用Transformer来设计mRNA分子的公司，他称之为“生物软件”。这个前提很大胆。预测句子里下一个词的同一套数学，原则上也能预测一段mRNA在细胞里如何折叠和行为，这意味着你可以像写代码一样去设计疫苗和疗法。Inceptive已融资约1.2亿美元，并在2026年6月与正经的RNA疗法公司Alnylam签下战略合作。这份合作比融资更要紧，因为它意味着一家真正的药企愿意把这个想法拿到临床去试。Uszkoreit是那位把Transformer当工具而非产品的作者，他出去寻找一个值得用它瞄准的问题。多数合著者还在做聊天机器人。他想做的是药。 Wikipedia: Jakob Uszkoreit ## Llion Jones @YesThisIsLion Llion Jones是那个离开硅谷、跑到东京去建一座正经AI实验室的威尔士人，这要么古怪要么有先见之明，结果可能两者都是。他在Google待了多年，参与了Transformer论文，并且照他自己的说法，名字是他起的，从一首披头士的歌里拈来了“Attention Is All You Need”。2023年他和David Ha联合创办Sakana AI，刻意把它种在日本而不是旧金山。这个赌注既关乎技术，也关乎地理。日本是个富裕的经济体，却几乎没有本土的前沿模型冠军，这道战略缺口让政府和投资人开始公开担忧。Sakana在2025年11月以26.5亿美元估值融到1.35亿美元的B轮，成为该国估值最高的初创公司，新入场的投资方里包括CIA的风投部门In-Q-Tel。它的研究路线也很逆主流，偏好师法自然的小模型路径，而不是定义其美国对手的蛮力扩张。Jones是那位认定下一座伟大实验室不必坐落在所有人一英里之内的作者。他把现代AI里被引最多的想法，拿来为一个一直坐在场边的国家锚定一份主权AI的雄心。 Wikipedia: Llion Jones ## Aidan Gomez @aidangomez Aidan Gomez名字署上那篇重写了整个领域的论文时，他还是个20岁的实习生，这让他成了最年轻的作者，也大概是最需要证明自己的那一个。他是英裔加拿大人，2019年联合创办Cohere，并刻意把它做成一家不出风头的公司，一家把模型卖给银行和企业、而非追逐消费者热度的企业AI公司。当OpenAI和Anthropic争抢聊天机器人时，Gomez花了五年向首席信息官们兜售可靠性。这套打法正按它自己的逻辑见效。Cohere在2025年8月以68亿美元估值融到5亿美元，AMD、Nvidia和Salesforce加码下注，随后又把这轮拉长，把数字推到约70亿美元。它从Meta挖来Joelle Pineau出任首席AI官，是一记实打实的胜仗。这家公司比对手小，而这正是要点。Gomez早早押注，AI里的钱会来自那些需要数据隐私和可预测行为的企业，而不是来自能病毒式传播的演示。他是署名栏里那个长大后经营着这份名单上最成熟公司的孩子。他做过最大胆的事，是拒绝在所有人都盯着的地方竞争。 Wikipedia: Aidan Gomez ## Łukasz Kaiser @lukaszkaiser Łukasz Kaiser是那个定义了规则的例外。《Attention Is All You Need》的八位作者里，他是唯一一个从没创过公司、从没融过资、从没为自己的初创接受过专访的人。他出身是位波兰逻辑学家，从理论走进深度学习，做出了Tensor2Tensor，这个开源库让别人都能复现Transformer，然后在2021年加入OpenAI，就那样接着做研究。这个选择一年比一年更耐人寻味。当合著者们散入风投和CEO头衔时，Kaiser留在了工作台前，成为OpenAI o1推理模型的奠基性贡献者，正是这条线把整个领域从单纯的下一词预测，推向了会先思考再作答的系统。于是那个拒绝创业的人，也许帮忙发明了自Transformer本身以来AI里最重要的新想法。他的轨迹里藏着一个道理。创始人们去追逐研究创造出的价值，Kaiser则一直在创造它。在一段以套现为底色的离散里，他是那个从未离开实验室的人，而且大概拿到了更好的交易。 ## Illia Polosukhin @ilblackdragon Illia Polosukhin做出了所有Transformer作者里最奇怪的转向，而且转得很早。他生于乌克兰哈尔科夫，2014年加入Google，是2017年那篇论文的合著者，然后几乎立刻离开，在这套架构还没征服那个他帮忙建起来的世界之前。他的新项目和语言模型毫不相干。2017年他联合创办了Layer-1区块链NEAR Protocol，就在AI即将吞噬一切的当口走开了。多年来这看着像是走错了路。如今它看着像一个看见两种未来、决定把它们接到一起的人。NEAR已经围绕AI智能体重新定位，Polosukhin主张区块链真正的用户会是替彼此办事、互相交易的自主AI，而不是人。该实验室在2025年底推出了加密的、硬件加固的AI服务，把这个论点做实。这套论断能否成立尚无定论，加密世界也有一长串没能兑现的宏大论断。但Polosukhin是唯一一位把Transformer当起跑线而非终点的作者，他赌上十年人生，认定有意思的碰撞发生在AI和钱之间。他最先走出那个房间。他也许是太早了，而不是错了。 Wikipedia: Illia Polosukhin # 四、学术界顶尖研究者 ## Christopher D. Manning @chrmanning 深度学习浪潮到来前，计算语言学家还在为文法和句法树争论。Manning出身这套老传统，后来又亲手把它埋葬。他的统计NLP教科书培养了一代人，2014年他和两名学生做的GloVe词向量，给机器提供了一种廉价耐用的语义编码方式，论文成了领域被引最多的工作之一。这位精通符号方法的人，最早证明了神经网络做得更好。他执掌Stanford人工智能实验室七年，接过Fei-Fei Li坐过的位子，2025年实验室并入Stanford以人为本AI研究院时卸任。讲台他从未真正离开，那些讲注意力和机器翻译的课，被许多永远不会踏足Palo Alto的人反复观看。同年学界还债，他当选美国国家工程院与艺术科学院院士，还拿到表彰注意力工作的十年Test of Time奖。Manning塑造了两个范式，又诚实到在证据面前换边站。 Wikipedia: Christopher D. Manning ## Percy Liang @percyliang Liang成名于一个不讨好的问题：有没有人能真正信任这些模型在做什么。2021年各家忙着扩规模时，他创办了Stanford基础模型研究中心，还帮忙造出“基础模型”这个词，这套说法重塑了行业谈论自己的方式。他赌的是这些系统太重要，不能靠感觉打分。中心推出的HELM就是答案，一个公开评分榜，用几十个场景和指标测模型，而不是挑拣过的演示。有几年它是领域里最接近消费者报告标准的东西，2026年进入维护状态，只因它开创的做法已遍地开花。Liang的名字也落在建筑上，他是Together AI的联合创始人，这家开放模型云如今估值数十亿美元。当最强的模型成了万亿美元公司守着的黑箱，他坚持把阳光当成一项研究议程，而非奢侈品。 Wikipedia: Percy Liang ## Christopher Ré Ré大概是机器学习里最像连环创业者、却从没辞掉本职的人。2015年的麦克阿瑟“天才”奖表彰的是他在数据库和统计推断上的工作，那种很难走出实验室的深技术系统研究。Ré却一次次把它变成公司。Lattice（DeepDive）和Inductiv（HoloClean）都被Apple吞下，Snorkel靠程序化数据标注做成了生意，SambaNova则要造跑这些模型的芯片。他的第五幕最重要。Ré和Stanford同事Percy Liang一起创办了开放模型云Together AI，公司如今估值数十亿美元，定位是给那些拒绝依赖封闭前沿实验室的开发者做基础设施。套路很清楚，在数据和算力相遇的地方找到瓶颈，再开一家公司去除掉它。他至今还在Stanford教书，在校内基础模型中心做事，从定理到创业的流水线看不出枯竭的迹象。多数教授乐于发论文，Ré把一篇论文当成尚未执行的商业计划，四次退出且仍在继续的记录，说明这种直觉更接近工程而非运气。 Wikipedia: Christopher Ré ## Pieter Abbeel @pabbeel Abbeel教机器人的方式像训练运动员：让它们尝试、失败、调整，重复几百万次。作为Berkeley机器人学习实验室主任、AI研究组联合主任，他把深度强化学习从一种好奇心变成了可用于行走和操控的方法，还带出一批如今自己开实验室、办公司的学生。