- 发布日期
阿里达摩院开放 15 项芯片与 AI 研究课题，启动“阿里星”顶尖人才招募
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
阿里达摩院今日宣布启动面向2027届毕业生的“阿里星”顶尖人才招募培养计划，并一次性开放15项研究课题，覆盖AI芯片、新型CPU架构、医疗多模态智能体、AGI决策等前沿领域。此举被视为阿里在基础科研与高端人才储备上的又一次重注。
据悉，“阿里星”计划是达摩院长期运行的顶尖人才项目，旨在吸引全球最具潜力的年轻研究者。此次开放的课题数量为历年之最，其中芯片方向占据8项，AI方向7项，显示出达摩院对底层硬件与智能算法的双重聚焦。记者注意到，这些课题并非重复的高校式研究，而是紧密对接产业落地需求。
在芯片方向，达摩院提出了“AI芯片编程模型设计实现”课题，要求为自研AI芯片打造全新的编程语言和编译器工具链，而非简单移植LLVM后端，覆盖从DSL设计到后端代码生成的全流程。另一项“AI编译器设计实现”则聚焦图编译器和算子编译器，解决模型自动并行化、分布式计算与通信隐藏等难题。这些课题指向大模型时代的算力瓶颈。
值得注意的是，达摩院首次在公开招募中强调“面向大模型的AI SoC芯片技术研究”，明确面向大模型训练与数据中心级AI计算场景，在芯片体系结构、先进封装与系统协同层面推动创新。同时，“AI Agent CPU架构探索”课题提出研究Agentic AI时代的RISC-V高性能CPU架构，并深度参与国际标准制定，显示达摩院试图在开源架构上掌握话语权。
AI方向则重点围绕医疗与工业场景。其中“医疗AI基础大模型技术研究”关注泛癌早筛、影像报告生成、医学影像数据合成等临床问题；“医疗多模态智能体研究”则聚焦心血管与病理诊断智能体的全流程研发。此外，“用于决策的通用人工智能AGI技术研究”面向电力能源、航空高铁等工业场景，研究长期记忆、先进推理与自主智能体，探索AGI在关键领域的实际应用。
这些课题的开放，反映出阿里达摩院对AI与芯片融合发展趋势的判断——软硬协同成为提升性能的关键路径。例如“AI芯片软硬件协同”课题要求构建性能模型指导架构决策，并在投片前进行系统级验证；而“AI驱动的RISC-V高性能编译优化方法”则尝试用AI模型替换编译系统的关键组件，实现更智能的优化决策。
业内分析认为，达摩院通过“阿里星”计划直接吸纳博士毕业生进入前沿项目，一方面可缩短从学术成果到产业落地的转化周期，另一方面也是在激烈的人才竞争中抢先锁定潜力新星。此次课题设计注重“产品可搭载”和“规模化落地”，比如“产品可搭载的高能效AI芯片创新架构”和“AI视频前沿算法标准探索及产品化”，均明确指向实际业务场景。
随着这些研究课题的推进，阿里有望在下一代AI芯片架构、RISC-V生态和医疗AI应用领域形成技术壁垒。同时，参与国际标准制定也将提升中国企业在全球AI治理中的话语权。不过，前沿研究的不确定性依旧存在，达摩院能否在既定期限内产出突破性成果，尚需时间检验。
