2026科学探索奖信息电子领域五位获奖者：从算法到材料的AI基础设施全景
2026年科学探索奖的公布，再次将公众目光引向中国基础科研的中坚力量。在50位获奖者中，信息电子领域的五位青年科学家尤为引人注目——他们的研究横跨从高层算法到物理材料的多个层级，共同构成了人工智能时代底层技术生态的关键拼图。这一分布并非偶然，而是反映了当前科技演进的核心逻辑：AI的竞争已不再局限于模型本身，而是延伸至整个计算栈的协同优化。
黄高的学术轨迹清晰地体现了这一趋势。作为DenseNet的主要提出者之一，他在2017年通过密集连接机制解决了深层网络中的梯度消失问题，显著提升了特征复用效率。这项工作不仅获得CVPR最佳论文奖，更成为后续众多视觉模型的基础组件。然而，黄高并未止步于架构创新。近年来，他将研究重心转向生成模型与世界模型，尤其在扩散语言模型方向取得突破。2026年，其团队关于生成顺序建模与强化学习训练机制的研究斩获ICML杰出论文奖，为非自回归语言模型提供了新的技术路径。在大模型参数规模增长趋缓的背景下，这类对生成机制本质的探索，可能比单纯堆叠参数更具长期价值。
如果说黄高关注的是“智能如何生成”，那么刘譞哲则聚焦于“智能如何高效运行”。随着大模型进入规模化部署阶段，推理延迟、资源利用率和成本控制成为产业界的核心痛点。刘譞哲团队提出的DistServe系统，通过分离预填充与解码阶段的计算资源，有效缓解了GPU集群中的计算干扰问题。这一设计看似简单，却直击大模型推理中计算模式异构性的本质矛盾。更值得关注的是，其牵头完成的“智算中心分离式资源管理关键技术”已在字节跳动、阿里云、Meta等多家头部企业的生产环境中落地。这种从学术创新到工业实践的快速转化，标志着系统软件研究正从支撑角色转变为驱动AI基础设施演进的核心力量。
钱学海的研究则进一步下沉至硬件层。在AI芯片竞赛中，人们往往关注峰值算力（如TFLOPS），却忽视了数据搬运带来的能耗瓶颈。据估算，在典型深度学习任务中，数据移动所消耗的能量可达计算本身的数十倍。钱学海团队长期致力于减少这一“内存墙”效应，其工作涵盖领域定制加速器、存内计算架构以及图神经网络的高效执行优化。这些研究虽不直接产出新模型，却决定了模型能否在真实场景中经济可行地运行。例如，针对大模型训练中频繁的参数同步需求，其提出的通信优化策略可显著降低多GPU间的带宽压力。在算力成本日益成为AI民主化障碍的今天，此类底层系统创新的意义不容低估。
当计算效率逼近电子器件的物理极限时，光子技术开始进入视野。肖淑敏在微纳光学领域的突破，正是这一趋势的缩影。她所研究的光学超构表面，能在亚波长尺度上精确调控光的相位与偏振，从而替代传统笨重的透镜组。2025年发表于《Nature》的单层纳米激光系统，展示了在极小空间内实现复杂光场调控的可能性。这一技术对AI数据中心具有双重价值：一方面，光互连可提供远超铜线的带宽密度与能效比，缓解芯片间通信瓶颈；另一方面，光计算本身有望绕过冯·诺依曼架构的限制，实现特定任务（如矩阵乘法）的原生加速。尽管光子AI仍处早期阶段，但肖淑敏的工作为未来混合光电计算系统奠定了关键器件基础。
最底层的突破来自杨西贵对金刚石材料的探索。作为已知热导率最高的材料（室温下达2000 W/m·K，是硅的五倍以上），金刚石在解决AI芯片散热难题上潜力巨大。2026年，其团队成功合成纯相六方金刚石块材并解析晶体结构，这是该材料走向实用化的关键一步。传统硅基芯片在3D堆叠后面临严峻的热积累问题，而金刚石衬底或散热层可显著提升功率密度上限。此外，其宽禁带特性（5.47 eV）也使其适用于高压、高频的功率器件，为AI服务器电源管理提供新方案。虽然材料研究周期漫长，但正如当年硅材料之于集成电路，金刚石可能成为下一代高算力硬件的“隐形基石”。
这五位科学家的研究看似分散，实则构成了一条完整的创新链条：黄高的算法创新定义了智能的上限，刘譞哲的系统优化决定了部署的效率，钱学海的架构设计保障了计算的可行性，肖淑敏的光子器件拓展了互联的边界，而杨西贵的材料突破则夯实了物理基础。这种多层次协同，正是应对AI发展瓶颈的必然路径。
值得注意的是，他们的工作均体现出强烈的“问题导向”特征。黄高从梯度传播问题出发设计DenseNet，刘譞哲针对推理资源浪费开发DistServe，钱学海围绕数据移动瓶颈优化架构——这些都不是纯粹的理论推演，而是对真实工程挑战的回应。这种从实践中来、到实践中去的研究范式，或许正是中国基础科研走向成熟的重要标志。
从更宏观视角看，信息电子领域的这五项研究也折射出全球科技竞争的新态势。美国在大模型应用层占据先机，但中国正在底层技术栈上加速布局。无论是智算中心的资源管理、存内计算架构，还是金刚石材料合成，这些“硬科技”突破将决定未来十年算力基础设施的格局。科学探索奖对这类研究的认可，无疑释放出明确信号：真正的技术自主，必须扎根于从算法到材料的全链条创新。
当然，挑战依然存在。例如，光子计算与电子计算的集成工艺尚不成熟，金刚石器件的制造成本极高，大模型系统的能源消耗仍在持续增长。但正是这些未解难题，为青年科学家提供了广阔的探索空间。2026年的这份获奖名单，不仅是一份荣誉清单，更是一张指向未来的路线图——它告诉我们，智能时代的真正竞赛，才刚刚深入到它的根基之中。