他的名字落在域随机化、TRPO这些基础算法上，正是它们让仿真里学到的东西能迁移到真实机器上。 2017年他联合创办Covariant，把这套研究搬上工厂车间，造能在杂乱真实仓库货品里抓取分拣的机器人。2024年的退出讲了一个关于机器人归谁所有的尖锐故事，Amazon以约3.8亿美元授权了Covariant的基础模型并雇下创始人，这个数字远低于公司6.25亿美元的估值峰值。Abbeel跟着过去了。到2025年12月，他的职权早已超出机器人，Amazon让他执掌AGI组织内部的大语言模型项目。从Berkeley机器人实验室到掌管科技巨头通用智能的尝试，这条弧线概括了这十年的引力。过去最有野心的学者会从大厂分拆出去创业，如今他们被大厂吸收进来。 Wikipedia: Pieter Abbeel ## Sergey Levine @svlevine Levine想要的是能像孩子那样从原始经验里学习的机器人，这件事他固执了十年。在Berkeley，2016年起任教，他的实验室把深度强化学习推向问题最难的版本。单独练好一项技能还不够，他要的是能在不可预测物理世界里存活的通用控制。他关于离线RL和大规模机器人学习的论文，是领域每一份研究生课程提纲里的常客。 2024年他不再等工业界追上来，联合创办了Physical Intelligence，去追一个机器人的基础模型，原则上一个大脑就能驱动任何机器做任何任务。这份野心直接借自大语言模型为文本做到的事，也在“机器人正逼近自己的扩展时刻”这一赌注上引来了真金白银。他公开的论断以自信著称：他认为完全自主的机器人比怀疑者以为的近得多，缺的一直是数据和学习，至于更聪明的手写控制，从来不是关键。2025年的总统早期职业奖标记了学术界的认可。更难的裁决，是他的公司正在真实世界里接受检验的那个，在那里掉一个东西的代价远高于错一个token。 Wikipedia: Sergey Levine ## 宋晓冬（Dawn Song） @dawnsongtweets 宋晓冬从对手那一侧进入AI。她受的是安全研究的训练，2010年因系统安全工作拿过麦克阿瑟奖，多年来一直在琢磨软件怎么被攻破，然后趁所有人还在为机器学习欢呼时，把那双多疑的眼睛转向了它。驱动她的问题，与其说是AI能做什么，不如说是它如何失败、被骗，以及泄露被托付的数据。这种站位经受住了时间。当模型从回答问题的工具变成在世界里行动的agent，她警告过的攻击面成了真，她近来的工作读起来像新危险的field guide：prompt注入检测、多agent系统的可验证安全检查、追究哪些训练数据塑造了模型行为。她共同主管Berkeley负责任去中心化智能中心，2025年获评Schmidt Sciences资深研究员并当选美国艺术与科学院院士。她那门关于agentic AI的免费课吸引了全球数万名学生，对一个多数人宁愿不去想的题目来说是少见的覆盖面。在一份挤满了赛跑着让AI更强的建造者的名单上，宋晓冬带着安全专家来之不易的怀疑，问一句有没有人检查过门锁。 Wikipedia: Dawn Song ## Jitendra Malik @JitendraMalikCV Malik 1960年生于印度Mathura，读完IIT Kanpur，1986年到UC Berkeley，从此再没离开。职业生涯的大部分时间里，他是领域里伟大的感知理论家，各向异性扩散、归一化割、形状上下文都出自他手，那是计算机视觉还靠手工设计数学而非学习权重的年代。转折发生在深度学习眼看要让这一切过时的时候。许多经典视觉的奠基者选择固守，Malik选择适应。他的实验室做出了R-CNN，把卷积网络接到目标检测上，培养了一代如今执掌工业AI的学生，Ross Girshick就在其中。2018年他在保留Berkeley教席的同时，出任Facebook AI研究院的研究主任，两个世界各踏一只脚。让Malik与众不同的，与其说是某一个算法，不如说是他拒绝把当下的工具误认成问题本身。他几十年坚持视觉的核心是理解场景，赢基准测试只是其次，这份信念熬过三次范式转移仍完好。2026年皇家学会选他为院士。他是少见的长者，指导了那些推翻他自己方法的人，到头来这个结果成了对他的印证。 Wikipedia: Jitendra Malik ## 何恺明（Kaiming He）何恺明在广州长大，以省高考状元的身份进了清华，又在香港中文大学读博，研究的偏偏是给照片去雾。然后2015年，他和微软亚洲研究院的三位同事发表了ResNet，深度学习的其余部分就围着他们的想法重新排列。那个洞见简单得近乎让人难堪。让各层去学残差，也就是与输入的差，几百层深的网络突然就训得动了。那一篇论文成了本世纪至今被引最多的研究，残差连接如今几乎嵌在每个大模型里，包括驱动聊天机器人的transformer。他接着又做了Mask R-CNN和Masked Autoencoders，每个都自成一项常备工具。他在Facebook AI研究院待了八年，然后做了一件以他被引量本不必做的事：2024年加入MIT当教授，2025年拿到终身教职，如今还兼任Google DeepMind杰出科学家。他是在世被引最多的计算机视觉研究者，超过80万次，却依然选了讲台。领域里被复用最多的那个想法，来自一个不断走向更难、更不光鲜工作的人。 Wikipedia: Kaiming He ## Ross Girshick @inkynumbers Ross Girshick在芝加哥大学读完博士，又到Berkeley跟Jitendra Malik做博士后，在那里造出了R-CNN，教神经网络去找出物体，而不只是给整张图贴标签。这是让检测变成深度学习问题的那把钥匙。他不停迭代，Fast R-CNN，然后Faster R-CNN，一个接一个把上一个的成本压下去，直到实时检测成了家常便饭。那些论文如今像别的职业攒引用一样攒经得起时间检验的奖项。2024年R-CNN拿Longuet-Higgins奖，2025年Fast R-CNN拿Helmholtz奖，同年Faster R-CNN拿到一项NeurIPS奖，把自己这条谱系清扫了个遍。他在Facebook AI研究院待了十年，是那里所有计算机视觉明星中任期最长的，之后去了艾伦人工智能研究院。 2024年末他联合创办了Vercept，一家西雅图初创，教AI像人一样靠看屏幕来操作软件。2026年2月Anthropic买下它，把团队并进自己的computer-use工作。于是这个教机器看见物体的人，如今教它们对看见的东西采取行动。这条弧线异常工整：先感知，后行动，同一个研究者把环闭上了。 ## Alexei A. Efros @AlexeiEfros Alexei Efros，所有人都叫他Alyosha，1975年生于圣彼得堡，在Berkeley跟Jitendra Malik读博，正是塑造了Girshick的同一位导师。他的论文标题本身就是一份宣言：纹理与运动的数据驱动方法。早在“规模就是一切”成为口号之前，Efros就下注：难的视觉问题，答案是把更多数据直接拿来用，巧妙的数学反倒是次要的。这个赌注在2000年代初看着古怪。他的图像缝合，以及“用数百万张照片做场景补全”的工作表明，给图里的洞填上内容，可以不靠建模，而是去庞大的图堆里找一块相似的补丁。这是披着图形学外衣的最近邻搜索，效果好得没道理。背后那套哲学，让数据自己说话，如今是整个生成式AI热潮的默认假设。他在卡内基梅隆待了九年，2013年回到Berkeley，2024年获授Howard Friesen讲席教授。ACM在2016年颁给他计算奖。Efros是一个想法的守护神，这个想法花了二十年才赢：智能也许更多关乎记住足够多的例子，而非依赖推理。他最先看到，而且他是对的。 Wikipedia: Alexei A. Efros ## Regina Barzilay @BarzilayRegina Regina Barzilay 1970年生于摩尔多瓦基希讷乌，二十岁移居以色列，早年在MIT做自然语言研究，那种工作让她在2017年因教机器读懂人类文本拿到麦克阿瑟“天才”奖。后来她得了乳腺癌，研究方向随之转向。 2014年在麻省总医院治疗时，她发现了一件冒犯她科学家身份的事：预测她自己疾病的数据，就藏在旧的乳腺X光片里，却没人在用。于是她造了Mirai，一个深度学习模型，读乳腺X光片里细微的纹理，提前最多五年预测乳腺癌风险，捕捉放射科医生看不到的信号。它此后在全球医院的两百多万张片子上得到检验。她没止步于肿瘤学。她和James Collins把同一套机器学习工具用到化学上，帮忙发现了halicin，一种结构新颖、对耐药菌有效的抗生素。