亚马逊 AI 博士奖学金获得者已经陆续公布了，该计划将资助来自九所大学的 100 多名博士生来研究机器学习、计算机视觉和自然语言处理领域。
九所高校包括 CMU、约翰霍普金斯大学、MIT、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和华盛顿大学。
另外，该项目将在 2025–2026 和 2026–2027 两个学年中，向学生提供 1000 万美元的资助，并每年额外提供 2400 万美元的 Amazon Web Services（AWS）云计算额度。这使得该项目在两年内共计提供 6800 万美元。
截止目前，已有多所高校公布了博士生入选名单，接下来，我们看看华人学者有哪些。
MIT
Jenny Huang
Jenny Huang 是 EECS 的博士生。她的研究兴趣包括数据驱动的机器学习、不确定性量化以及高效人工智能的开发。Huang 在杜克大学获得了统计学和计算机科学学士学位。
David Jin
David Jin 是计算科学与工程系的博士生。Jin 对可扩展计算有浓厚兴趣，并致力于通过算法设计和现代硬件推动其发展。在机器人和能源应用方面，他的研究专注于人工智能驱动决策系统中 GPU 加速的大规模优化方法。
Songyuan Zhang（张凇源）
张凇源是航空航天系的博士研究生，本科毕业于清华大学钱学森工程科学实验班（钱班）。他是可靠自主系统实验室的成员。张的研究兴趣集中在安全多智能体系统、强化学习、控制理论和机器人。目前，他的目标是开发真正智能的辅助机器人。
CMU
Yuxiao Qu
Yuxiao Qu 希望为 AI 智能体赋予人类的求知欲，一个像科学家一样寻求知识的 AI 系统 —— 提出假设、进行实验并得出结论 —— 将推动科学研究、药物发现和持续数字辅助领域的探索前沿。他本科毕业于香港中文大学。
Danqing Wang（王丹青）
王丹青正致力于通过建立基准和评估方法、将安全性和功能性整合到训练中，并确保智能体仅共享必要信息以提高效率并降低风险，从而提高基于 LLM 智能体在复杂现实环境中的可靠性和安全性。这项研究将为开发智能、可信且安全的 AI 智能体奠定坚实基础。
她本硕毕业于复旦大学计算机专业，曾在字节跳动研究院 AI 实验室担任研究员，在 Meta AI（FAIR）、阿里巴巴（Qwen 团队）实习。
Mengdi Wu（吴梦迪）
吴梦迪本科毕业于清华大学姚班。她利用机器学习来自动学习和适应计算内核优化策略，以适用于硬件和工作负载。这项工作旨在跨不同平台提供高性能内核，同时减少开发人员的工作量，并实现更快、更具可扩展性的模型训练和推理。
Xinyu Yang
Xinyu Yang 希望通过简化端到端训练系统来使 AI 智能体得到扩展。他的工作引入了一种新的生成模型架构，该架构能够在单个模型运行时实现多智能体工作流程。他本科毕业于上海交通大学 ACM 班。
Zeji Yi
Zeji Yi 希望将生成模型应用于通用机器人平台，例如人形机器人和灵巧手。这项工作可能为下一代人形机器人基础模型铺平道路，其潜在应用包括仓库自动化和配送中心。
他本科毕业于清华大学钱学森工程科学实验班，硕士毕业于清华。
Zichun Yu
Zichun Yu 主要研究 LLM 面临的一些挑战，即有机数据有限及其对模型预训练造成的瓶颈。Zichun Yu 专注于设计和优化合成数据生成系统，以补充稀缺的有机数据，从而提升数据的质量和数量，最终提供更优、更纯净、更丰富的预训练数据。他本科毕业于清华大学。
Xinran Zhao
Xinran Zhao 研究领域之一是增强RAG，一种依赖外部来源的生成式人工智能，这些来源在不确定的来源、不断变化的用户解释和先前的行为方面存在困难。Xinran Zhao的新系统提高了在复杂 RAG 场景中的意识、归因和有效性。他本科毕业于香港科技大学。
UC 伯克利
Dacheng Li
Dacheng Li 的研究目标是高效地开发人工智能和人工世界，他一直从事视觉和文本生成模型以及分布式系统的交叉领域研究。Hao Wang
Hao Wang 主要研究通过受控安全推理实现实用的安全代码生成。由 Koushik Sen 和 Dawn Song 共同指导。Hao Wang 对安全、软件工程和 LLM 的交叉领域感兴趣，目前专注于安全代码生成。
