亞馬遜推出AI博士獎學金，百名學者分走6800萬美金，華人學者在列

10 月 21 日，亞馬遜正式宣布啟動一項總價值 6,800 萬美元的 AI 博士獎學金計劃），該計劃將在未來兩年內為九所頂尖大學的 100 余名博士生提供資助，這九所高校分別是卡內基梅隆大學、約翰斯·霍普金斯大學、麻省理工學院、斯坦福大學、加州大學伯克利分校、加州大學洛杉磯分校、伊利諾伊大學厄巴納-香檳分校、德克薩斯大學奧斯汀分校以及華盛頓大學。

值得關注的是，在已公布獲獎名單的麻省理工學院、卡內基梅隆大學、加州大學伯克利分校和德克薩斯大學奧斯汀分校中，多位華人學者憑借在 AI 前沿領域的研究脫穎而出。

這項為期兩年的獎學金計劃覆蓋 2025-2026 和 2026-2027 兩個學年，資金構成頗為豪華：每年提供 1,000 萬美元的直接學生資助，外加價值 2,400 萬美元的亞馬遜云服務（Amazon Web Services，AWS）云計算 credits。參與該計劃的九所大學各自每年將獲得 110 萬美元資助，具體支持的學生數量則根據各校與學生的財務安排而定。

（來源：Amazon）

根據亞馬遜人工智能總院高級副總裁兼首席科學家 Rohit Prasad 的說法，該計劃重點關注“對實用 AI 具有重大影響”的研究方向，包括機器學習、計算機視覺和自然語言處理等核心 AI 學科。特別值得注意的是，亞馬遜強調了幾個前沿研究領域：智能體系統（agentic systems）、大語言模型和其他生成式 AI 模型、機器學習系統基礎設施，以及自動化推理（automated reasoning）。

每位獲獎者不僅能獲得資金支持，還將與一位亞馬遜的資深科學家配對，這位“研究聯絡人”（research liaison）的專業方向與學生的研究課題相關，定期會面提供指導并探討研究的實際應用價值。學生們還可在暑期前往亞馬遜實習，將研究項目推進到實踐場景。

以下是是目前已公布名單的四所高校中的華人獲獎學者。

麻省理工學院

Jenny Huang

（來源：Jenny Huang）

Jenny Huang 目前在 MIT 電子工程與計算機科學系攻讀博士學位，此前于杜克大學取得統計科學與計算機科學雙學位。她的研究方向包括以數據為中心的機器學習、不確定性量化以及高效 AI 開發。除了此次亞馬遜獎學金，Huang 還獲得了 MIT 總統獎學金和 Quad 獎學金的支持。

Songyuan Zhang

（來源：Songyuan Zhang）

Songyuan Zhang 是 MIT 航空航天系博士生，同時也是可靠自主系統實驗室（REALM）的成員。他本科畢業于清華大學錢學森力學班。Zhang 專注于安全多智能體系統、強化學習、控制理論和機器人學的研究，最終目標是開發出真正智能的輔助機器人。他關于多智能體安全最優控制的研究論文《Solving Multi-Agent Safe Optimal Control with Distributed Epigraph Form MARL》此前入圍了 2025 RSS 會議的最佳論文獎決賽，并獲得了最佳學生論文獎。

David Jin

（來源：LinkedIn）

David Jin 在 MIT 計算科學與工程項目攻讀博士學位，本科在加州理工學院（Caltech）獲得信息與數據科學和物理學雙學位。他的研究聚焦于 GPU 加速和分布式方法在 AI 驅動決策系統中的大規模優化應用，涉及機器人和能源等多個領域，致力于通過算法設計和現代硬件推動可擴展計算的邊界。

加州大學伯克利分校

Dacheng Li

（來源：Dacheng Li）

Dacheng Li 是 UCB 電子工程與計算機科學系系博士生，同時隸屬于 Sky 計算實驗室和 UCB 人工智能研究中心（BAIR）。此前分別取得了卡內基梅隆大學機器學習碩士學位和加州大學圣地亞哥分校本科學位。Li 的研究位于視覺與文本生成模型及分布式系統的交叉點，深度參與了多個開源項目，包括擔任 NovaSky 的聯合負責人以及 lmsys 的核心成員——后者開發的 Vicuna 和 Chatbot Arena 已成為評估大語言模型的行業標準工具。