2020年她成为百万美元的AAAI松鼠AI奖首位得主。在这份名单上，对于“AI究竟为了什么”这个问题，Barzilay是最清楚的答案。她与死亡擦肩，把它当成一个数据集来看，再造工具让别人免于同样的猝不及防。 Wikipedia: Regina Barzilay ## Tommi Jaakkola Tommi Jaakkola进入机器学习的路子不寻常。他先在赫尔辛基理工大学拿了理论物理硕士，又在1997年拿到MIT计算神经科学博士，1998年加入MIT教职。当领域大部分人追逐基准测试的胜利时，Jaakkola花了二十年在不光鲜的地基上：统计推断、估计，以及追问一个学习方法为何有效，而不止步于它确实管用。这份耐心带来了一个意外的红利。当扩散模型突然驱动起生成式AI浪潮背后的图像生成器，它们所依赖的数学，随机过程、score估计、噪声如何被反转成结构的理论，正是Jaakkola一直在耕耘的地盘。他的实验室成了扩散变得严谨的地方之一，工具被对准了分子：生成药物候选和蛋白质结构，而不只是漂亮图片。如今身为MIT的Thomas Siebel讲席教授，他坐在深理论和硬科学的接缝处，是那种基础工作最后成了一场自己没去追的热潮承重墙的稀有研究者。他的职业生涯对每个被炒作周期诱惑的人都有一课。因为美而做的数学，往往会变成所有人都需要的数学，通常是在你做完它十年之后。 ## Max Tegmark @tegmark Max Tegmark受的是宇宙学训练，那种会平静地辩论现实是否由数学构成的物理学家。这个背景要紧，因为它解释了他怎么读人工智能：当成一个物理过程，不会获得任何不出错的特殊豁免。他自2004年起是MIT教授，早年研究宇宙微波背景和平行宇宙，后来把注意力转向走廊那头正在造的机器。 2014年他联合创办未来生命研究所，多年里它是个礼貌地发放经费的机构。然后在2023年3月，它发布了《暂停巨型AI实验》，那封信要求对任何比GPT-4更强的东西叫停六个月。三万多人签名。没有一家实验室暂停。批评者说它天真，Tegmark说它是个话题引子，单就这一点而言他是对的。此后他只更尖锐。到2026年，研究所在推动一份“亲人类AI”宣言，要求超级智能在被证明安全前一直禁止，这种措辞把他放到了他曾试图轻推的行业共识之外。一些同行觉得他危言耸听。更公道的读法是，一个以宇宙时间尺度思考的人，干脆拒绝按曲线给生存风险打分。他是这份名单指定的担忧者，而且毫不难为情地担着。 Wikipedia: Max Tegmark ## Zoubin Ghahramani @ZoubinGhahrama1 Zoubin Ghahramani花了二十年论证机器应该知道自己不知道什么。他的领域是贝叶斯机器学习，给预测附上诚实概率的那门不光鲜的学问，多年里它待在AI优雅又缺钱的边缘，而神经网络吸走了关注和金钱。然后两个世界朝对他有利的方向相撞。作为剑桥教授和皇家学会院士，Ghahramani在2020年加入Google Brain，一年后成为研究副总裁。2023年Brain并入Google DeepMind时，他留在高层任研究副总裁，帮忙在Gemini时代掌舵这间实验室。他从未放弃剑桥，两个职位同时担着。他的分量与其说在某一个模型，不如说在性情。在一个奖赏大声笃定的领域，他靠坚持有校准的怀疑建起一份事业，而这份直觉如今坐在了一间定速度的实验室里。2026年6月他报告了Gemini引导式学习在塞拉利昂学校一项对照试验的结果，这是个说明问题的细节。这位曾经为不确定性边界发愁的概率学家，现在测的是这项技术到底有没有教会一个孩子数学。他证明了严谨和规模不必为敌。 Wikipedia: Zoubin Ghahramani ## Noah Smith @nlpnoah Noah Smith的声誉，建立在自然语言处理还是一门费力手艺、远谈不上魔法的年代。他在语言结构预测和计算社会科学上的工作，教会了一代人用方法而不是蛮力从文本里拧出意义，计算语言学协会正是为此选他当会士。 transformer革命本可能让他这种细致的结构性工作显得老派。结果它给了他一桩事业。他扎根华盛顿大学Allen学院，兼任艾伦人工智能研究院NLP研究高级总监，成了更可信的声音之一，主张领域不该把自己整个交给封闭的公司巨模型。Ai2的开放发布，有一部分就是他对一个正漂向黑箱的世界的回答。他的影响走在人身上不亚于走在论文上。他带出了数十名博士，许多人如今自己开实验室，这本身就是一种复利。2025年末华盛顿大学任命他为首位AI副教务长，这个信号说明学界想要一个记得淘金热前领域什么样的人，来帮忙决定它往哪走。他是名单里的机构建设者，赌开放科学仍在桌上有一席。 ## Yejin Choi @YejinChoinka Yejin Choi靠一个让大语言模型难堪的问题成名：它们真的理解什么吗，还是只在预测下一个看着说得通的词？她对常识推理的研究，那种人类毫不费力吸收、机器拙劣假装的日常知识，成了对领域得意洋洋最尖锐的批评之一。2022年的麦克阿瑟“天才”奖确认了她抓住了巨头们跳过的东西。她把高产的年头花在华盛顿大学和艾伦人工智能研究院，造出一批让流利模型显得出奇空洞的基准。然后她做了一件完美映照行业引力的事。她在Nvidia这家给整个AI热潮卖铲子的公司接了个高级职位，之后Stanford在2025年把她招去当讲席教授和HAI资深研究员。从学术批评者到芯片巨头内部人再到Stanford讲席，这条轨迹是现代AI生涯的三步走。让她依旧有意思的是，那份批评熬过了搬迁。她仍主张更大不会自动更聪明，近来力推更小、更锐利的模型，而非所有人膜拜的蛮力扩展。在一屋子信徒里，她是那个在主桌头上拿到一把椅子、还在追问尴尬问题的怀疑者。 Wikipedia: Yejin Choi ## Sebastian Thrun @SebastianThrun Sebastian Thrun是少见的发明了两个产业、又从两个都走开的研究者。2005年他的Stanford团队赢了DARPA大挑战，让一辆没有司机的车穿过了沙漠。那场胜利让他被Google招走，在那里他创立了后来成为Waymo的自动驾驶项目，这家公司如今每周跑着几十万次付费robotaxi。他证明了自动驾驶车能成，然后把它交了出去。他也试过重塑大学。2011年前后他教的一门Stanford人工智能课吸引了十六万名在线学生，这个规模让他确信教育本身坏掉了。他联合创办Udacity，帮忙推广MOOC，承诺给任何有网络连接的人精英级教学。这场革命交付不足，大多数学生从没读完，Udacity悄悄转向了企业再培训。这个模式定义了他。Thrun是未来的连环创始人，robotaxi、在线学位，乃至Kitty Hawk的飞行汽车，他早早看见终点，乐于让别人抵达。他至今是Stanford兼职教授，仍然离实验室比离董事会更近。叫他名单里坐不住的拓荒者吧：天刚亮时才华横溢，等太阳完全升起、艰难的运营苦工开始之后就兴趣寡淡。 Wikipedia: Sebastian Thrun ## Jeff Clune @jeffclune Jeff Clune押注于一个异端：AI里最聪明的一步是停止设计智能，转而把它养出来。他对开放式（open-endedness）的研究，问的是一个系统能否像进化和人类文化那样永远不停地生成新奇，从不安顿进一个完成的答案。这是个浪漫的想法，内核却是硬工程，多年里它住在领域的猜想边缘。那些边缘如今成了前沿。身为不列颠哥伦比亚大学教授和加拿大CIFAR AI讲席，Clune穿过了业界最有野心的几家实验室，在OpenAI领导开放式工作，后来成为Google DeepMind的资深研究顾问。他的论点，AI生成算法也许能设计出比人类更好的AI，每个季度听着都更不像科幻。不安也正是从这里开始。一个被造来无止境创新、边走边自我改进的算法，恰恰是安全研究者夜里睡不着觉惦记的那种系统。Clune倾向于把这件事说成令人振奋而非恐怖，视你的神经而定，这要么是远见，要么是对领域阴郁情绪的一剂有用纠偏。他是名单里的进化论者，确信通往通用智能的路，要走的是我们放手、只能部分掌控的过程，越来越大的蓝图反倒不是答案。 Wikipedia: Jeff Clune ## Chelsea Finn @chelseabfinn Chelsea Finn解决了一个悄悄让机器学习难堪的问题：那些需要成千上万个例子才能学会的系统，孩子看一眼就懂。她2017年的算法，模型无关元学习（MAML），给了模型一种学会如何学习的办法，能从少数几个例子快速适应新任务。它成了小样本学习的标准参考，让她在自己的实验室还没站稳之前就成了明星。