达摩院2027届阿里星计划启动，15项前沿课题招募顶尖人才

阿里达摩院不久前拿出了重磅资讯, 朝着2027届毕业生开启了“阿里星”人才规划。这并非平常的校园招聘, 此乃特意为挖掘顶尖科研人才打造的专项。今年总共开放了15个研究课题, 覆盖了从底层芯片直至上层应用的全链条技术。

种种课题的艰难程度以及前沿水准均超高, 涵盖AI芯片、新型CPU架构、医疗多模态智能体及通用人工智能等诸多领域。对于正为未来方向烦闷的学生而言, 这既是空前的机遇, 亦是一回严峻的挑战, 毕竟得以置身此计划的人, 皆是各自领域出众之人。

芯片底层技术挑战巨大

于芯片方向, 阿里提出了好些极具挑战性的课题。其一乃是AI芯片编程模型的设计以及实现, 这就要求研究人员并非仅仅是单纯地移植现有的工具链, 而是得从DSL设计直至编译器后端全流程自己研制。这表明需要把控非常底层的系统知识, 对编程能力以及系统思维的要求极为高。

还有一个重点在于, 针对大模型展开的AI SoC芯片技术的研究。由于大模型参数量呈现出爆炸式的增长态势, 所以数据中心级别的AI计算需求也在迅猛地上升。研究人员必须要于芯片体系结构、先进封装以及系统协同层面开展突破性的创新, 以此来解决算力瓶颈方面的问题, 而这直接关联到未来AI算力的上限句号。

今年重点方向之一是AI编译器的设计实现, 研究人员要开发图编译器, 还要开发算子编译器, 以此解决模型自动并行化问题, 以及分布式数据、计算和通信隐藏等技术难题, 这并非简单的代码编写, 而是得在算法层面找最优解, 还要在系统层面找最优解, 更要在硬件层面找最优解, 技术门槛相当高。

还有关于AI芯片软硬件协同设计的课题, 需要研究人员针对硬件以及软件之间搭建起桥梁, 借助软件栈反馈进而优化硬件架构, 对软硬件接口规范予以定义, 还要开发性能模型以此来指导架构决策。这般跨层级的设计能力, 是未来芯片竞争力的核心之处。

构建高性能推理系统, 是又一关键课题。其目标在于, 针对自家人工智能芯片, 打造推理引擎, 可以在此拥有千亿参数的大模型里, 实现具备优势的, 推理吞吐以及延迟表现。达成这一目标, 需要深度探究算法优化, 与系统调度之间, 跟硬件特性的集合点, 务必保证每一份算力, 都能够得以高效运用。

研究产品可搭载的, 具备高能效的AI芯片创新架构是有着同等重要性的。研究人员要将先进半导体技术用以结合架构设计, 来评估芯片产品并使之落地。这一过程不但关联到系统以及芯片的微架构设计, 而且要开展建模量化评估, 以此保证芯片于实际业务场景里, 既具备强大性能又能够实现省电目的。

有趣新增方向AI Agent CPU架构探索是今年的, 研究人员要参加下一代RISC-V高性能CPU架构研究, 去探索AI时代新CPU架构, 这需深入理解Agent特点, 识别性能瓶颈, 还得设计新微架构, 甚至参与RISC-V国际基金会标准制定, 其影响力很明显。

同时, 存在着由AI驱动的RISC-V高性能编译优化方法这一课题, 对于研究人员而言, 需运用AI模型去替换或者优化编译系统的关键组件, 达成更具智能性的优化决策, 并且设计出面向场景的扩展指令集, 这意味着编译技术正从传统规则驱动朝着AI智能驱动转变, 其前景极为广阔。

于医疗领域, 阿里着重布局了医疗AI基础大模型技术, 研究人员要攻克关乎医疗影像AI的基础模型技术, 涵盖多模态大模型、AIGC生成大模型等, 去解决泛癌早筛、影像报告生成等临床实际问题, 而这要与临床医生深度合作, 以确保技术切实能应用在治病救人当中。

存在着另一个落地场景, 那便是医疗多模态智能体研究。研究人员需要承担起心血管及病理诊断智能体研发的任务, 该研发是基于视觉基础大模型以及智能体技术来开展的。这其中涵盖了视觉模型的微调适配, 还包括智能体系统架构设计, 另外也涉及强化学习在训练过程中的应用, 其技术栈极为丰富。

专门侧重作决策的通用人工智能AGI技术展开研究, 其对象针对电力、石油、航空等这类高精尖工业场景。研究相关人员届时得去探究长期记忆、自我认知建模、自主智能体以及持续进行学习等AGI核心能力。这可不单单只是学术方面的研究而已, 更是为达目的要让AI拥有于复杂工业环境里能够自主决策以及进化的能力。

最后存在着AI视频前沿算法标准探索以及产品化的课题, 研究人员不但要开拓先进的AI视频技术, 而且要涉足最新国际视频标准的制定, 以此加速技术产业化, 这表明阿里不但要于技术方面占据领先地位, 而且要在行业标准领域把控话语权, 其布局极为长远。

透过这十五个硬核课题的审视, 你认为当中哪一个方向具备在未来五年期间生成颠覆性突破的最大可能性倾向? 欢迎于评论区域留下你的个人看法表述。