Hao Wang

（來源：Hao Wang）

Hao Wang 在 UCB 攻讀博士學位，師從安全領域的知名學者 Koushik Sen 和 Dawn Song，本科畢業于北京大學圖靈班。他的研究課題“通過受控安全推理實現實用的安全代碼生成”（Practical Secure Code Generation via Controlled Secure Reasoning）主要關注當今大語言模型生成代碼中普遍存在的安全漏洞問題。他在類型約束解碼和開發主動式安全編碼智能體方面的工作，對提升 AI 驅動的軟件開發安全性具有重要意義。

Melissa Pan / Zhiyang Pan

（來源：Melissa Pan）

Zhiyang Pan 是 UCB 電子工程與計算機科學系博士生，師從 Matei Zaharia 教授，隸屬于 Sky 計算實驗室。她此前在卡內基梅隆大學取得碩士學位，師從 Akshitha Sriraman 教授，本科畢業于多倫多大學計算機工程專業。值得一提的是, 在攻讀學位期間，她還曾在 IBM 工作約 3 年，從事 Db2 數據庫核心引擎開發，專注于備份、恢復等高可用性功能。她的研究聚焦于將可持續性作為大規模機器學習和數據中心系統中的一階優化目標，特別關注能源、功耗和碳感知優化。

曹詩怡（Shiyi Cao）

（來源：曹詩怡）

曹詩怡是 UCB 計算機科學系博士生，師從 Ion Stoica 和 Joseph E. Gonzalez，本科畢業于上海交通大學，碩士畢業于蘇黎世聯邦理工學院。她的研究專注于為大語言模型構建高效系統，是 S-LoRA 項目的核心貢獻者——這個系統能夠支持數千個 LoRA 適配器（一種流行的大語言模型微調方法）的并發服務。她還參與開發了 MoE-Lightning，讓混合專家模型能夠在內存受限的 GPU 上實現高吞吐量推理，直接解決了大規模部署大語言模型的計算與內存瓶頸。

Shuo Yang

（來源：Shuo Yang）

Shuo Yang 是 UCB 電子工程與計算機科學系和 Sky 計算實驗室的博士生，本科畢業于上海交通大學，他的課題方向是“高效長視頻生成”（Efficient Long Video Generation）。Shuo Yang 也參與了 S-LoRA 等重要項目的開發工作。

卡內基梅隆大學

Yuxiao Qu

（來源：卡內基梅隆大學）

Yuxiao Qu 是 CMU 機器學習系博士生，師從于 Aviral Kumar 教授和 Ruslan Salakhutdinov 教授。他本科畢業于威斯康星大學麥迪遜分校，此前還曾在香港中文大學學習。他的研究目標是“賦予 AI 智能體以人類的好奇心”。Qu 的工作位于強化學習與基礎模型的交叉領域，試圖創造出能夠自主提出假設、執行實驗并得出結論的 AI 系統，有望為科學發現開辟新的可能性。

Danqing Wang（王丹青）

（來源：卡內基梅隆大學）

Danqing Wang 是 CMU 語言技術研究所博士生，師從于李磊教授。她此前于復旦大學獲得計算機科學學士和碩士學位，本科和碩士期間都是復旦大學自然語言處理組的成員。她的研究致力于提升基于大語言模型的智能體在復雜環境中的可靠性與安全性，重點關注大語言模型的戰略規劃能力，尤其是在多智能體協作場景下的表現，為構建可信賴的 AI 智能體打下基礎。

Mengdi Wu（吳夢迪）

（來源：卡內基梅隆大學）

吳夢迪是 CMU 計算機科學系博士生，師從于 Zhihao Jia 教授，本科畢業于清華大學姚班。她專注于機器學習系統研究，特別是機器學習編譯器和超優化（superoptimization）領域。她致力于通過自動化方式學習和調整計算內核的優化策略，從而提升模型在不同硬件平臺上的訓練與推理效率和可擴展性。

Xinyu Yang

（來源：卡內基梅隆大學）

Xinyu Yang 是 CMU 電子與計算機工程系博士生，師從于陳貝迪教授，本科畢業于上海交通大學 ACM 榮譽班。她的研究核心是解決 AI 智能體的規模化擴展難題，正在開發一種新穎的生成模型架構，能夠在單一模型運行時中實現多智能體工作流，為處理復雜智能體系統提供了新的技術路徑。