身为Stanford教授、IRIS组的负责人，她把这个想法对准了AI里最难的目标，物理世界。机器人是干净基准测试去送命的地方，现实嘈杂、昂贵、不留情面。Finn赌的是，在软件里管用的那种适应力，能让一个模型控制许多不同的机器，做一个会泛化的机器人，而不必为某一桩活儿手工调校。 2024年她把赌注摆上桌，和Sergey Levine等人联合创办Physical Intelligence，去追求一个适配所有机器人的模型。投资者凭这个论点交给这家初创公司数亿美元。在这里所有人当中，她最专注于弥合会说话的智能和会行动的智能之间的鸿沟。如果AI的下一跃发生在身体而非聊天框里，她会是那个早到的人。她是名单里的机器人学家，赌领域的未来是物理的。 Wikipedia: Chelsea Finn ## Tatsunori Hashimoto @tatsu_hashimoto 这份名单上多数人造模型。Tatsunori Hashimoto造的是衡量它们的尺子。他在MIT受训，2016年在Tommi Jaakkola和David Gifford门下读完博士，他从统计而非深度学习进入AI，这份差别体现在他做的每件事上。身为Stanford助理教授，他问那些领域不断跳过的不光鲜问题：当一个基准说模型很好，好在哪、对谁好？他的组的工作同时朝两个方向切。一条线正面进攻数据问题，挑选并合成训练样本，让更小的模型泛化得更好，这也部分解释了为什么他在Stanford那门从零搭语言模型的课成了一桩静悄悄的轰动。另一条线关乎诚实，衡量一个模型表态的观点、道德判断和安全行为在压力下到底站不站得住，并给政策制定者一种量化的核查办法。这个组合让他成了稀有的一类。他既精通产出前沿系统的工程，又怀疑到不信任那些系统被打分的记分牌。在一个沉迷排行榜数字的领域，那个拷问排行榜的人做的是更耐久的工作。实验室追逐下一个准确率的点，Hashimoto问这个点到底有没有意义。 ## Alec Radford @AlecRad 多年里，现代AI最有分量的研究者，也是最不显眼的那个。Alec Radford，1993年生于达拉斯附近，2014年从欧林学院退学去联合创办一家小公司，2016年前后落脚OpenAI，随后写下或参与的工作，占了整个行业如今立足其上的惊人一大块。2018年最初那篇生成式预训练transformer论文是他的，后来成为GPT-2的大部分、图文对比模型CLIP、语音系统Whisper也是。如果一个人能被称作GPT这条线的技术源头，那就是他。他不寻常的地方在于没有建立帝国的心思。同事描述的是一个想做研究、不想管组织的研究者，在同辈纷纷当上副总裁时仍留在一线。Ilya Sutskever在离开时公开感谢他，这说明真正懂行的人怎么评价他。 2024年12月他离开OpenAI去做独立研究，到2025年初以顾问身份依附于Mira Murati的Thinking Machines Lab，而没在任何地方挂个抢眼的头衔。2026年他带着Talkie重新露面，那是个只用1931年前出版文本训练的模型。这个模式很一致。这个悄悄定义了领域的人，宁愿一直工作，也不愿被管理或者去管理别人。 Wikipedia: Alec Radford ## John Schulman @johnschulman2 John Schulman是把强化学习从学术好奇变成让聊天机器人说起话来像人的那个人。加州理工物理本科，在Pieter Abbeel门下拿了Berkeley计算机科学博士，2015年联合创办OpenAI，写下了近端策略优化（PPO），这个算法悄悄驱动着应用RL的一大块。然后他领导了ChatGPT背后的强化学习团队，按几位内部人的说法，这份工作让他成了那个改变一切的产品的架构师。他近来的路线读起来像一张行业断层线地图。2024年8月他离开OpenAI去Anthropic，说想在对齐上钻得更深、把手重新放回技术活上。Anthropic这一章很短。到2025年2月他又走了，这次去了Mira Murati的Thinking Machines Lab，当上首席科学家。 2026年1月那家初创公司两名联合创始人被OpenAI挖回去时，Schulman留了下来，这说明了他认为有意思的问题如今在哪。他是少见的一再选择实验台而非角落办公室的创始人，十八个月里追着对齐跨了三家公司。这条主线无关对哪家机构的忠诚，要紧的是对问题的忠诚。 Wikipedia: John Schulman ## Noam Brown @polynoamial 早在所有人达成共识、认为AI该三思而后言之前，Noam Brown已经在牌桌上证明了好几年。在卡内基梅隆他造出Libratus，2017年在十二万手无限注德州扑克里击败四位顶尖职业选手，又造出Pluribus，第一个碾压六人局的AI，训练成本约150美元就够，好到上了《科学》封面。在Meta他造出CICERO，第一个在《外交》这种靠说服和谎言运转的游戏里打到人类水平的程序。共同的主线是搜索：让系统在决策时推理，而不是从固定策略里反应。这个想法在一个迷恋越来越大预训练模型的领域里不时髦。Brown赌它对语言也会要紧。他赌对了。在OpenAI他成了o系列推理模型背后的核心人物，正是这条线让推理时计算成了前沿系统的标准配料，而非牌桌上的小把戏。到2026年他还在那里，还在大声争辩领域量错了东西，推动基准测试用性能对成本的比值、而非纯粹准确率来衡量。Brown是少见的研究者，长期坚持的少数派观点变成了共识，又已经对下一个躁动起来。 ## Jared Kaplan Jared Kaplan当了十五年理论物理学家，才帮忙写下AI最接近自然定律的东西。Stanford本科，在Nima Arkani-Hamed门下读哈佛博士，做全息的论文，在约翰霍普金斯当教授研究量子引力，没一样指向聊天机器人。然后2019年他加入OpenAI，与人合著了《神经语言模型的扩展定律》，证明性能随规模、数据和算力沿着干净的幂律提升。那篇论文把造模型从手艺变成了预报，也是行业敢花几十亿做更大训练run的智识理由。 2021年Kaplan离开，和一群担心他们量化出的那种扩展正在跑赢任何人控制能力的OpenAI出走者一起创办了Anthropic。他是公司的首席科学官，2024年10月又接下负责任扩展官的角色，由他决定一个模型发布前必须越过的安全门槛。这个头衔里有个利落的反讽。这个证明了这些系统会多可靠地变强的物理学家，如今成了判断能力何时跑到安全前头的人。他测出了那条曲线，再任命自己当它的刹车。很少有人像他这样把这道方程的两半都理解得这么透。 Wikipedia: Jared Kaplan ## Tom Brown @nottombrown Tom Brown证明了把东西做出来的人和提出理论的人一样重要。一个自学成才的工程师，照他自己讲，线性代数还拿过B减，他成了把GPT-3从一个想法变成可用系统最负责任的人。他领导了工程，是《语言模型是小样本学习者》的第一作者，这篇2020年的论文引入了GPT-3，演示了上下文内学习，此后被引数万次。它是有史以来最有影响的机器学习论文之一，而一个工程师的名字坐在它最上面。 2021年他离开OpenAI去联合创办Anthropic，在那里他扛着现代AI里最不光鲜、也最有决定性的问题：算力。作为Anthropic核心基础设施的负责高管，他管着训练Claude的集群和系统，那套决定野心勃勃的研究是否还有可能的管道。这是他职业生涯安静的一课。前沿不只是一场智识较量，它也是一场后勤较量，在数据中心和供应链里打。Brown是那个早早把这点内化、再把它当成自己工作的创始人。研究者拿到引用。让GPU不断有料可吃的人，决定谁有资格上场较量。 ## Chris Olah @ch402 Chris Olah没读完大学。作为Thiel奖学金得主，他退了学，凭一个信念硬是挤进了别人需要博士学位才进得去的实验室，先是Google Brain，再是OpenAI。那信念是：神经网络并非黑箱，只要看得够仔细，就能把它打开、读懂。 2017年他创办了《Distill》，一份为对抗他所谓“研究债”而生的期刊，那是工作解释得差所累积起来的成本。它发表过华美的交互式论文，然后悄悄休眠，成了领域跑得比严谨文字更快的牺牲品。真正的工作来得更晚。2021年Olah联合创办Anthropic，把可解释性立为它的科学脊梁。他的团队把一个模糊的愿望，搞懂模型在想什么，变成了一个有实际成果的研究纲领：特征、电路，以及发现你能在模型内部找到一个意为“金门大桥”的方向，再像旋钮一样把它拧大。《福布斯》2025年称他为亿万富翁。