吴宇怀微信(xin)公众号“建(jian)德发布”

2015年，吴宇怀以满绩点的成绩，毕业于加拿大(da)纽布伦斯威(wei)克大(da)学；2021年，博士毕业于多伦多大(da)学机器学习专业，做(zuo)过(guo)“深度学习之父”杰弗里(li)·辛顿（Geoffrey Hinton）的学生。博士期(qi)间，他还曾在谷歌(ge)DeepMind和OpenAI实习，此后在谷歌(ge)任职并同时(shi)在斯坦福做(zuo)博士后研究(jiu)。

在2016年NIPS大(da)会时(shi)，吴宇怀有三篇联合(he)署名(ming)为第一作者的论文被(bei)接受。创办于1987年的NIPS大(da)会是机器学习领域的世(shi)界顶级大(da)会。2017年的报道显示，当年仅有七位华(hua)人(ren)学生荣获谷歌(ge)博士生奖研金，就读(du)于多伦多大(da)学的吴宇怀就位列其中。

吴宇怀的主要研究(jiu)方向是打造具备推理能(neng)力的机器，是自训练增强推理模(mo)型STAR、语言模(mo)型Minerva、定理证明器Alpha Geometry等项目(mu)的作者或核心(xin)贡献者，在国际顶会发表过(guo)诸多论文，比如在《Nature》上发表论文《Solving Olympiad Geometry Without Human Demonstrations》。这篇论文详细描述了Alpha Geometry项目(mu)的设计和成效。论文讨论了如何(he)通过(guo)合(he)成大(da)量的定理和证明来训练AI模(mo)型，以解决(jue)高难度的几何(he)问题，标志着AI在数学推理领域的一个重要突破。

2022年10月，吴宇怀曾在机器之心(xin)组织的线上分享中介绍称，他立志于创造一个善于推理的人(ren)工智能(neng)，用于解决(jue)所有数学难题。“我们不想创建(jian)一种只会像人(ren)一样说话的语言模(mo)型。”吴宇怀说道，“我们希望(wang)它明白它在说什么。”

2023年7月，xAI成立，吴宇怀加入并担任联合(he)创始人(ren)。他X账号首页至今置顶着当天的一条内容：“解决(jue)数学问题，了解宇宙本质。”

X网站截图

新(xin)安(an)江(jiang)一小方艳云老(lao)师当时(shi)担任吴宇怀的班主任，据她回忆(yi)，“他在班里(li)是班长，从小就很稳重，是一个很自律、很上进的男孩(hai)。”

当时(shi)担任吴宇怀数学老(lao)师的建(jian)兰(lan)中学校(xiao)长陆韵表示，“他的数学非常好，学习很会思考，也很轻松。”陆校(xiao)长记得，初中时(shi)，吴宇怀研究(jiu)一道数学难题，“死磕(ke)”了一天后成功解出。当时(shi)，他加了八条辅助线。此外，吴宇怀在初中时(shi)语文也非常出色，还是语文课代(dai)表。

占(zhan)据发布会舞台“C位”的另一名(ming)华(hua)人(ren)科学家吉米·巴也是xAI的初创团队(dui)成员之一。

公开信(xin)息显示，吉米·巴是多伦多大(da)学计算机科学助理教授，他博士毕业于多伦多大(da)学，曾师从杰弗里(li)·辛顿（Geoffrey Hinton）攻读(du)博士学位，同时(shi)他也做(zuo)过(guo)吴宇怀的老(lao)师。

吉米·巴的主要研究(jiu)方向为用于深度神(shen)经网络的高效学习算法，其研究(jiu)兴趣也包括强化学习、自然语言处理和人(ren)工智能(neng)等领域。

吉米·巴在学术界以其扎实的理论功底著称，他是训练深度学习模(mo)型的首选算法之一Adam optimizer的开发者。Adam optimizer即自适应矩估计优化器，是深度学习常用算法，由吉米·巴和另一名(ming)科学家在2014年提出。他的博士论文奠定了许(xu)多现代(dai)AI训练方法的基础。

2016年，吉米·巴获得了Facebook机器学习研究(jiu)生奖学金。2023年2月，他荣获斯隆研究(jiu)奖。

吉米·巴个人(ren)主页

xAI创始团队(dui)四成是华(hua)人(ren)

值得注(zhu)意的是，xAI于2023年7月成立时(shi)公布的12人(ren)初创团队(dui)名(ming)单中，除吴宇怀和吉米·巴外还有三名(ming)华(hua)人(ren)，分别为杨格(ge)（Greg Yang）、张国栋（Guodong Zhang）和戴子航（Zihang Dai）。这也意味着，xAI创始团队(dui)里(li)华(hua)人(ren)的比例高达四成。如果考虑到马(ma)斯克也“占(zhan)了一个名(ming)额”，那(na)么剩下11人(ren)里(li)，华(hua)人(ren)比例几乎达到一半。

