亚马逊推出AI博士奖学金，百名学者分走6800万美金，华人学者在列

10 月 21 日，亚马逊正式宣布启动一项总价值 6,800 万美元的 AI 博士奖学金计划），该计划将在未来两年内为九所顶尖大学的 100 余名博士生提供资助，这九所高校分别是卡内基梅隆大学、约翰斯·霍普金斯大学、麻省理工学院、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以及华盛顿大学。

值得关注的是，在已公布获奖名单的麻省理工学院、卡内基梅隆大学、加州大学伯克利分校和德克萨斯大学奥斯汀分校中，多位华人学者凭借在 AI 前沿领域的研究脱颖而出。

这项为期两年的奖学金计划覆盖 2025-2026 和 2026-2027 两个学年，资金构成颇为豪华：每年提供 1,000 万美元的直接学生资助，外加价值 2,400 万美元的亚马逊云服务（Amazon Web Services，AWS）云计算 credits。参与该计划的九所大学各自每年将获得 110 万美元资助，具体支持的学生数量则根据各校与学生的财务安排而定。

（来源：Amazon）

根据亚马逊人工智能总院高级副总裁兼首席科学家 Rohit Prasad 的说法，该计划重点关注“对实用 AI 具有重大影响”的研究方向，包括机器学习、计算机视觉和自然语言处理等核心 AI 学科。特别值得注意的是，亚马逊强调了几个前沿研究领域：智能体系统（agentic systems）、大语言模型和其他生成式 AI 模型、机器学习系统基础设施，以及自动化推理（automated reasoning）。

每位获奖者不仅能获得资金支持，还将与一位亚马逊的资深科学家配对，这位“研究联络人”（research liaison）的专业方向与学生的研究课题相关，定期会面提供指导并探讨研究的实际应用价值。学生们还可在暑期前往亚马逊实习，将研究项目推进到实践场景。

以下是是目前已公布名单的四所高校中的华人获奖学者。

麻省理工学院

Jenny Huang

（来源：Jenny Huang）

Jenny Huang 目前在 MIT 电子工程与计算机科学系攻读博士学位，此前于杜克大学取得统计科学与计算机科学双学位。她的研究方向包括以数据为中心的机器学习、不确定性量化以及高效 AI 开发。除了此次亚马逊奖学金，Huang 还获得了 MIT 总统奖学金和 Quad 奖学金的支持。

Songyuan Zhang

（来源：Songyuan Zhang）

Songyuan Zhang 是 MIT 航空航天系博士生，同时也是可靠自主系统实验室（REALM）的成员。他本科毕业于清华大学钱学森力学班。Zhang 专注于安全多智能体系统、强化学习、控制理论和机器人学的研究，最终目标是开发出真正智能的辅助机器人。他关于多智能体安全最优控制的研究论文《Solving Multi-Agent Safe Optimal Control with Distributed Epigraph Form MARL》此前入围了 2025 RSS 会议的最佳论文奖决赛，并获得了最佳学生论文奖。

David Jin

（来源：LinkedIn）

David Jin 在 MIT 计算科学与工程项目攻读博士学位，本科在加州理工学院（Caltech）获得信息与数据科学和物理学双学位。他的研究聚焦于 GPU 加速和分布式方法在 AI 驱动决策系统中的大规模优化应用，涉及机器人和能源等多个领域，致力于通过算法设计和现代硬件推动可扩展计算的边界。

加州大学伯克利分校

Dacheng Li

（来源：Dacheng Li）

Dacheng Li 是 UCB 电子工程与计算机科学系系博士生，同时隶属于 Sky 计算实验室和 UCB 人工智能研究中心（BAIR）。此前分别取得了卡内基梅隆大学机器学习硕士学位和加州大学圣地亚哥分校本科学位。Li 的研究位于视觉与文本生成模型及分布式系统的交叉点，深度参与了多个开源项目，包括担任 NovaSky 的联合负责人以及 lmsys 的核心成员——后者开发的 Vicuna 和 Chatbot Arena 已成为评估大语言模型的行业标准工具。