2026年5月他站在梵蒂冈，对在场众人说前沿实验室不能被信任去自我治理，AI系统更像是长出来的，而不是造出来的。出自这样一家实验室的联合创始人之口，这话坦率得不寻常。 Wikipedia: Chris Olah ## Robin Rombach @robrombach Robin Rombach在海德堡受训成为物理学家，后来认定更有意思的问题是教机器看见。他的博士组造出了VQGAN，然后在2021年做出潜在扩散模型，那个洞见是：你可以在压缩的潜空间而非原始像素里跑那个昂贵的去噪过程，把图像生成的成本砍掉一个数量级。那篇论文成了Stable Diffusion，而Stable Diffusion成了对OpenAI和Google锁在API后面的一切的开源对冲。Rombach是它的第一作者。2022年有那么一刻，他的代码是任何人能生成图像的全部理由。然后机构追上了研究。他加入Stability AI，眼看公司踉跄，2024年3月与核心合作者一道辞职。几个月内他们推出Black Forest Labs，交付了FLUX，很快在渲染上盖过了成就他名声的那个模型。市场反应很快。Andreessen Horowitz领投的3100万美元种子轮，到2025年12月变成3亿美元的B轮，公司估值32.5亿美元，FLUX给Adobe、Meta和Canva的图像工具供能。Rombach是少见的研究者，造出了那个东西，失去了对它的控制，然后按自己的方式造出了更好的版本。 ## Aditya Ramesh @model_mechanic Aditya Ramesh只有一个NYU的本科学位，再无其他，Yann LeCun曾带着钦佩又难以置信的神情点出这一点。Ramesh原本想读博，OpenAI的一个暑期实习插了进来，他们把他留了下来。这一注押得极漂亮。2021年1月他是DALL·E的第一作者，第一个让“打一句话、出一张图”像魔法而非研究的系统，他又一路把它做到DALL·E 2和DALL·E 3，每一代都更擅长把缠成一团的prompt变成连贯的图像和清晰的文字。然后他从静止走向运动。Ramesh组建了OpenAI视频模型Sora背后的团队，2025年10月交付Sora 2，重点放在控制和语言落地上，也就是让模型做出你真正想要的东西这个不浪漫的问题。截至2026年，他是OpenAI的研究副总裁，领导Worldsim，要把生成视频学到的直觉推进机器人和物理世界。这个教会机器想象画面的人，如今在试着教它们行动。 ## Jonathan Ho Jonathan Ho写下了点起这把火的论文。2020年，刚从Pieter Abbeel门下拿到Berkeley博士，他发表了《去噪扩散概率模型》，表明一个看似简单得离谱的配方，加噪声、再训一个网络一步步去掉它，就能追平甚至打败统治图像生成多年的GAN。此后几乎每个文本到图像的系统，从Stable Diffusion到DALL·E 2再到Imagen，都是那一个结果的后代。Ho接着又做了无分类器引导和级联扩散，两项技术悄悄成了他刚开辟的那个领域的标准装备。作为一个奠基性人物，他出奇地难以定位。Google Brain之后他在2022年联合创办了Ideogram，一家更出色的图像初创公司之一，然后又离开了，到2026年他的踪迹通向Meta，做研究科学家。他没有梵蒂冈的讲台，没有亿万富翁的画像，标题里也没有以他名字命名的公司。他有的是垫在整个生成图像热潮底下的那条引用，那种让别人所有工作成为可能、自己却很少得到应有名分的贡献。 ## Jason Wei @_jasonwei Jason Wei把二十多岁用来写下别人如今照着做的菜谱。在Google Brain，刚拿到达特茅斯博士，他参与的两篇论文对LLM时代的塑造超过多数实验室十年的产出：思维链提示（2022），表明只要让模型一步步推理，就能解锁没人训练进去的能力，还有涌现能力那篇，主张这些跃迁会在规模上突然出现。第二个主张至今有争议。第一个几个月内就成了标准做法。 2023年他离开Google去OpenAI，做出了把思维链从一种提示技巧变成训练目标的推理模型o1和o3。然后是人才大战。2025年7月Meta把Wei连同合作者Hyung Won Chung一起招进它的超级智能实验室，那是扎克伯格对OpenAI研究班底九位数突袭的一部分。这个教会模型把思考说出声的人，如今在最被指责来得太晚的公司里做自己的思考。这一注能不能回本，是悬在他这步棋之上的悬而未决的问题。 ## Denny Zhou @denny_zhou 如果说Jason Wei是思维链的门面，Denny Zhou就是墙背后的建筑师。他在Google Brain里创立了推理团队，如今并入Google DeepMind，他的名字落在那串让LLM推理成为一门学科而非偶然的论文上：思维链、自洽性、由少到多提示。三者贯穿的是同一个直觉被推得更狠。别拿模型的第一个答案，多采样几条推理路径，信共识。别把一个难题整个甩给它，把它拆成它真爬得上去的步骤。那项工作直接喂进了Gemini，而Zhou留在算力所在的地方。截至2026年，他仍在Google DeepMind任首席科学家和研究总监，领导LLM推理，是竞价狂潮里少数没有改投对手实验室的资深推理研究者之一。他是推理故事里更安静的那一半，在头条追着离开的人跑时，他一直在建造。在一个奖赏走动的领域，他的不动几乎读起来像一种主张。 ## Quoc Le @quocleix Quoc Le的职业生涯是一串听着不可能、直到他做出来的东西。生于越南中部小镇香水，他作为创始成员到了Google Brain，随后为后来几乎每一项突破打下地基。序列到序列学习给了机器翻译现代的样子。Doc2vec教机器嵌入整篇文档。AutoML和神经架构搜索问了一个异端问题，既然搜索算法能设计出更好的网络，为什么还要手工设计，并且令人信服地作了回答。很少有研究者能宣称拥有一个奠基性成果。Le有一整组。让他与众不同的是广度。他没挑一条道守着，而是不停转向下一个瓶颈，从无监督学习到LaMDA到思维链再到AlphaGeometry，那个在奥赛几何上接近奖牌选手水平的系统。截至2026年，他是Google研究员、Google DeepMind杰出科学家，仍在他近十五年前帮忙创立的实验室里。当同辈在街对面追逐薪酬包，Le留在原地、保持高产，这在当下的市场里本身就是一种表态。 Wikipedia: Quoc Le ## 作者其它文章（选） - AI for Science 详细介绍（上）：范式与版图 - 广义祖父积分学 - 什么是“涌现”？涌现的研究史 - 互联网泡沫简史 - AI圈大V名单（推特版） - 我打造的个人AI系统：哲学基础 - NFT的叙事是如何崩塌的 - 什么是耗散结构理论？它和AI有关系吗？ - 什么是具身智能？它跟AI的关系是什么？ - 长篇分析：SpaceX未来的展望 - Vibe Coding把我系统搞崩了，我对此的总结和心得 - 人工智能的工程全景（中）：推理，后训练，对齐和安全 - 一篇文章讲清楚美国的移民系统 - 一文讲清楚美国医疗系统 - 细说美国的华人老钱家族 - 美国的犹太人和华人分别抢到了什么资源？ - 一篇文章看懂美国教育全生态 - 什么是控制论？控制论是AI的上辈子吗？ - 祖父积分学概论 - 教宗良十四世论人工智能（精华版） - Vibe Reading：AI 时代读书的系统化方法 - 美国税收制度完全指南 ## 相关链接 - [snowboat](https://x.com/snowboat84) - [@snowboat84](https://x.com/snowboat84) - [10K](https://x.com/snowboat84/status/2071743676649509122/analytics) - [@geoffreyhinton](https://x.com/geoffreyhinton) - [George Boole](https://en.wikipedia.org/wiki/George_Boole) - [Alex Krizhevsky](https://en.wikipedia.org/wiki/Alex_Krizhevsky) - [Ilya Sutskever](https://en.wikipedia.org/wiki/Ilya_Sutskever) - [Rumelhart](https://en.wikipedia.org/wiki/David_Rumelhart) - [Williams](https://en.wikipedia.org/wiki/Ronald_J._Williams) - [Bengio](https://en.wikipedia.org/wiki/Yoshua_Bengio) - [LeCun](https://en.wikipedia.org/wiki/Yann_LeCun) - [John