如果說模型參數競賽是上一階段的焦點，這份名單更像是亞馬遜給下一階段 AI 戰場畫出的一張 “技術雷達圖”——安全、智能體、算力基礎設施與交叉學科，全部寫在了獲獎項目里。
AI 信息安全
亞馬遜研究獎設立于 2015 年，本質上是亞馬遜給學界的長期 “種子基金”：提供一次性科研經費、AWS 計算資源（包括數萬美金級別的 AWS Promotional Credits）、訪問 700+ 亞馬遜公共數據集的權限，并配備亞馬遜內部研究聯系人，協助合作與落地。
本輪（2025 年春季）共覆蓋五個征集方向：
Amazon Science
AI for Information Security（AI 信息安全）
AWS AI: Agentic AI（智能體 AI）
Build on Trainium（基于 Trainium 的構建與優化）
Think Big（以顛覆性想法為核心的前沿探索）
在這張技術布局中，華人學者幾乎在所有關鍵節點上都有身影。
AI 信息安全方向 共有 8 位研究者入選，其中 3 位為華人：
李洲（Zhou Li，加州大學歐文分校）
他關注如何利用大模型對復雜審計日志進行 “可讀、可追溯” 的攻擊溯源。不只是檢測到異常，還要讓安全分析人員看得懂、查得回去。
孟瑜（Yu Meng，弗吉尼亞大學）
他的課題是 “弱監督的 RLHF”，嘗試在建模人類偏好時顯式刻畫模糊性與不確定性。
今天市面上大量對齊技術，都默認人類偏好清晰可定義，但真實世界里，標注者判斷往往是搖擺的、甚至自相矛盾的。將這種 “含糊” 編碼進訓練過程，是防止大模型在價值觀層面 “過擬合”的一種嘗試。
趙子銘（Ziming Zhao，東北大學）
他關注的是 “大模型如何攻擊，以及如何可解釋地檢測與修復這些漏洞”。
隨著 LLM 被嵌入越來越多安全敏感系統（從代碼生成到自動滲透測試），模型本身既可能是防守方的工具，也可能成為新的攻擊面。趙子銘團隊希望把 “LLM 如何被用來 Hack” 這件事拆開講清楚，再反過來構建防線
Agentic AI
本輪獲獎中，Agentic AI（智能體 AI） 是人數最多的方向之一，單這一類就有 30 位研究者獲得資助，華人學者占了相當比重。
Cong Chen，達特茅斯學院
從電力系統出發，做的是 “會做決策的電網智能體”——在可再生能源占比越來越高的電網里，讓智能體替運營者在復雜市場環境中做調度與定價，兼顧安全、成本與碳排。
陳春陽（Chunyang Chen，慕尼黑工業大學）
他的研究領域位于軟件工程、人機交互、軟件安全與人工智能的交叉處。主要研究方向包括 AI 和大型語言模型輔助的自動化移動應用開發、AI 賦能的軟件倉庫挖掘、深度學習和移動應用的安全性。
劉邦（Bang Liu，蒙特利爾大學 & Mila）
他的項目關注 “協作式智能體的基礎協議”，同時將智能體用在材料科學和多模態學習中。 他曾推動材料科學大模型與智能體結合，用來設計新材料；獲獎項目則進一步探討，當多個智能體協同工作時，應該使用什么樣的 “語言”和 “規則”。
Lianhui Qin，加州大學圣地亞哥分校
研究的是 ReaL-Agent——一種把檢索與推理深度結合的跨模態智能體。 在多模態場景里，它既要查到對的圖文信息，又要沿著合理的推理鏈路一步步走下去，避免 “只會查不會想”。
王晉東（Jindong Wang，威廉與瑪麗學院）
他關注的是一個聽上去略抽象、卻極其關鍵的問題：對于 LLM 智能體來說，任務的“結構”有多重要？
簡單說，就是如何為智能體設計更合適的任務拓撲，讓它在復雜任務中分解、規劃、協作得更高效。
這與他長期在遷移學習、基礎模型和生成式 AI 方面的工作一脈相承——從 “模型能不能學會” 進一步走向 “模型能不能在復雜社會場景中用好”。
Think Big
Think Big 方向只有三位獲獎者，都是被認為具備 “變革潛力” 的研究構想，其中包括一位華人學者：
Tianlong Chen，北卡羅來納大學教堂山分校
他的項目嘗試把分子動力學模擬與蛋白質 AI 模型結合。
用通俗的話說，就是讓 AI 模型不僅看蛋白質的靜態結構，還要理解它在時間維度上的運動與相互作用，從而更準確地預測折疊、結合和功能。
這類研究，一方面順著 AlphaFold 等工作的軌跡繼續往前走，另一方面也呼應了 AWS 內部對于醫療健康場景的重視——從藥物篩選到疾病機理建模，高精度蛋白質模型 都是基礎設施級的存在
參考資料：
https://www.amazon.science/research-areas/latest-news/63-amazon-research-award-recipients-announced-spring-2025
https://mp.weixin.qq.com/s/vq8r54VNGiiV67ykYyQfqA
分享
