2026-2027年度英偉達研究生獎學(xué)金名單新鮮出爐，10位獲得最高6萬美金資助的「天選之子」中，華人學(xué)者直接霸榜8席！其中更是不乏名師高徒，比如李飛飛的學(xué)生也赫然在列，正在教機器人怎么像人一樣干活。從讓游戲畫質(zhì)起飛的神經(jīng)渲染，到防不勝防的AI安全攻防，這些博士生研究的都是硬核中的硬核。

剛剛，英偉達研究生獎學(xué)金（Nvidia Graduate Fellowship）名單出爐！

該項目致力于挖掘并支持全球頂尖的博士研究生，助力他們在計算創(chuàng)新的前沿領(lǐng)域攻克難題。

作為一項久負(fù)盛名的學(xué)術(shù)榮譽，該項目已走過25年歷程，不僅為獲獎?wù)咛峁└哌_60,000美元的科研經(jīng)費，還提供在英偉達實驗室進行暑期實習(xí)的寶貴機會，使學(xué)生能夠直接接觸最先進的技術(shù)資源與行業(yè)專家。

以下是本年度10位最高獎學(xué)金獲得者以及5位最終入圍者的詳細履歷。

獎學(xué)金獲得者(Recipients)

Jiageng Mao

學(xué)校：南加州大學(xué)(University of Southern California)

研究方向：物理人工智能、具身智能、自動駕駛

獲獎理由：通過利用互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)中的多樣化先驗知識，解決復(fù)雜的物理人工智能問題，為現(xiàn)實世界中的具身智能體實現(xiàn)穩(wěn)健且可泛化的智能。

Jiageng Mao是南加州大學(xué)的博士生，師從Yue Wang教授。他的研究核心在于物理人工智能（Physical AI），致力于通過利用互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)中的多樣化先驗知識，解決復(fù)雜的物理世界問題。他的目標(biāo)是為現(xiàn)實世界中的具身智能體（Embodied Agents）開發(fā)穩(wěn)健且可泛化的智能系統(tǒng)，研究涵蓋了自動駕駛、計算機視覺和機器人學(xué)習(xí)等前沿領(lǐng)域。

Liwen Wu

學(xué)校：加州大學(xué)圣地亞哥分校(University of California, SanDiego)

研究方向：神經(jīng)渲染、計算機圖形學(xué)、3D視覺

獲獎理由：通過神經(jīng)材質(zhì)與神經(jīng)渲染技術(shù)，提升基于物理渲染的真實感與效率。

Liwen Wu是UCSD計算機科學(xué)與工程系的博士生，導(dǎo)師是Ravi Ramamoorthi教授。他的主要研究興趣集中在計算機圖形學(xué)和3D視覺的交叉領(lǐng)域，特別是神經(jīng)渲染、反向渲染和材質(zhì)建模。他致力于通過結(jié)合神經(jīng)技術(shù)與物理渲染原理，提升渲染的真實感與計算效率，為創(chuàng)建逼真的虛擬世界提供技術(shù)支撐。

Manya Bansal

學(xué)校：麻省理工學(xué)院(Massachusetts Institute of Technology)

研究方向：計算機架構(gòu)、編譯器、編程語言

獲獎理由：為現(xiàn)代加速器設(shè)計編程語言，使開發(fā)者能夠編寫模塊化、可復(fù)用的代碼，同時不犧牲實現(xiàn)峰值性能所需的底層控制能力。

Manya Bansal是MIT的博士生，由Saman Amarasinghe和Jonathan Ragan-Kelley指導(dǎo)。她的研究致力于為現(xiàn)代硬件加速器設(shè)計新型編程語言和編譯器。她開發(fā)的系統(tǒng)允許開發(fā)者編寫模塊化、可復(fù)用的高性能代碼，旨在解決異構(gòu)計算系統(tǒng)中的編程復(fù)雜性，同時保留對底層硬件的精細控制能力，以實現(xiàn)峰值性能。

Sizhe Chen（陳思哲）

學(xué)校：加州大學(xué)伯克利分校(University of California, Berkeley)

研究方向：AI安全、對抗性機器學(xué)習(xí)

獲獎理由：致力于現(xiàn)實場景中的人工智能安全防護，當(dāng)前聚焦于通過通用且實用的防御手段保護智能體免受提示注入攻擊，同時確保智能體的功能完整性。

Sizhe Chen致力于人工智能安全領(lǐng)域的研究，重點關(guān)注現(xiàn)實場景中的模型防御機制。他目前的研究聚焦于大語言模型（LLM）和智能體（Agents）的安全性，特別是如何通過通用且實用的防御手段（如結(jié)構(gòu)化查詢防御）來保護智能體免受提示注入等攻擊，同時確保智能體在執(zhí)行任務(wù)時的功能完整性。