Hopfield](https://en.wikipedia.org/wiki/John_Hopfield) - [Geoffrey Hinton](https://en.wikipedia.org/wiki/Geoffrey_Hinton) - [@ylecun](https://x.com/ylecun) - [Geoffrey Hinton](https://en.wikipedia.org/wiki/Geoffrey_Hinton) - [Yoshua Bengio](https://en.wikipedia.org/wiki/Yoshua_Bengio) - [Yann LeCun](https://en.wikipedia.org/wiki/Yann_LeCun) - [@Yoshua_Bengio](https://x.com/Yoshua_Bengio) - [Geoffrey Hinton](https://en.wikipedia.org/wiki/Geoffrey_Hinton) - [Yann LeCun](https://en.wikipedia.org/wiki/Yann_LeCun) - [Yoshua Bengio](https://en.wikipedia.org/wiki/Yoshua_Bengio) - [@RichardSSutton](https://x.com/RichardSSutton) - [Andrew Barto](https://en.wikipedia.org/wiki/Andrew_Barto) - [Richard S. Sutton](https://en.wikipedia.org/wiki/Richard_S._Sutton) - [Richard Sutton](https://en.wikipedia.org/wiki/Richard_S._Sutton) - [Andrew Barto](https://en.wikipedia.org/wiki/Andrew_Barto) - [@SchmidhuberAI](https://x.com/SchmidhuberAI) - [Sepp Hochreiter](https://en.wikipedia.org/wiki/Sepp_Hochreiter) - [Geoffrey Hinton](https://en.wikipedia.org/wiki/Geoffrey_Hinton) - [Yoshua Bengio](https://en.wikipedia.org/wiki/Yoshua_Bengio) - [Yann LeCun](https://en.wikipedia.org/wiki/Yann_LeCun) - [Jürgen Schmidhuber](https://en.wikipedia.org/wiki/J%C3%BCrgen_Schmidhuber) - [@JeffDean](https://x.com/JeffDean) - [Jeff Dean](https://en.wikipedia.org/wiki/Jeff_Dean) - [@goodfellow_ian](https://x.com/goodfellow_ian) - [Yoshua Bengio](https://en.wikipedia.org/wiki/Yoshua_Bengio) - [Andrew Ng](https://en.wikipedia.org/wiki/Andrew_Ng) - [Ian Goodfellow](https://en.wikipedia.org/wiki/Ian_Goodfellow) - [@AndrewYNg](https://x.com/AndrewYNg) - [Daphne Koller](https://en.wikipedia.org/wiki/Daphne_Koller) - [Andrew Ng](https://en.wikipedia.org/wiki/Andrew_Ng) - [@drfeifei](https://x.com/drfeifei) - [Fei-Fei Li](https://en.wikipedia.org/wiki/Fei-Fei_Li) - [@DaphneKoller](https://x.com/DaphneKoller) - [Andrew Ng](https://en.wikipedia.org/wiki/Andrew_Ng) - [Daphne Koller](https://en.wikipedia.org/wiki/Daphne_Koller) - [Andrew Ng](https://en.wikipedia.org/wiki/Andrew_Ng) - [David Blei](https://en.wikipedia.org/wiki/David_Blei) - [Zoubin Ghahramani](https://en.wikipedia.org/wiki/Zoubin_Ghahramani) - [Eric Xing](https://en.wikipedia.org/wiki/Eric_Xing) - [Yoshua Bengio](https://en.wikipedia.org/wiki/Yoshua_Bengio) - [Michael I. Jordan](https://en.wikipedia.org/wiki/Michael_I._Jordan) - [@sama](https://x.com/sama) - [Elon Musk](https://en.wikipedia.org/wiki/Elon_Musk) - [Sam Altman](https://en.wikipedia.org/wiki/Sam_Altman) - [@gdb](https://x.com/gdb) - [Greg Brockman](https://en.wikipedia.org/wiki/Greg_Brockman) - [@ilyasut](https://x.com/ilyasut) - [Geoffrey Hinton](https://en.wikipedia.org/wiki/Geoffrey_Hinton) - [Ilya Sutskever](https://en.wikipedia.org/wiki/Ilya_Sutskever) - [@miramurati](https://x.com/miramurati) - [Mira Murati](https://en.wikipedia.org/wiki/Mira_Murati) - [@DarioAmodei](https://x.com/DarioAmodei) - [Dario Amodei](https://en.wikipedia.org/wiki/Dario_Amodei) - [@DanielaAmodei](https://x.com/DanielaAmodei) - [Daniela Amodei](https://en.wikipedia.org/wiki/Daniela_Amodei) - [@demishassabis](https://x.com/demishassabis) - [John Jumper](https://en.wikipedia.org/wiki/John_M._Jumper) - [Demis Hassabis](https://en.wikipedia.org/wiki/Demis_Hassabis) - [@ShaneLegg](https://x.com/ShaneLegg) - [Demis Hassabis](https://en.wikipedia.org/wiki/Demis_Hassabis) - [Mustafa Suleyman](https://en.wikipedia.org/wiki/Mustafa_Suleyman) - [Shane