吴宇(yu)怀微信公众号“建(jian)德(de)发布”

2015年，吴宇(yu)怀以满绩点的成绩，毕业于加拿大纽布伦斯(si)威(wei)克大学；2021年，博士毕业于多伦多大学机器学习专业，做过“深度(du)学习之父”杰弗里·辛顿（Geoffrey Hinton）的学生(sheng)。博士期间，他还(hai)曾在谷歌DeepMind和OpenAI实习，此后在谷歌任职并(bing)同时在斯(si)坦福做博士后研究。

在2016年NIPS大会时，吴宇(yu)怀有三篇联合署名为(wei)第一(yi)作者的论文被接受。创办于1987年的NIPS大会是机器学习领域的世界顶级大会。2017年的报道显示，当年仅有七(qi)位(wei)华人学生(sheng)荣获谷歌博士生(sheng)奖研金，就读于多伦多大学的吴宇(yu)怀就位(wei)列(lie)其中。

吴宇(yu)怀的主要研究方向是打造具备推理(li)能力的机器，是自训练增强推理(li)模型STAR、语言模型Minerva、定(ding)理(li)证明器Alpha Geometry等项目的作者或核心贡献者，在国(guo)际顶会发表过诸多论文，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项目的设计(ji)和成效。论文讨论了如何通过合成大量的定(ding)理(li)和证明来训练AI模型，以解决高(gao)难度(du)的几何问题，标志着(zhe)AI在数学推理(li)领域的一(yi)个重要突破。

2022年10月，吴宇(yu)怀曾在机器之心组织的线上分享中介绍称，他立志于创造一(yi)个善于推理(li)的人工(gong)智能，用于解决所(suo)有数学难题。“我们不想创建(jian)一(yi)种只(zhi)会像人一(yi)样说话的语言模型。”吴宇(yu)怀说道，“我们希望它明白它在说什么。”

2023年7月，xAI成立，吴宇(yu)怀加入并(bing)担任联合创始(shi)人。他X账(zhang)号首页至今置顶着(zhe)当天的一(yi)条内容：“解决数学问题，了解宇(yu)宙本(ben)质。”

X网站截图

新安江一(yi)小(xiao)方艳云老师当时担任吴宇(yu)怀的班主任，据(ju)她回忆，“他在班里是班长(chang)，从小(xiao)就很稳重，是一(yi)个很自律、很上进的男孩。”

当时担任吴宇(yu)怀数学老师的建(jian)兰中学校长(chang)陆(lu)韵表示，“他的数学非常好，学习很会思(si)考(kao)，也(ye)很轻(qing)松。”陆(lu)校长(chang)记得，初中时，吴宇(yu)怀研究一(yi)道数学难题，“死磕”了一(yi)天后成功解出。当时，他加了八条辅助线。此外，吴宇(yu)怀在初中时语文也(ye)非常出色，还(hai)是语文课代表。

占据(ju)发布会舞台“C位(wei)”的另一(yi)名华人科学家吉米·巴也(ye)是xAI的初创团队成员之一(yi)。

公开信息显示，吉米·巴是多伦多大学计(ji)算机科学助理(li)教授，他博士毕业于多伦多大学，曾师从杰弗里·辛顿（Geoffrey Hinton）攻(gong)读博士学位(wei)，同时他也(ye)做过吴宇(yu)怀的老师。

吉米·巴的主要研究方向为(wei)用于深度(du)神经网络的高(gao)效学习算法(fa)，其研究兴(xing)趣也(ye)包括强化学习、自然语言处(chu)理(li)和人工(gong)智能等领域。

吉米·巴在学术(shu)界以其扎实的理(li)论功底(di)著称，他是训练深度(du)学习模型的首选算法(fa)之一(yi)Adam optimizer的开发者。Adam optimizer即自适应矩估计(ji)优化器，是深度(du)学习常用算法(fa)，由吉米·巴和另一(yi)名科学家在2014年提出。他的博士论文奠(dian)定(ding)了许多现代AI训练方法(fa)的基础。

2016年，吉米·巴获得了Facebook机器学习研究生(sheng)奖学金。2023年2月，他荣获斯(si)隆研究奖。

吉米·巴个人主页

xAI创始(shi)团队四成是华人

值(zhi)得注(zhu)意的是，xAI于2023年7月成立时公布的12人初创团队名单中，除吴宇(yu)怀和吉米·巴外还(hai)有三名华人，分别为(wei)杨格（Greg Yang）、张国(guo)栋(dong)（Guodong Zhang）和戴子航（Zihang Dai）。这也(ye)意味着(zhe)，xAI创始(shi)团队里华人的比例高(gao)达四成。如果(guo)考(kao)虑到马斯(si)克也(ye)“占了一(yi)个名额”，那么剩下11人里，华人比例几乎达到一(yi)半。

