5 月 30 日是第九个全国科技工作者日，今年的主题为 " 矢志创新发展 建设科技强国 "，重在增强科技工作者的获得感荣誉感和报国为民的使命感紧迫感。

在科技创新道路中，人工智能成为这一领域不可或缺的组成部分。

人才是科技创新的核心，人工智能的演进历程凝聚着无数科技工作者的科研智慧与技术突破，他们正以不懈的探索与创新为行业书写伟大的篇章。

ISCA Fellow 2025：俞凯成为内地首位入选者

作为国内人工智能产业科技创新的领军人物，前不久，思必驰联合创始人、首席科学家俞凯教授入选 ISCA Fellow 2025，成为自 2008 年 ISCA 成立以来的中国内地首位入选者。

关于 "ISCA"

ISCA（国际语音通讯联盟）是国际上最大的智能语音技术专业组织，其主办的年会 InterSpeech 是国际语音领域的顶级会议。ISCA Fellow 是该协会设立的荣誉称号，旨在表彰在语音通信科学与技术领域做出杰出贡献的会员，包括研究人员、工程师和学者。该奖项自 2007 年设立以来，每年新晋 Fellow 不超过当年 ISCA 会员总数的千分之三，确保其稀有性和权威性。

在俞凯教授的带领下，不久前思必驰 - 上海交大联合实验室参与了国际声学语音与信号处理会议 ICASSP 2025，共发表了 12 篇论文，涵盖音频信息处理、语音唤醒识别、语音合成、多模态生成等研究方向，实现了若干针对噪声环境、低资源、多语种、多模态等场景的技术突破，为思必驰的全链路语音语言核心技术实力以及业务创新能力带来多重增益。

截至目前，俞凯教授发表了 200 余篇国际会议期刊论文，多次获得国际权威期刊和会议优秀论文奖，以及多个国际公开研究评测竞赛冠军。此外，他还担任了多个国际重要学术会议的理事和委员职务，致力于将前沿研究成果转化为实际应用，推动了技术的产业化进程。

《强化学习》第 2 版的中文译者：俞凯谈强化学习再获关注

在人工智能领域，无论是 ChatGPT 的出圈，还是 DeepSeek 的爆火，底层都有强化学习的支撑。今年 3 月 5 日，强化学习先驱安德鲁 · 巴图 Andrew Barto 与理查德 · 萨顿 Richard Sutton 获得 ACM 图灵奖，两人合著的《Reinforcement Learning: An Introduction》一直是强化学习领域最经典的教材之一。作为该领域的奠基之作，这本书开创了人工智能新格局，其中文版由俞凯教授译著，受到人工智能科技工作者们的欢迎。

思想总是走在行动的前面，就好像闪电总是走在雷鸣之前。" 作为《强化学习》第二版的中文译者，俞凯在序言中用德国诗人海涅的这句诗，描述了首次读到该书英文原版时的感受。俞凯提到，强化学习的再次爆火，不只是公众认知的更大认可，也是计算机领域对行为主义的巨大认可。无论技术应用如何风云变幻，产业发展如何潮起潮落，在人工智能的发展历程中，始终有一批思想的先行者以近乎顽固的执着态度在不同时代的 " 非主流 " 方向上进行着思考和探索，而正是这些执着甚至孤独的思想者，在技术应用热潮冷却后的暗夜里保留了火种，照亮了人类不停息的探索之路。

这本书所介绍的 " 强化学习 "，则是后深度学习时代技术发展的重要火种之一。俞凯指出，在人工智能范式探索过程中，不同学派的思想融合产生了新的趋势，其中，强化学习就是 " 闭环学习 " 范式的典型代表，正如本书中所介绍的，它与传统的预先收集或构造好数据及标签的有监督学习有着本质的区别，它强调在与环境的交互中获取反映真实目标达成度的反馈信号 , 强调模型的试错学习和序列决策行为的动态和长期效应。" 这使得强化学习在人工智能领域的些难题，如我本人所从事的认知型人机口语对话系统的研究中，具有无可替代的重要地位。"

而这些宝贵的思想，也为联结主义的深度学习在小数据、动态环境、自主学习等方面的进一步发展提供了重要的基础。在 AlphaGo 战胜李世石之后，AlphaZero 以其完全凭借自我学习超越人类在各种棋类游戏中数千年经验的能力再次刷新了人类对人工智能的认识，也使得强化学习与深度学习的结合受到了学术界和产业界的前所未有的关注。

从理论到实际应用：俞凯与思必驰的 AGI 进化论

在未来的智能提升与应用拓展中，强化学习也将发挥更为关键的作用。作为学界与产业界的双重探索者，俞凯及思必驰正聚焦 AGI 与真实场景的融合优化，在智能汽车、IoT 设备等硬件载体上，致力于构建能深度思考、稳定可靠执行的分布式智能体系统，推动 AI 从内容生成向类人思考、精准交互的跃迁。同时，这种 " 软硬件结合 " 的战略选择，暗合强化学习与真实物理环境交互的技术本质。

展望未来，俞凯强调分布式架构、多模态融合、可靠性增强将成为关键方向，也正是思必驰 "1+N" 中枢大模型架构致力于解决的问题。思必驰依托国家重大 AI 任务专项，构建了基于 DFM-2 东风中枢大模型的 1+N 分布式大模型智能体系统，其核心能力在于 " 知道自己的知识边界 "，具备 " 理解可靠、决策可靠 " 的特性，通过模块化拆卸、不同大模型 / 智能体热插拔与定向更新技术，实现多垂域大模型的灵活调度与高效协同。相较于集中式大模型，DFM 在综合成本、响应速度及垂域精度上优势显著。

俞凯认为，中国 AI 创新应重视学科交叉与长期主义，要鼓励去做火种般的探索，真正的技术革命往往孕育于非功利性的原始创新。在强化学习照亮 AGI 前路的当下，这种坚守深水区的勇气，或许比追逐短期技术风口更具意义，更能为技术发展注入持久动力。