Yunfan Jiang

學(xué)校：斯坦福大學(xué)(Stanford University)

研究方向：機器人學(xué)、具身智能、仿真

獲獎理由：通過融合現(xiàn)實世界全身操控數(shù)據(jù)、大規(guī)模仿真與互聯(lián)網(wǎng)級多模態(tài)監(jiān)督數(shù)據(jù)，開發(fā)可擴展的方法來構(gòu)建適用于日常任務(wù)的通用機器人。

Yunfan Jiang是斯坦福大學(xué)計算機科學(xué)系的博士生，導(dǎo)師是李飛飛（Fei-Fei Li）教授。他的研究目標(biāo)是構(gòu)建通用的機器人系統(tǒng)，使其能夠執(zhí)行復(fù)雜的日常任務(wù)。他通過融合現(xiàn)實世界的全身操控數(shù)據(jù)、大規(guī)模仿真環(huán)境（如Minecraft）以及互聯(lián)網(wǎng)級的多模態(tài)監(jiān)督數(shù)據(jù)，開發(fā)可擴展的方法來訓(xùn)練具備高度適應(yīng)性的機器人智能體。

Yijia Shao

學(xué)校：斯坦福大學(xué)(Stanford University)

研究方向：人機交互(HCI)、自然語言處理(NLP)

獲獎理由：通過開發(fā)能在任務(wù)執(zhí)行過程中與人類溝通協(xié)作的 AI 智能體，并設(shè)計新型人機交互界面，研究人機協(xié)同機制。

Yijia Shao是斯坦福大學(xué)的博士生，師從Diyi Yang教授。她的研究重點是人機協(xié)同（Human-AI Collaboration）。她致力于開發(fā)能夠在任務(wù)執(zhí)行過程中與人類進行有效溝通和協(xié)作的AI智能體，并設(shè)計新型的人機交互界面。她的工作旨在探索AI如何通過理解人類意圖和反饋，更好地輔助人類完成復(fù)雜的知識密集型任務(wù)。

Shangbin Feng

學(xué)校：華盛頓大學(xué)(University of Washington)

研究方向：自然語言處理、模型協(xié)作、去中心化AI

獲獎理由：推動模型協(xié)作：多個在不同數(shù)據(jù)上由不同人員訓(xùn)練的機器學(xué)習(xí)模型相互協(xié)作、組合與互補，構(gòu)建開放、去中心化、協(xié)同化的 AI 未來。

Shangbin Feng是華盛頓大學(xué)的博士生，導(dǎo)師是Yulia Tsvetkov。他的研究愿景是推動「模型協(xié)作」，即讓多個在不同數(shù)據(jù)上由不同人員訓(xùn)練的機器學(xué)習(xí)模型能夠相互協(xié)作、組合與互補。他致力于構(gòu)建一個開放、去中心化且協(xié)同化的AI生態(tài)系統(tǒng)，解決單一模型在知識覆蓋和隱私保護方面的局限性。

Shvetank Prakash

學(xué)校：哈佛大學(xué)(Harvard University)

研究方向：計算機系統(tǒng)、邊緣計算、硬件架構(gòu)

獲獎理由：基于新型算法、精選數(shù)據(jù)集和智能體優(yōu)先的基礎(chǔ)設(shè)施構(gòu)建 AI 智能體，以推進硬件架構(gòu)與系統(tǒng)設(shè)計。

Shvetank Prakash是哈佛大學(xué)的博士生，隸屬于邊緣計算實驗室（Edge Computing Lab）。他的研究專注于為AI智能體構(gòu)建優(yōu)化的基礎(chǔ)設(shè)施，特別是針對資源受限的邊緣設(shè)備。他通過利用新型算法、精選數(shù)據(jù)集和「智能體優(yōu)先」的設(shè)計理念，推進硬件架構(gòu)與系統(tǒng)設(shè)計，使AI能夠更高效地部署在下一代計算平臺上。

Irene Wang

學(xué)校：佐治亞理工學(xué)院(Georgia Institute of Technology)

研究方向：計算機架構(gòu)、機器學(xué)習(xí)系統(tǒng)

獲獎理由：開發(fā)集成加速器架構(gòu)、網(wǎng)絡(luò)拓?fù)渑c運行時調(diào)度的協(xié)同設(shè)計框架，以實現(xiàn)大規(guī)模、高能效且可持續(xù)的AI訓(xùn)練。

