全球多位顶级科学家集体到访阿里巴巴的悬念今日揭晓:10月11日上午,在2017杭州·云栖大会上,阿里巴巴集团正式宣布成立承载“NASA计划”的实体组织——“达摩院”,进行基础科学和颠覆式技术创新研究。未来3年内,阿里巴巴在技术研发上的投入将超过1000亿人民币。
图说:阿里巴巴CTO张建锋(花名行癫)在云栖大会上宣布阿里巴巴达摩院正式成立。
今年3月,马云在公司首届技术大会上动员全球两万多名科学家和工程师投身“新技术战略”,启动了“NASA”计划,要面向未来20年组建强大的独立研发部门,建立新的机制体制,为服务20亿人的新经济体储备核心科技。
“达摩院”的阵容可谓“星光熠熠”,首批公布的学术咨询委员会十人中有三位中国两院院士、五位美国科学院院士,包括世界人工智能泰斗Michael I. Jordan、分布式计算大家李凯、人类基因组计划负责人George M. Church等。作为最高学术咨询机构,学术委员会对研究方向、重点发展领域、重大任务和目标等学术问题提供咨询建议。
在阿里巴巴“达摩院”公布的前日,还有十三位顶级科学家前往阿里巴巴总部座谈,包括中国唯一的图灵奖获得者姚期智院士、中国量子力学第一人潘建伟院士、定义了“计算思维”的哥伦比亚大学教授周以真、全球人脸识别技术“开拓者”和“探路者”汤晓鸥教授等。
图说:阿里巴巴成立“以科技创新世界”的阿里巴巴达摩院,计划在三年之内对新技术投资超过1000亿人民币,包括全球研究院、高校联合实验室、全球前沿创新研究计划三大部分。
阿里巴巴董事局主席马云曾在过去数年中多次提及阿里巴巴未来二十年的目标与路径——构建世界第五大经济体,为世界解决一亿就业机会,服务跨国界的二十亿人,为一千万家企业创造盈利的平台。“达摩院”正是为达到此目的解决问题而创立。马云表示:“解决社会问题”是阿里巴巴始终贯彻的技术研发逻辑,阿里巴巴已经不是一家普通的商业公司,我们在这个国家、在这个时代担当有巨大的责任。阿里巴巴必须是一家创造未来的公司,要成为国家和社会乃至于世界创新的发动机。
在前日的座谈会上,姚期智院士表示:“一家公司要做长远的科研非常不容易。世界上很少有公司能够做到。阿里巴巴能够有此决心,不只是做跟阿里巴巴商业相关的东西,非常高瞻远瞩。”
“达摩院”首批公布的研究领域包括:量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、人机自然交互、芯片技术、传感器技术、嵌入式系统等,涵盖机器智能、智联网、金融科技等多个产业领域。
目前,“达摩院”已经开始在全球各地组建前沿科技研究中心,包括亚洲达摩院、美洲达摩院、欧洲达摩院,并在北京、杭州、新加坡、以色列、圣马特奥、贝尔维尤、莫斯科等地设立不同研究方向的实验室,初期计划引入100名顶尖科学家和研究人员。
图说:首批公布的达摩院学术咨询委员会十人中有三位中国两院院士、五位美国科学院院士
“达摩院”将实行院长负责制,由阿里巴巴集团CTO张建锋(花名行癫)担任首任院长。张建锋表示:“今天的阿里巴巴,有能力更有责任为驱动人类科技和生活进步,做出更大贡献。在金庸小说中,达摩院代表最高武学机构。我们也希望阿里巴巴达摩院真正做到‘侠之大者、利国利民’。我们期望,下一个类似电和计算机的颠覆性技术创新,诞生在阿里巴巴达摩院。”
阿里巴巴一直是中国首屈一指的高科技公司,目前拥有2.5万名工程师和科学家,研发投入居中国互联网公司之首。在机制设立上,阿里巴巴达摩院更进一步体现这家公司在全球高科技领域的雄心。它将与阿里巴巴集团现有的研发体系保持相对独立,专注于面向人类未来的前沿技术研究。
马云将“达摩院”视为阿里巴巴将留给世界最好的东西之一。他说:有一天即使阿里巴巴不在了,希望“达摩院”还能继续存在。
附:达摩院学术咨询委员会成员简介
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。