相(xiang)比之下，开发ChatGPT的研究员中，华人占比约为(wei)五(wu)分之一(yi)。有行业资深专家当时对(dui)这一(yi)现象评价称，“中国(guo)人占五(wu)分之一(yi)的话是平均(jun)水平”，可是xAI已经远远超过了这个数字。

xAI的12名初创团队中有5名华人。xAI网站截图

据(ju)公开报道显示，杨格出生(sheng)于湖南，初中开始(shi)前(qian)往美国(guo)学习，本(ben)科和硕士学位(wei)都在哈(ha)佛大学数学系攻(gong)读，期间师从丘成桐教授。2018年，杨格曾获得本(ben)科生(sheng)数学领域最高(gao)荣誉摩(mo)根奖提名。

从哈(ha)佛毕业时，杨格本(ben)打算入职谷歌，但丘成桐劝他，“谷歌这种很差的公司就不要去了”。随后，丘成桐向微软研究院的负责人沈向洋推荐了杨格，沈向洋则安排了菲尔兹奖得主麦克对(dui)杨格进行面试。

麦克面试后赞叹不已，称这个年轻(qing)人“非常出色”。沈向洋当时就对(dui)杨格讲：“你把谷歌的Offer拿来给我看一(yi)看，我给你加一(yi)块钱，就来微软吧。”

2019年，杨格与丘成桐合影。杨格X网站账(zhang)号

在入职微软后，杨格担任微软雷蒙(meng)德(de)研究院的研究员，曾参(can)与过微软与OpenAI在大模型上的合作。在微软期间，杨格的重要成果(guo)之一(yi)是开发“张量程序”（Tensor Programs）框(kuang)架，其中还(hai)用GPT-3对(dui)所(suo)提出的超参(can)数迁移方法(fa)进行了验证，相(xiang)关论文已收录于NeurIPS、ICML等顶会。

作为(wei)杨格的重点研究项目，“张量程序”的长(chang)期目标是开发大规模深度(du)学习的“万物理(li)论”，也(ye)就是找(zhao)到一(yi)种理(li)论上的规则，可以真正理(li)解AI大模型的行为(wei)。这一(yi)理(li)论在AI领域具有革命(ming)性(xing)意义，能够(gou)优化大规模神经网络的训练方式，提高(gao)AI模型的泛化能力。

杨格的研究方向深受数学驱动(dong)。当时，xAI官宣(xuan)成立后，杨格曾迅速发布推文称：“深度(du)学习的数学是深奥、美丽而又非常有效的。发展出适用于大型神经网络的‘万物理(li)论’将对(dui)将人工(gong)智能提升到新水平起到关键作用。反过来，这种人工(gong)智能将使每个人都能以前(qian)所(suo)未有的方式理(li)解我们的数学世界。数学用于人工(gong)智能，人工(gong)智能用于数学！”

此外，xAI初创团队中的张国(guo)栋(dong)和戴子航均(jun)是在国(guo)内本(ben)科毕业后，才前(qian)往美国(guo)进行的深造。

张国(guo)栋(dong)本(ben)科毕业于浙江大学信息工(gong)程专业，随后前(qian)往多伦多大学攻(gong)读硕士和博士学位(wei)，并(bing)于2022年毕业后加入DeepMind。他在神经网络优化和强化学习方面有深厚(hou)的研究积累。

张国(guo)栋(dong)的研究风格兼具理(li)论深度(du)和工(gong)程实践能力，他不仅发表了大量高(gao)质量论文，同时也(ye)参(can)与了多个前(qian)沿AI项目的研发。加入xAI之后，他的研究方向主要聚焦于如何优化AI训练效率，并(bing)提升模型的稳定(ding)性(xing)。

张国(guo)栋(dong)个人主页

据(ju)浙江大学官网介绍，张国(guo)栋(dong)于2013年考(kao)入浙大，学业成绩连续三年名列(lie)专业第一(yi)，曾获得浙江大学最高(gao)奖学金荣誉——竺可桢奖学金、美国(guo)大学生(sheng)数学建(jian)模一(yi)等奖、全国(guo)大学生(sheng)数学建(jian)模一(yi)等奖、浙江省(sheng)大学生(sheng)物理(li)创新竞赛(sai)一(yi)等奖。2016年11月，张国(guo)栋(dong)前(qian)往微软亚洲研究院（北京）实习。

2022年，张国(guo)栋(dong)还(hai)获得了苹果(guo)奖学金，是4位(wei)获奖的华人学者之一(yi)。

戴子航本(ben)科毕业于清华大学计(ji)算机科学系，2020年博士毕业于卡内基梅(mei)隆大学计(ji)算机系，随后加入谷歌研究院。他在自然语言处(chu)理(li)（NLP）领域拥有深厚(hou)的积累，尤其擅长(chang) Transformer架构的优化与创新。

戴子航X网站账(zhang)号

他的研究贡献之一(yi)，是提出了多种提升AI语言模型训练效率的方法(fa)，在提高(gao)AI语言理(li)解能力方面做出了突破性(xing)贡献。他曾在谷歌和百(bai)度(du)美区实习，并(bing)在多个顶级AI会议上发表论文。