Melissa Pan
Melissa Pan 导师是 Matei Zaharia 教授，隶属于 Sky Computing 实验室。研究方向是在大规模机器学习和数据中心系统中，将可持续性作为首要优化目标，同时关注效率。Melissa Pan 感兴趣的方向包括：机器学习系统、数据中心计算和分布式系统。
Shiyi Cao（曹诗怡）
曹诗怡导师是 Ion Stoica 和 Joseph Gonzalez，隶属于天空计算实验室和 BAIR。她在上海交通大学获得了计算机科学学士学位，主要感兴趣的方向为在大规模异构系统上加速 / 优化计算（尤其是机器学习工作负载）。
Shuo Yang
Shuo Yang 导师是 Ion Stoica 教授。他在上海交通大学 ACM 荣誉班完成了本科学业。Shuo Yang 的研究方向是高效的机器学习，包括 LLM 推理和 DiT 视频生成。
UT Austin
Haoyu Li
个人主页：https://lihy0529.github.io/
Haoyu Li 导师是 Aditya Akella 和 Venkat Arun。他的研究重点是利用人工智能技术来提升现代系统的性能和可用性，重点关注数据分析流程、LLM 缓存管理以及边缘计算和自动驾驶汽车系统的调度。在此之前，Haoyu Li 于 2023 年在北京大学图灵班获理学学士学位。
Junbo Li
个人主页：https://ljb121002.github.io/
Junbo Li 的导师是 Atlas Wang 和 Qiang Liu。主要研究方向是 agentic 大语言模型和强化学习，重点是构建能够自我演进的流程，该流程能够解释指令，同时动态地利用外部工具、环境和推理来解决复杂的现实问题。
2023 年，Junbo Li 获得加州大学圣克鲁兹分校计算机科学硕士学位，2021 年，获得复旦大学数学与应用数学学士学位。高中期间，他曾学习了一年数学竞赛，并在中国数学奥林匹克（CMO）中获得银牌。
Kaizhao Liang
个人主页：https://kyleliang919.github.io/
Kaizhao Liang 现在的导师是 Qiang Liu，他的研究方向包括高效训练方法、稀疏神经网络以及大语言模型。此前，他在伊利诺伊大学厄巴纳 - 香槟分校获得计算机科学学士学位。
Zeping Liu
Zeping Liu 的导师是 Gengchen Mai。他的研究重点是推进地理空间人工智能研究，重点关注地理基础模型和空间表征学习。他在期刊和会议上发表了 14 篇论文，包括 NeurIPS、RSE、ESSD 和 IEEE TGRS，并担任 8 个期刊的审稿人。
Haoran Xu（徐浩然）
学术主页：https://scholar.google.com/citations?user=iX8AJI0AAAAJ&hl=zh-CN
Haoran Xu 的导师是 Amy Zhang。他的工作重点是扩展强化学习方法并整合生成式人工智能，以推动超越人类的通用人工智能，尤其是在机器人技术和大语言模型领域的应用。他曾在微软研究院担任暑期研究实习生。
Chutong Yang
个人主页：https://chutongyang98.github.io/
Chutong Yang 的导师是 Kevin Tian。他对理论计算机科学和可信机器学习中的算法设计和分析有着广泛的兴趣。他的兴趣包括使用优化和统计工具来解决学习理论、算法公平性等方面的问题。2023 年 Chutong Yang 获得斯坦福大学计算机科学硕士学位。2020 年获得加州大学圣地亚哥分校计算机科学和数学双学士学位。
Xiao Zhang
个人主页：https://timez-zx.github.io/
Xiao Zhang 导师是 Daehyeok Kim。他的研究重点是网络化和分布式系统，目前重点是通过跨层遥测和资源管理实现 5G 边缘可预测的 AI 性能。他的目标是构建实用的系统，以弥合现实世界的部署挑战和核心 AI 基础设施需求。在攻读博士学位之前，Xiao Zhang 在上海交通大学获得了硕士和学士学位。
以上是现已公布的获奖者名单，之后其他学校名单也会陆续公布，大家可以再等等。
