新一届“35岁以下科技创新35人”中国区名单发布，AI人才备受瞩目

11 阅读：134 2025-05-24 00:16:04 评论：0

5月23日晚，《麻省理工科技评论》“35岁以下科技创新35人”（Innovators Under 35，简称“TR35”）中国区名单在上海发布。

入选者中，有人以开源生态推动技术普惠，有人以合成数据突破具身智能瓶颈，有人将光合系统跨物种移植逆转退行性疾病，有人用拓扑超材料改写声波操控法则。他们的研究从实验室原子级成像到生产线分钟级装配，从微观蛋白质降解到宏观量子优越性验证……

2024 年度“35 岁以下科技创新 35 人”中国区入选名单 “Deep Tech深科技”微信公众号图

澎湃新闻注意到，此次发布名单中，AI人才占据极大比例，青年力量正不断凸显，其中最年轻的入选者只有27岁。此外，两家上海“模速空间”入驻企业亦有代表人物入选。

AI领域的中国力量：来自DeepSeek、模速空间的他们入选

2017年，DeepTech联合《麻省理工科技评论》将TR35评选正式落地中国，关注和挖掘中国新兴科技领域的青年创新力量。经过8届评选，越来越多的中国青年人才被更多人看到，特别是在AI领域表现尤为突出。

事实上，中国人才正在全球AI领域扮演越来越关键的角色。英伟达创始人兼CEO黄仁勋最近出席华盛顿的一场活动时提到：“全球50%的AI研究人员来自中国……” 2024年，OpenAI发布GPT-4o，GPT-4o的17位关键团队成员中有6位华人，占比约为35.29%。谷歌和英伟达重点具身智能论文和项目梳理的114名关键AI研究员中，谷歌研究员的华裔比例约为20%，英伟达研究员的华裔比例达40%。

此次TR35评选，同样有大量入选者在AI领域建树颇丰。名单中第一位便来自今年春节以来备受瞩目的DeepSeek。研究员邵智宏作为第一完成人领导了DeepSeekMath项目，通过高质量预训练和基于GRPO的强化学习方法，从根本上提升模型的数学和逻辑推理能力。在海外致力于AI研发的华人面孔也没有被忘记。谷歌DeepMind研究科学家许倬位列其中，他提出了使用合成空间推理数据训练视觉-语言模型的方法，以弥补当前基础模型因机器人数据稀缺而导致的欠拟合。

聚焦上海，两家模速空间入驻企业的代表人物入选TR35名单。一位是上海交通大学副教授、无问芯穹联合创始人兼首席科学家戴国浩，他开创了融合推理与行动的智能体范式，并推动智能体技术在通用系统操作与知识密集型领域的应用。另一位则是阶跃星辰首席科学家张祥雨，他提出了业内最早的图文生成理解一体化的多模态大模型架构之一，并发布中国首个千亿参数原生多模态大模型。

经粗略统计，此次入选的35人中至少一半的研究领域直接与AI相关，他们聚焦大语言模型、通用机器人、自动驾驶、三维空间智能、量子计算等领域，不断努力让AI技术取得突破，并得以应用于生产生活中，以科研成果诠释中国AI的青年力量。

青年人的创新动力：最年轻入选者仅27岁

纵观此次入选的35人名单，30岁以下的有5人，包括前文提到28岁的邵智宏。最年轻的是OpenAI研究员姚顺雨，只有27岁。他是OpenAI在2025年首批智能体产品operator与deep research的核心贡献者。在前期研究过程中，他为语言智能体方向的开启和发展做出了基础性贡献。

姚顺雨提出的ReAct方法首次引入“推理—行动”结合的智能体范式，为创建具备通用性、可扩展性的语言智能体奠定了基础。ReAct的核心理念是让大语言模型在行动前先进行可解释的内在推理，继而基于推理结论去决策与操作。这一思路不但增强了模型的可控性，也极大拓展了其在各类实际领域中的适用能力。如今，ReAct已成为世界范围内构建语言智能体的最主流方法，被学术界与工业界广泛采纳。

此外，同在AI领域，29岁的清华大学助理研究员韩旭长期致力于自然语言处理、知识工程及大模型技术研究，旨在推动人工智能技术的创新与普及。他提出了大模型“能力密度定律”并构建高效端侧大模型MiniCPM系列，推动大模型技术从云侧向端侧的普惠化发展。

29岁的钟翰森有着多个头衔，他既是上海奇算光启信息技术有限公司的创始人，也是上海人工智能实验室的青年科学家，还是上海创智学院的全时导师。钟翰森基于 AI技术实现全球最大规模2000+量子比特中性原子阵列，并设计出AI驱动的量子纠错解码器，可适用于所有量子纠错码，且性能超越现有所有解码器，为容错量子计算提供了新的技术路径。目前，他正集中攻克光子系统的可编程性与算法适配难题，目标是实现基于光子的通用智能算力，为未来集成化光子智能芯片奠定基础。

同样是29岁，在RNA建模和设计领域，香港中文大学助理教授李煜提出了首个基于AI的通用RNA基础模型，基于2300万个未注释的RNA序列训练该模型，并从RNA序列中提取了其序列表征及进化信息，显著加速RNA设计迭代并大幅减少实验周期和成本。