Irene Wang是佐治亞理工學(xué)院的博士生，導(dǎo)師是Divya Mahajan。她的研究致力于解決大規(guī)模AI訓(xùn)練中的效率與可持續(xù)性問題。她開發(fā)了集成加速器架構(gòu)、網(wǎng)絡(luò)拓?fù)渑c運行時調(diào)度的協(xié)同設(shè)計框架（Co-design Frameworks），旨在優(yōu)化分布式深度學(xué)習(xí)系統(tǒng)的性能和能效，推動綠色AI計算的發(fā)展。

Chen Geng（耿晨）

學(xué)校：斯坦福大學(xué)(Stanford University)

研究方向：3D/4D計算機視覺、生成式模型

獲獎理由：利用可擴展的數(shù)據(jù)驅(qū)動算法和物理啟發(fā)原理建模四維物理世界，推進面向機器人與科學(xué)應(yīng)用的物理基礎(chǔ)三維與四維世界模型。

Chen Geng是斯坦福大學(xué)的博士生，導(dǎo)師是Jiajun Wu。他的研究興趣位于計算機圖形學(xué)與4D視覺的交叉點。他致力于利用可擴展的數(shù)據(jù)驅(qū)動算法和物理啟發(fā)原理，對四維物理世界進行建模。他的工作推進了面向機器人與科學(xué)應(yīng)用的物理基礎(chǔ)三維與四維世界模型（World Models），特別是在動態(tài)場景的生成與理解方面。

最終入圍者(Finalists)

Zizheng Guo

學(xué)校：北京大學(xué)(Peking University)

Peter Holderrieth

學(xué)校：麻省理工學(xué)院(Massachusetts Institute of Technology)

Xianghui Xie

馬克斯·普朗克信息學(xué)研究所(Max Planck Institute for Informatics)

Alexander Root

學(xué)校：斯坦福大學(xué)(Stanford University)

Daniel Palenicek

學(xué)校：達姆施塔特工業(yè)大學(xué)(Technical University of Darmstadt)

在這個獎學(xué)金項目中：

• 前10位（Recipients）：

  是正式的 獎學(xué)金獲得者 。他們獲得了實質(zhì)性的物質(zhì)獎勵（每人高達6萬美元的資助）以及實習(xí)機會。

• 后5位（Finalists）：

  是 最終入圍者 。這意味著他們在激烈的全球競爭中進入了選拔的 最后一輪 ，但最終沒有拿到那10個最高獎學(xué)金的名額。

簡單來說，「最終入圍者」雖然沒有獲得那筆6萬美元的大獎，但這在學(xué)術(shù)界依然被視為一種很高的榮譽（HonorableMention），代表英偉達官方對他們研究實力的高度認(rèn)可，證明他們的水平已經(jīng)非常接近獲獎標(biāo)準(zhǔn)。

年度趨勢深度解讀

技術(shù)風(fēng)向標(biāo)：AI正在走出屏幕！

觀察今年的獲獎名單，我們可以清晰地看到NVIDIA關(guān)注點的轉(zhuǎn)移。

往年可能更多聚焦于純粹的模型架構(gòu)或算力優(yōu)化，但今年具身智能(Embodied AI)和AI安全(AI Safety)明顯占據(jù)了C位。

• 從虛擬到物理：Jiageng Mao、Yunfan Jiang和Chen Geng等人的研究都致力于打破虛擬與現(xiàn)實的界限，讓AI不僅能聊天，更能理解物理世界并控制機器人干活。

• 安全至上：隨著大模型落地，安全問題日益凸顯。Sizhe Chen關(guān)于防御提示注入攻擊的研究獲獎，說明工業(yè)界開始高度重視AI的防盜門建設(shè)。

高校風(fēng)云榜：斯坦福贏麻了

在10位最高獎學(xué)金獲得者中，斯坦福大學(xué)(Stanford University)以絕對優(yōu)勢領(lǐng)跑，獨占3席，展現(xiàn)了其在AI領(lǐng)域的統(tǒng)治級地位。

• 斯坦福大學(xué)：3人(Yunfan Jiang、Yijia Shao、Chen Geng)

• 加州系高校(UCSD、USC、Berkeley)：3人

• 常春藤及其他名校(MIT、Harvard、UW、Georgia Tech)：各1人

這不僅是學(xué)生的勝利，也是李飛飛、Diyi Yang和Jiajun Wu等頂尖導(dǎo)師團隊實力的體現(xiàn)。

參考資料：

https://blogs.nvidia.com/blog/graduate-fellowship-recipients-2026-2027/

文章來源：新智元。