Legg](https://en.wikipedia.org/wiki/Shane_Legg) - [@JohnJumperSci](https://x.com/JohnJumperSci) - [Demis Hassabis](https://en.wikipedia.org/wiki/Demis_Hassabis) - [John Jumper](https://en.wikipedia.org/wiki/John_M._Jumper) - [@elonmusk](https://x.com/elonmusk) - [Elon Musk](https://en.wikipedia.org/wiki/Elon_Musk) - [@ibab](https://x.com/ibab) - [Elon Musk](https://en.wikipedia.org/wiki/Elon_Musk) - [@arthurmensch](https://x.com/arthurmensch) - [Arthur Mensch](https://en.wikipedia.org/wiki/Arthur_Mensch) - [@EMostaque](https://x.com/EMostaque) - [Emad Mostaque](https://en.wikipedia.org/wiki/Emad_Mostaque) - [@AravSrinivas](https://x.com/AravSrinivas) - [@mustafasuleyman](https://x.com/mustafasuleyman) - [Reid Hoffman](https://en.wikipedia.org/wiki/Reid_Hoffman) - [Mustafa Suleyman](https://en.wikipedia.org/wiki/Mustafa_Suleyman) - [@alexandr_wang](https://x.com/alexandr_wang) - [Alexandr Wang](https://en.wikipedia.org/wiki/Alexandr_Wang) - [@shengjia_zhao](https://x.com/shengjia_zhao) - [@danielgross](https://x.com/danielgross) - [Ilya Sutskever](https://en.wikipedia.org/wiki/Ilya_Sutskever) - [Daniel Gross](https://en.wikipedia.org/wiki/Daniel_Gross_(businessman)) - [@natfriedman](https://x.com/natfriedman) - [Nat Friedman](https://en.wikipedia.org/wiki/Nat_Friedman) - [@merettm](https://x.com/merettm) - [Ilya Sutskever](https://en.wikipedia.org/wiki/Ilya_Sutskever) - [Jakub Pachocki](https://en.wikipedia.org/wiki/Jakub_Pachocki) - [@markchen90](https://x.com/markchen90) - [@OriolVinyalsML](https://x.com/OriolVinyalsML) - [Oriol Vinyals](https://en.wikipedia.org/wiki/Oriol_Vinyals) - [@dsilver829](https://x.com/dsilver829) - [Richard Sutton](https://en.wikipedia.org/wiki/Richard_S._Sutton) - [David Silver](https://en.wikipedia.org/wiki/David_Silver_(computer_scientist)) - [@ashVaswani](https://x.com/ashVaswani) - [Ashish Vaswani](https://en.wikipedia.org/wiki/Ashish_Vaswani) - [@NoamShazeer](https://x.com/NoamShazeer) - [Noam Shazeer](https://en.wikipedia.org/wiki/Noam_Shazeer) - [@nikiparmar09](https://x.com/nikiparmar09) - [@kyosu](https://x.com/kyosu) - [Jakob Uszkoreit](https://en.wikipedia.org/wiki/Jakob_Uszkoreit) - [@YesThisIsLion](https://x.com/YesThisIsLion) - [Llion Jones](https://en.wikipedia.org/wiki/Llion_Jones) - [@aidangomez](https://x.com/aidangomez) - [Aidan Gomez](https://en.wikipedia.org/wiki/Aidan_Gomez) - [@lukaszkaiser](https://x.com/lukaszkaiser) - [@ilblackdragon](https://x.com/ilblackdragon) - [Illia Polosukhin](https://en.wikipedia.org/wiki/Illia_Polosukhin) - [@chrmanning](https://x.com/chrmanning) - [Fei-Fei Li](https://en.wikipedia.org/wiki/Fei-Fei_Li) - [Christopher D. Manning](https://en.wikipedia.org/wiki/Christopher_D._Manning) - [@percyliang](https://x.com/percyliang) - [Percy Liang](https://en.wikipedia.org/wiki/Percy_Liang) - [Percy Liang](https://en.wikipedia.org/wiki/Percy_Liang) - [Christopher Ré](https://en.wikipedia.org/wiki/Christopher_R%C3%A9) - [@pabbeel](https://x.com/pabbeel) - [Pieter Abbeel](https://en.wikipedia.org/wiki/Pieter_Abbeel) - [@svlevine](https://x.com/svlevine) - [Sergey Levine](https://en.wikipedia.org/wiki/Sergey_Levine) - [@dawnsongtweets](https://x.com/dawnsongtweets) - [Dawn Song](https://en.wikipedia.org/wiki/Dawn_Song) - [@JitendraMalikCV](https://x.com/JitendraMalikCV) - [Jitendra Malik](https://en.wikipedia.org/wiki/Jitendra_Malik) - [Kaiming He](https://en.wikipedia.org/wiki/Kaiming_He) - [@inkynumbers](https://x.com/inkynumbers) - [Jitendra Malik](https://en.wikipedia.org/wiki/Jitendra_Malik) - [@AlexeiEfros](https://x.com/AlexeiEfros) - [Jitendra Malik](https://en.wikipedia.org/wiki/Jitendra_Malik) - [Alexei