英伟达2026奖学金，8位华人博士统治榜单！人均6万美金

来源：市场资讯

新智元报道

【新智元导读】2026-2027年度英伟达研究生奖学金名单新鲜出炉，10位获得最高6万美金资助的‘天选之子’中，华人学者直接霸榜8席！其中更是不乏名师高徒，比如李飞飞的学生也赫然在列，正在教机器人怎么像人一样干活。从让游戏画质起飞的神经渲染，到防不胜防的AI安全攻防，这些博士生研究的都是硬核中的硬核。

刚刚，英伟达研究生奖学金（Nvidia Graduate Fellowship）名单出炉！

该项目致力于挖掘并支持全球顶尖的博士研究生，助力他们在计算创新的前沿领域攻克难题。

作为一项久负盛名的学术荣誉，该项目已走过25年历程，不仅为获奖者提供高达60，000美元的科研经费，还提供在英伟达实验室进行暑期实习的宝贵机会，使学生能够直接接触最先进的技术资源与行业专家。

以下是本年度10位最高奖学金获得者以及5位最终入围者的详细履历。

奖学金获得者（Recipients）

Jiageng Mao

学校：南加州大学（University of Southern California）

研究方向：物理人工智能、具身智能、自动驾驶

获奖理由：通过利用互联网规模数据中的多样化先验知识，解决复杂的物理人工智能问题，为现实世界中的具身智能体实现稳健且可泛化的智能。

Jiageng Mao是南加州大学的博士生，师从Yue Wang教授。他的研究核心在于物理人工智能（Physical AI），致力于通过利用互联网规模数据中的多样化先验知识，解决复杂的物理世界问题。他的目标是为现实世界中的具身智能体（Embodied Agents）开发稳健且可泛化的智能系统，研究涵盖了自动驾驶、计算机视觉和机器人学习等前沿领域。

Liwen Wu

学校：加州大学圣地亚哥分校（University of California， SanDiego）

研究方向：神经渲染、计算机图形学、3D视觉

获奖理由：通过神经材质与神经渲染技术，提升基于物理渲染的真实感与效率。

Liwen Wu是UCSD计算机科学与工程系的博士生，导师是Ravi Ramamoorthi教授。他的主要研究兴趣集中在计算机图形学和3D视觉的交叉领域，特别是神经渲染、反向渲染和材质建模。他致力于通过结合神经技术与物理渲染原理，提升渲染的真实感与计算效率，为创建逼真的虚拟世界提供技术支撑。

Manya Bansal

学校：麻省理工学院（Massachusetts Institute of Technology）

研究方向：计算机架构、编译器、编程语言

获奖理由：为现代加速器设计编程语言，使开发者能够编写模块化、可复用的代码，同时不牺牲实现峰值性能所需的底层控制能力。

Manya Bansal是MIT的博士生，由Saman Amarasinghe和Jonathan Ragan-Kelley指导。她的研究致力于为现代硬件加速器设计新型编程语言和编译器。她开发的系统允许开发者编写模块化、可复用的高性能代码，旨在解决异构计算系统中的编程复杂性，同时保留对底层硬件的精细控制能力，以实现峰值性能。

Sizhe Chen（陈思哲）

学校：加州大学伯克利分校（University of California， Berkeley）

研究方向：AI安全、对抗性机器学习

获奖理由：致力于现实场景中的人工智能安全防护，当前聚焦于通过通用且实用的防御手段保护智能体免受提示注入攻击，同时确保智能体的功能完整性。

Sizhe Chen致力于人工智能安全领域的研究，重点关注现实场景中的模型防御机制。他目前的研究聚焦于大语言模型（LLM）和智能体（Agents）的安全性，特别是如何通过通用且实用的防御手段（如结构化查询防御）来保护智能体免受提示注入等攻击，同时确保智能体在执行任务时的功能完整性。

Yunfan Jiang

学校：斯坦福大学（Stanford University）

研究方向：机器人学、具身智能、仿真

获奖理由：通过融合现实世界全身操控数据、大规模仿真与互联网级多模态监督数据，开发可扩展的方法来构建适用于日常任务的通用机器人。

Yunfan Jiang是斯坦福大学计算机科学系的博士生，导师是李飞飞（Fei-Fei Li）教授。他的研究目标是构建通用的机器人系统，使其能够执行复杂的日常任务。他通过融合现实世界的全身操控数据、大规模仿真环境（如Minecraft）以及互联网级的多模态监督数据，开发可扩展的方法来训练具备高度适应性的机器人智能体。