Hao Wang

（来源：Hao Wang）

Hao Wang 在 UCB 攻读博士学位，师从安全领域的知名学者 Koushik Sen 和 Dawn Song，本科毕业于北京大学图灵班。他的研究课题“通过受控安全推理实现实用的安全代码生成”（Practical Secure Code Generation via Controlled Secure Reasoning）主要关注当今大语言模型生成代码中普遍存在的安全漏洞问题。他在类型约束解码和开发主动式安全编码智能体方面的工作，对提升 AI 驱动的软件开发安全性具有重要意义。

Melissa Pan / Zhiyang Pan

（来源：Melissa Pan）

Zhiyang Pan 是 UCB 电子工程与计算机科学系博士生，师从 Matei Zaharia 教授，隶属于 Sky 计算实验室。她此前在卡内基梅隆大学取得硕士学位，师从 Akshitha Sriraman 教授，本科毕业于多伦多大学计算机工程专业。值得一提的是, 在攻读学位期间，她还曾在 IBM 工作约 3 年，从事 Db2 数据库核心引擎开发，专注于备份、恢复等高可用性功能。她的研究聚焦于将可持续性作为大规模机器学习和数据中心系统中的一阶优化目标，特别关注能源、功耗和碳感知优化。

曹诗怡（Shiyi Cao）

（来源：曹诗怡）

曹诗怡是 UCB 计算机科学系博士生，师从 Ion Stoica 和 Joseph E. Gonzalez，本科毕业于上海交通大学，硕士毕业于苏黎世联邦理工学院。她的研究专注于为大语言模型构建高效系统，是 S-LoRA 项目的核心贡献者——这个系统能够支持数千个 LoRA 适配器（一种流行的大语言模型微调方法）的并发服务。她还参与开发了 MoE-Lightning，让混合专家模型能够在内存受限的 GPU 上实现高吞吐量推理，直接解决了大规模部署大语言模型的计算与内存瓶颈。

Shuo Yang

（来源：Shuo Yang）

Shuo Yang 是 UCB 电子工程与计算机科学系和 Sky 计算实验室的博士生，本科毕业于上海交通大学，他的课题方向是“高效长视频生成”（Efficient Long Video Generation）。Shuo Yang 也参与了 S-LoRA 等重要项目的开发工作。

卡内基梅隆大学

Yuxiao Qu

（来源：卡内基梅隆大学）

Yuxiao Qu 是 CMU 机器学习系博士生，师从于 Aviral Kumar 教授和 Ruslan Salakhutdinov 教授。他本科毕业于威斯康星大学麦迪逊分校，此前还曾在香港中文大学学习。他的研究目标是“赋予 AI 智能体以人类的好奇心”。Qu 的工作位于强化学习与基础模型的交叉领域，试图创造出能够自主提出假设、执行实验并得出结论的 AI 系统，有望为科学发现开辟新的可能性。

Danqing Wang（王丹青）

（来源：卡内基梅隆大学）

Danqing Wang 是 CMU 语言技术研究所博士生，师从于李磊教授。她此前于复旦大学获得计算机科学学士和硕士学位，本科和硕士期间都是复旦大学自然语言处理组的成员。她的研究致力于提升基于大语言模型的智能体在复杂环境中的可靠性与安全性，重点关注大语言模型的战略规划能力，尤其是在多智能体协作场景下的表现，为构建可信赖的 AI 智能体打下基础。

Mengdi Wu（吴梦迪）

（来源：卡内基梅隆大学）

吴梦迪是 CMU 计算机科学系博士生，师从于 Zhihao Jia 教授，本科毕业于清华大学姚班。她专注于机器学习系统研究，特别是机器学习编译器和超优化（superoptimization）领域。她致力于通过自动化方式学习和调整计算内核的优化策略，从而提升模型在不同硬件平台上的训练与推理效率和可扩展性。