A. Efros](https://en.wikipedia.org/wiki/Alexei_A._Efros) - [@BarzilayRegina](https://x.com/BarzilayRegina) - [Regina Barzilay](https://en.wikipedia.org/wiki/Regina_Barzilay) - [@tegmark](https://x.com/tegmark) - [Max Tegmark](https://en.wikipedia.org/wiki/Max_Tegmark) - [@ZoubinGhahrama1](https://x.com/ZoubinGhahrama1) - [Zoubin Ghahramani](https://en.wikipedia.org/wiki/Zoubin_Ghahramani) - [@nlpnoah](https://x.com/nlpnoah) - [@YejinChoinka](https://x.com/YejinChoinka) - [Yejin Choi](https://en.wikipedia.org/wiki/Yejin_Choi) - [@SebastianThrun](https://x.com/SebastianThrun) - [Sebastian Thrun](https://en.wikipedia.org/wiki/Sebastian_Thrun) - [@jeffclune](https://x.com/jeffclune) - [Jeff Clune](https://en.wikipedia.org/wiki/Jeff_Clune) - [@chelseabfinn](https://x.com/chelseabfinn) - [Sergey Levine](https://en.wikipedia.org/wiki/Sergey_Levine) - [Chelsea Finn](https://en.wikipedia.org/wiki/Chelsea_Finn) - [@tatsu_hashimoto](https://x.com/tatsu_hashimoto) - [@AlecRad](https://x.com/AlecRad) - [Alec Radford](https://en.wikipedia.org/wiki/Alec_Radford) - [@johnschulman2](https://x.com/johnschulman2) - [Pieter Abbeel](https://en.wikipedia.org/wiki/Pieter_Abbeel) - [John Schulman](https://en.wikipedia.org/wiki/John_Schulman) - [@polynoamial](https://x.com/polynoamial) - [Jared Kaplan](https://en.wikipedia.org/wiki/Jared_Kaplan) - [@nottombrown](https://x.com/nottombrown) - [@ch402](https://x.com/ch402) - [Chris Olah](https://en.wikipedia.org/wiki/Chris_Olah) - [@robrombach](https://x.com/robrombach) - [@model_mechanic](https://x.com/model_mechanic) - [Pieter Abbeel](https://en.wikipedia.org/wiki/Pieter_Abbeel) - [@_jasonwei](https://x.com/_jasonwei) - [@denny_zhou](https://x.com/denny_zhou) - [@quocleix](https://x.com/quocleix) - [Quoc Le](https://en.wikipedia.org/wiki/Quoc_V._Le) - [AI for Science 详细介绍（上）：范式与版图](https://x.com/snowboat84/status/2070656715515932930) - [广义祖父积分学](https://x.com/snowboat84/status/2070291045007671732) - [什么是“涌现”？涌现的研究史](https://x.com/snowboat84/status/2069931234328027483) - [互联网泡沫简史](https://x.com/snowboat84/status/2069569161911812606) - [AI圈大V名单（推特版）](https://x.com/snowboat84/status/2069206740546343372) - [我打造的个人AI系统：哲学基础](https://x.com/snowboat84/status/2068120320578629782) - [NFT的叙事是如何崩塌的](https://x.com/snowboat84/status/2067756975069516170) - [什么是耗散结构理论？它和AI有关系吗？](https://x.com/snowboat84/status/2067399314843000842) - [什么是具身智能？它跟AI的关系是什么？](https://x.com/snowboat84/status/2067032626821747178) - [长篇分析：SpaceX未来的展望](https://x.com/snowboat84/status/2066674353648046515) - [Vibe Coding把我系统搞崩了，我对此的总结和心得](https://x.com/snowboat84/status/2065586279010742687) - [人工智能的工程全景（中）：推理，后训练，对齐和安全](https://x.com/snowboat84/status/2065215177029787705) - [一篇文章讲清楚美国的移民系统](https://x.com/snowboat84/status/2057980486501433383) - [一文讲清楚美国医疗系统](https://x.com/snowboat84/status/2055081426744422697) - [细说美国的华人老钱家族](https://x.com/snowboat84/status/2062326581776011623) - [美国的犹太人和华人分别抢到了什么资源？](https://x.com/snowboat84/status/2063049247805837815) - [一篇文章看懂美国教育全生态](https://x.com/snowboat84/status/2054359249917210633) - [什么是控制论？控制论是AI的上辈子吗？](https://x.com/snowboat84/status/2064496706042069340) - [祖父积分学概论](https://x.com/snowboat84/status/2056533111983493136) - [教宗良十四世论人工智能（精华版）](https://x.com/snowboat84/status/2059434342745866391) - [Vibe Reading：AI 时代读书的系统化方法](https://x.com/snowboat84/status/2050008577511973253) - [美国税收制度完全指南](https://x.com/snowboat84/status/2060511915617779821) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [7:52 AM · Jun 30, 2026](https://x.com/snowboat84/status/2071743676649509122) - [10.9K Views](https://x.com/snowboat84/status/2071743676649509122/analytics) --- *导出时间: 2026/7/5 17:19:59*

🔗 相关文档