Yijia Shao

学校：斯坦福大学（Stanford University）

研究方向：人机交互（HCI）、自然语言处理（NLP）

获奖理由：通过开发能在任务执行过程中与人类沟通协作的 AI 智能体，并设计新型人机交互界面，研究人机协同机制。

Yijia Shao是斯坦福大学的博士生，师从Diyi Yang教授。她的研究重点是人机协同（Human-AI Collaboration）。她致力于开发能够在任务执行过程中与人类进行有效沟通和协作的AI智能体，并设计新型的人机交互界面。她的工作旨在探索AI如何通过理解人类意图和反馈，更好地辅助人类完成复杂的知识密集型任务。

Shangbin Feng

学校：华盛顿大学（University of Washington）

研究方向：自然语言处理、模型协作、去中心化AI

获奖理由：推动模型协作：多个在不同数据上由不同人员训练的机器学习模型相互协作、组合与互补，构建开放、去中心化、协同化的 AI 未来。

Shangbin Feng是华盛顿大学的博士生，导师是Yulia Tsvetkov。他的研究愿景是推动‘模型协作’，即让多个在不同数据上由不同人员训练的机器学习模型能够相互协作、组合与互补。他致力于构建一个开放、去中心化且协同化的AI生态系统，解决单一模型在知识覆盖和隐私保护方面的局限性。

Shvetank Prakash

学校：哈佛大学（Harvard University）

研究方向：计算机系统、边缘计算、硬件架构

获奖理由：基于新型算法、精选数据集和智能体优先的基础设施构建 AI 智能体，以推进硬件架构与系统设计。

Shvetank Prakash是哈佛大学的博士生，隶属于边缘计算实验室（Edge Computing Lab）。他的研究专注于为AI智能体构建优化的基础设施，特别是针对资源受限的边缘设备。他通过利用新型算法、精选数据集和‘智能体优先’的设计理念，推进硬件架构与系统设计，使AI能够更高效地部署在下一代计算平台上。

Irene Wang

学校：佐治亚理工学院（Georgia Institute of Technology）

研究方向：计算机架构、机器学习系统

获奖理由：开发集成加速器架构、网络拓扑与运行时调度的协同设计框架，以实现大规模、高能效且可持续的AI训练。

Irene Wang是佐治亚理工学院的博士生，导师是Divya Mahajan。她的研究致力于解决大规模AI训练中的效率与可持续性问题。她开发了集成加速器架构、网络拓扑与运行时调度的协同设计框架（Co-design Frameworks），旨在优化分布式深度学习系统的性能和能效，推动绿色AI计算的发展。

Chen Geng（耿晨）

学校：斯坦福大学（Stanford University）

研究方向：3D/4D计算机视觉、生成式模型

获奖理由：利用可扩展的数据驱动算法和物理启发原理建模四维物理世界，推进面向机器人与科学应用的物理基础三维与四维世界模型。

Chen Geng是斯坦福大学的博士生，导师是Jiajun Wu。他的研究兴趣位于计算机图形学与4D视觉的交叉点。他致力于利用可扩展的数据驱动算法和物理启发原理，对四维物理世界进行建模。他的工作推进了面向机器人与科学应用的物理基础三维与四维世界模型（World Models），特别是在动态场景的生成与理解方面。

最终入围者（Finalists）

Zizheng Guo

学校：北京大学（Peking University）

Peter Holderrieth

学校：麻省理工学院（Massachusetts Institute of Technology）

Xianghui Xie

马克斯·普朗克信息学研究所（Max Planck Institute for Informatics）

Alexander Root

学校：斯坦福大学（Stanford University）

Daniel Palenicek

学校：达姆施塔特工业大学（Technical University of Darmstadt）

在这个奖学金项目中：

• 前10位（Recipients）：

  是正式的奖学金获得者。他们获得了实质性的物质奖励（每人高达6万美元的资助）以及实习机会。

• 后5位（Finalists）：

  是最终入围者。这意味着他们在激烈的全球竞争中进入了选拔的最后一轮，但最终没有拿到那10个最高奖学金的名额。

简单来说，‘最终入围者’虽然没有获得那笔6万美元的大奖，但这在学术界依然被视为一种很高的荣誉（HonorableMention），代表英伟达官方对他们研究实力的高度认可，证明他们的水平已经非常接近获奖标准。

年度趋势深度解读

技术风向标：AI正在走出屏幕！

观察今年的获奖名单，我们可以清晰地看到NVIDIA关注点的转移。

往年可能更多聚焦于纯粹的模型架构或算力优化，但今年具身智能（Embodied AI）和AI安全（AI Safety）明显占据了C位。

• 从虚拟到物理：Jiageng Mao、Yunfan Jiang和Chen Geng等人的研究都致力于打破虚拟与现实的界限，让AI不仅能聊天，更能理解物理世界并控制机器人干活。

• 安全至上：随着大模型落地，安全问题日益凸显。Sizhe Chen关于防御提示注入攻击的研究获奖，说明工业界开始高度重视AI的防盗门建设。