Xinyu Yang

（来源：卡内基梅隆大学）

Xinyu Yang 是 CMU 电子与计算机工程系博士生，师从于陈贝迪教授，本科毕业于上海交通大学 ACM 荣誉班。她的研究核心是解决 AI 智能体的规模化扩展难题，正在开发一种新颖的生成模型架构，能够在单一模型运行时中实现多智能体工作流，为处理复杂智能体系统提供了新的技术路径。

Zeji Yi

（来源：卡内基梅隆大学）

Zeji Yi 是 CMU 电气与计算机工程系系博士生，师从于 Guannan Qu 和 Guanya Shi 教授，本科毕业于清华大学。他的研究方向是将生成模型应用于通用机器人平台，包括人形机器人和灵巧手。这项研究不仅具有学术价值，其应用场景——仓库自动化和订单履行中心——也与亚马逊的核心业务直接相关。

Zichun Yu

（来源：卡内基梅隆大学）

Zichun Yu 是 CMU 语言技术研究所博士生，导师是熊辰炎教授，2023 年从清华大学获得计算机科学荣誉学士学位，本科期间是清华大学自然语言处理组（THUNLP）的成员。他关注大语言模型预训练中的数据瓶颈问题——高质量原生数据的稀缺性。他的工作是设计能够生成高质量合成数据的系统，用于补充真实世界数据的不足，最终训练出更强大、更可靠的模型。

Xinran Zhao

（来源：卡内基梅隆大学）

Xinran Zhao 是 CMU 语言技术研究所博士生，师从于吴彤霜（Sherry Wu）教授，本科毕业于香港科技大学。他的研究方向主要集中于增强检索增强生成（Retrieval-Augmented Generation，RAG）方面，现有 RAG 系统在处理不确定信息源和动态变化语境时往往表现不佳，Zhao 正在开发新系统来提升 RAG 在复杂场景下的感知能力、归因能力和有效性，让大语言模型变得更加可靠。

德克萨斯大学奥斯汀分校

Haoyu Li

(来源：Haoyu Li)

Haoyu Li 隶属于 UT Austin 网络系统研究组，师从 Aditya Akella 和 Venkat Arun 教授。他本科毕业于北京大学图灵班，师从于杨仝教授。他的研究聚焦于利用 AI 技术改进现代系统的性能和可用性，当前工作包括数据分析管道、大语言模型缓存管理以及边缘计算和自动驾驶系统的调度。

Junbo Li

（来源：Junbo Li）

Junbo Li 师从 Atlas Wang 和刘强（Qiang Liu）教授，同属于 UT Austin VITA 研究组。他的研究专注于推动推理驱动的智能体大语言模型和强化学习的发展，特别强调构建能够解释指令、动态利用外部工具、环境和推理来解决复杂现实世界问题的自演化管道。

Kiazhao Liang

（来源：Kiazhao Liang）

Kiazhao Liang 师从刘强教授，此前曾在 SambaNova Systems 担任首席工程师。他的研究重点是高效训练方法、稀疏神经网络和大语言模型。他本科毕业于伊利诺伊大学香槟分校计算机科学专业，拥有丰富的工业界经验。

Chutong Yang

（来源：Chutong Yang）

Chutong Yang 师从 Kevin Tian 教授。他本科毕业于加州大学圣地亚哥分校，随后在斯坦福大学取得硕士学位，目前在 UT Austin 攻读博士。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兴趣，研究领域包括学习理论、差分隐私以及算法公平性，主要使用优化和统计学工具来解决这些问题。

Xiao Zhang

（来源：UT Networked Systems）

Xiao Zhang 同样隶属于 UT Austin 网络系统研究组，师从 Daehyeok Kim 教授。他的研究聚焦于网络化和分布式系统，当前重点是通过跨层遥测和资源管理在 5G 边缘实现可预测的 AI 性能。他致力于构建能够弥合现实世界部署挑战与核心 AI 基础设施需求的实用系统。

参考资料：

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

运营/排版：何晨龙