相比之下，开发ChatGPT的研究(jiu)员中，华(hua)人(ren)占(zhan)比约为五分之一。有行业资深专家当时(shi)对这一现象评价称，“中国人(ren)占(zhan)五分之一的话是平均水平”，可(ke)是xAI已经远远超过(guo)了这个数字。

xAI的12名(ming)初创团队(dui)中有5名(ming)华(hua)人(ren)。xAI网站截图

据公开报道显示，杨格(ge)出生于湖南，初中开始前往(wang)美国学习，本科和硕士学位都在哈佛大(da)学数学系攻读(du)，期(qi)间师从丘(qiu)成桐(tong)教授。2018年，杨格(ge)曾获得本科生数学领域最高荣誉摩(mo)根奖提名(ming)。

从哈佛毕业时(shi)，杨格(ge)本打算入职谷歌(ge)，但丘(qiu)成桐(tong)劝他，“谷歌(ge)这种很差(cha)的公司就不要去了”。随后，丘(qiu)成桐(tong)向微软研究(jiu)院的负(fu)责人(ren)沈向洋推荐了杨格(ge)，沈向洋则安(an)排了菲尔兹奖得主麦克对杨格(ge)进行面试。

麦克面试后赞叹不已，称这个年轻人(ren)“非常出色”。沈向洋当时(shi)就对杨格(ge)讲：“你把谷歌(ge)的Offer拿来给我看(kan)一看(kan)，我给你加一块钱，就来微软吧。”

2019年，杨格(ge)与(yu)丘(qiu)成桐(tong)合(he)影。杨格(ge)X网站账号

在入职微软后，杨格(ge)担任微软雷蒙德研究(jiu)院的研究(jiu)员，曾参与(yu)过(guo)微软与(yu)OpenAI在大(da)模(mo)型上的合(he)作。在微软期(qi)间，杨格(ge)的重要成果之一是开发“张量程序”（Tensor Programs）框架，其中还用GPT-3对所提出的超参数迁移方法进行了验证，相关论文已收录于NeurIPS、ICML等顶会。

作为杨格(ge)的重点研究(jiu)项目(mu)，“张量程序”的长期(qi)目(mu)标是开发大(da)规模(mo)深度学习的“万物理论”，也就是找到一种理论上的规则，可(ke)以真正(zheng)理解AI大(da)模(mo)型的行为。这一理论在AI领域具有革命性意义(yi)，能(neng)够优化大(da)规模(mo)神(shen)经网络的训练方式(shi)，提高AI模(mo)型的泛化能(neng)力。

杨格(ge)的研究(jiu)方向深受数学驱动(dong)。当时(shi)，xAI官(guan)宣成立后，杨格(ge)曾迅速发布推文称：“深度学习的数学是深奥、美丽而又非常有效的。发展出适用于大(da)型神(shen)经网络的‘万物理论’将对将人(ren)工智能(neng)提升到新(xin)水平起到关键作用。反过(guo)来，这种人(ren)工智能(neng)将使每个人(ren)都能(neng)以前所未有的方式(shi)理解我们的数学世(shi)界。数学用于人(ren)工智能(neng)，人(ren)工智能(neng)用于数学！”

此外，xAI初创团队(dui)中的张国栋和戴子航均是在国内本科毕业后，才前往(wang)美国进行的深造。

张国栋本科毕业于浙江(jiang)大(da)学信(xin)息工程专业，随后前往(wang)多伦多大(da)学攻读(du)硕士和博士学位，并于2022年毕业后加入DeepMind。他在神(shen)经网络优化和强化学习方面有深厚的研究(jiu)积累。

张国栋的研究(jiu)风格(ge)兼(jian)具理论深度和工程实践能(neng)力，他不仅发表了大(da)量高质量论文，同时(shi)也参与(yu)了多个前沿AI项目(mu)的研发。加入xAI之后，他的研究(jiu)方向主要聚焦(jiao)于如何(he)优化AI训练效率，并提升模(mo)型的稳定性。

张国栋个人(ren)主页

据浙江(jiang)大(da)学官(guan)网介绍，张国栋于2013年考入浙大(da)，学业成绩连(lian)续三年名(ming)列专业第一，曾获得浙江(jiang)大(da)学最高奖学金荣誉——竺可(ke)桢奖学金、美国大(da)学生数学建(jian)模(mo)一等奖、全国大(da)学生数学建(jian)模(mo)一等奖、浙江(jiang)省大(da)学生物理创新(xin)竞赛一等奖。2016年11月，张国栋前往(wang)微软亚洲研究(jiu)院（北京）实习。

2022年，张国栋还获得了苹果奖学金，是4位获奖的华(hua)人(ren)学者之一。

戴子航本科毕业于清华(hua)大(da)学计算机科学系，2020年博士毕业于卡内基梅(mei)隆大(da)学计算机系，随后加入谷歌(ge)研究(jiu)院。他在自然语言处理（NLP）领域拥(yong)有深厚的积累，尤其擅长 Transformer架构的优化与(yu)创新(xin)。

戴子航X网站账号

他的研究(jiu)贡献之一，是提出了多种提升AI语言模(mo)型训练效率的方法，在提高AI语言理解能(neng)力方面做(zuo)出了突破性贡献。他曾在谷歌(ge)和百度美区实习，并在多个顶级AI会议上发表论文。