Zeji Yi

（來源：卡內基梅隆大學）

Zeji Yi 是 CMU 電氣與計算機工程系系博士生，師從于 Guannan Qu 和 Guanya Shi 教授，本科畢業于清華大學。他的研究方向是將生成模型應用于通用機器人平臺，包括人形機器人和靈巧手。這項研究不僅具有學術價值，其應用場景——倉庫自動化和訂單履行中心——也與亞馬遜的核心業務直接相關。

Zichun Yu

（來源：卡內基梅隆大學）

Zichun Yu 是 CMU 語言技術研究所博士生，導師是熊辰炎教授，2023 年從清華大學獲得計算機科學榮譽學士學位，本科期間是清華大學自然語言處理組（THUNLP）的成員。他關注大語言模型預訓練中的數據瓶頸問題——高質量原生數據的稀缺性。他的工作是設計能夠生成高質量合成數據的系統，用于補充真實世界數據的不足，最終訓練出更強大、更可靠的模型。

Xinran Zhao

（來源：卡內基梅隆大學）

Xinran Zhao 是 CMU 語言技術研究所博士生，師從于吳彤霜（Sherry Wu）教授，本科畢業于香港科技大學。他的研究方向主要集中于增強檢索增強生成（Retrieval-Augmented Generation，RAG）方面，現有 RAG 系統在處理不確定信息源和動態變化語境時往往表現不佳，Zhao 正在開發新系統來提升 RAG 在復雜場景下的感知能力、歸因能力和有效性，讓大語言模型變得更加可靠。

德克薩斯大學奧斯汀分校

Haoyu Li

(來源：Haoyu Li)

Haoyu Li 隸屬于 UT Austin 網絡系統研究組，師從 Aditya Akella 和 Venkat Arun 教授。他本科畢業于北京大學圖靈班，師從于楊仝教授。他的研究聚焦于利用 AI 技術改進現代系統的性能和可用性，當前工作包括數據分析管道、大語言模型緩存管理以及邊緣計算和自動駕駛系統的調度。

Junbo Li

（來源：Junbo Li）

Junbo Li 師從 Atlas Wang 和劉強（Qiang Liu）教授，同屬于 UT Austin VITA 研究組。他的研究專注于推動推理驅動的智能體大語言模型和強化學習的發展，特別強調構建能夠解釋指令、動態利用外部工具、環境和推理來解決復雜現實世界問題的自演化管道。

Kiazhao Liang

（來源：Kiazhao Liang）

Kiazhao Liang 師從劉強教授，此前曾在 SambaNova Systems 擔任首席工程師。他的研究重點是高效訓練方法、稀疏神經網絡和大語言模型。他本科畢業于伊利諾伊大學香檳分校計算機科學專業，擁有豐富的工業界經驗。

Chutong Yang

（來源：Chutong Yang）

Chutong Yang 師從 Kevin Tian 教授。他本科畢業于加州大學圣地亞哥分校，隨后在斯坦福大學取得碩士學位，目前在 UT Austin 攻讀博士。他對理論計算機科學和可信機器學習中的算法設計和分析有著廣泛興趣，研究領域包括學習理論、差分隱私以及算法公平性，主要使用優化和統計學工具來解決這些問題。

Xiao Zhang

（來源：UT Networked Systems）

Xiao Zhang 同樣隸屬于 UT Austin 網絡系統研究組，師從 Daehyeok Kim 教授。他的研究聚焦于網絡化和分布式系統，當前重點是通過跨層遙測和資源管理在 5G 邊緣實現可預測的 AI 性能。他致力于構建能夠彌合現實世界部署挑戰與核心 AI 基礎設施需求的實用系統。

參考資料：

1.https://www.amazon.science/news/amazon-launches-68-million-ai-phd-fellowship-program?utm_campaign=ai-phd-fellowship&utm_medium=organic-asw&utm_source=twitter&utm_content=2025-10-21-ai-phd-fellowship&utm_term=2025-october

2.https://eecs.berkeley.edu/news/eecs-students-drive-ai-innovation-as-amazon-phd-fellows/

3.https://computing.mit.edu/news/nine-mit-phd-students-named-amazon-ai-fellows/

4.https://www.cs.cmu.edu/news/2025/amazon-phd-fellows

運營/排版：何晨龍