刚刚，清华黄高、北大刘譞哲等入选2026科学探索奖

机器之心编辑部

今天，2026 年「科学探索奖」获奖名单揭晓。

今年共有50 位青年科学家入选，覆盖数学物理学、化学新材料、天文和地学、生命科学、医学科学、信息电子、能源环境、先进制造、交通建筑、前沿交叉等 10 个领域。

其中，「信息电子」领域共有 5 人入选：清华大学黄高、北京大学刘譞哲、清华大学钱学海、哈尔滨工业大学肖淑敏、郑州大学杨西贵。研究方向覆盖人工智能算法、大模型系统、计算机体系结构、光电子器件和新型半导体材料等多个层级。

黄高

现任清华大学自动化系长聘副教授，主要研究方向包括深度学习、多模态学习、具身智能、强化学习等。

在深度学习领域，黄高是经典神经网络架构 DenseNet 的主要提出者之一。DenseNet 通过在不同网络层之间建立密集连接，提高特征复用效率，并改善深层网络中的梯度传播问题。相关研究曾获得 CVPR 2017 最佳论文奖。

近年来，研究重点进一步延伸至基础模型、生成模型、世界模型和高效推理等方向。

2026 年，黄高团队关于扩散语言模型的研究获得 ICML 杰出论文奖。相关工作围绕扩散语言模型的生成顺序和强化学习训练机制展开，对当前主流自回归语言模型之外的技术路线进行了系统研究。

从 DenseNet 到大语言模型，黄高的研究长期集中于一个核心问题：如何通过模型架构和学习机制创新，提高人工智能系统的性能与效率。

在大模型竞争逐渐从规模扩张转向算法效率和推理能力的背景下，这类基础模型研究的重要性正在进一步提升。

刘譞哲

现任北京大学博雅特聘教授、计算机学院长聘教授、人工智能研究院双聘教授，主要研究方向为系统软件，近年来重点关注大模型系统、泛在智能体系统和云计算系统等大规模分布式智能计算技术。

大模型进入规模化应用阶段后，竞争重点正在从模型能力进一步延伸至训练、推理、资源调度等 AI 基础设施环节。刘譞哲的研究主要集中在这一层。

目前，刘譞哲担任北京大学—字节跳动「豆包大模型系统软件联合实验室」主任，研究内容覆盖模型架构、训练框架和推理优化等方向。双方此前已围绕超大规模 GPU 集群和大模型系统展开合作，部分成果进入实际生产环境。

在大模型推理方面，刘譞哲团队参与提出 DistServe 系统，将大语言模型推理中的预填充和解码阶段进行分离，通过独立 GPU 资源配置降低计算干扰，提高推理服务效率。相关成果入选操作系统领域顶级会议 OSDI 2024。

2026 年 5 月，刘譞哲团队牵头完成的「智算中心分离式资源管理关键技术与应用」获颁 2025 年度中国电子学会科学技术奖技术发明一等奖。北京大学披露，相关项目成果已在字节跳动、AWS、阿里云、Meta、DeepSeek 等企业的智算中心生产环境上线。

钱学海

现任清华大学计算机系长聘教授，主要研究领域包括计算机体系结构、计算机系统和硬件安全。

研究工作长期聚焦并行计算体系结构、软硬件协同设计，以及面向机器学习、图计算等场景的高效计算系统。

随着大模型参数规模和计算需求持续增长，AI 产业面临的瓶颈已经不再局限于芯片峰值算力。内存访问、数据搬运、芯片间通信和软硬件协同效率，正在成为影响训练和推理成本的重要因素。

钱学海的研究覆盖机器学习系统中的数据移动与通信优化、领域定制加速架构、存内计算，以及深度学习模型的高效硬件执行等方向。

这些研究与当前 AI 基础设施的发展高度相关。从 GPU 集群到定制 AI 芯片，下一阶段算力竞争的核心之一，将是如何进一步降低数据移动成本，提高计算、存储和通信之间的协同效率。

肖淑敏

哈尔滨工业大学教授，美国光学学会会士，主要研究方向为微纳光学功能器件和光学超构表面。

超构表面通过设计亚波长尺度的微纳结构，实现对光的振幅、相位和偏振等特性的精细控制，有望进一步压缩传统光学系统的体积和复杂度。相关研究已覆盖光学显示、信息加密、通信和光场调控等多个方向。

2025 年，肖淑敏团队参与完成的新型超表面激光系统研究发表于《Nature》。相关技术可在单层纳米光子结构中实现更灵活的激光波前调控，为通信、计算、感知和成像等应用提供新的器件基础。

随着 AI 数据中心对高速互联和低功耗计算需求不断上升，光互连、光通信以及光计算逐渐成为重要技术方向。在这一背景下，纳米光子器件与 AI 基础设施之间的技术关联正在不断增强。

杨西贵

现任郑州大学教授，主要研究方向包括金刚石材料与器件、高压物理等。金刚石具有高热导率、宽禁带、高击穿场强等特性，在高功率、高频率以及极端环境电子器件领域具有较大研究价值，被视为新一代宽禁带半导体的重要候选材料之一。

2026 年，郑州大学金刚石材料与器件团队成功合成纯相六方金刚石块材，并精确解析其晶体结构，相关成果发表于《Nature》。杨西贵为论文共同第一作者、共同通讯作者。

对于 AI 计算而言，半导体材料研究虽然距离模型和应用较远，但与算力基础设施的发展密切相关。随着芯片功耗和计算密度不断提升，散热、功率器件以及材料性能正在成为先进计算系统进一步扩展的重要物理约束。

从更长期的技术演进看，金刚石等新型半导体材料有望为高功率电子器件、芯片散热和先进计算硬件提供新的材料基础。

以下为完整获奖名单：