阿里达摩院启动2027“阿里星”计划，开放15个AI前沿研究方向

阿里达摩院近日正式启动了面向2027届毕业生的“阿里星”顶尖人才招募与培养计划，并一口气开放了15个前沿研究方向，涵盖AI芯片、新CPU架构、医疗多模态智能体、AGI决策等多个领域。这不仅是达摩院在AI领域持续深耕的信号，也向外界传递了一个清晰的姿态：AI的竞争，早已不只是模型参数的比拼，而是从底层芯片到行业应用的全面较量。

芯片领域：从编程模型到系统架构，全方位布局

在芯片方向，达摩院围绕AI计算基础设施做了不少文章。研究课题包括AI芯片编程模型设计、AI编译器开发、面向大模型训练和推理的AI SoC架构，以及AI芯片推理系统的优化。这些研究背后，涉及自研AI芯片编程语言、编译器工具链、软硬件协同优化、先进封装和系统架构设计等一系列关键技术。

说白了，这些课题的目标很明确：让AI芯片不只是“跑得快”，还要“好用、好开发”。毕竟，光有硬件性能还不够，如果开发者用起来费劲，那再强的算力也发挥不出来。

面向Agent时代的CPU架构探索

除了芯片本身，达摩院还把目光投向了计算架构的演进。他们专门设立了“AI Agent CPU架构探索”课题，研究下一代RISC-V高性能CPU的设计方向。这里有个值得留意的点：团队会分析Agent工作负载的特征，探索适合Agentic AI的新微架构。

与此同时，他们还在做AI驱动的RISC-V编译优化研究，用AI模型提升编译系统的智能化水平，并参与相关国际标准的探索。换句话说，未来的CPU可能不再只是“执行指令”，而是要学会“理解任务”，甚至能自己优化自己。

AI应用：医疗AI与多模态智能体成重点

在应用层面，达摩院把重心放在了医疗AI、多模态智能体和通用AI技术上。相关课题包括医学影像基础大模型、医疗多模态智能体、医学视觉大模型，以及AI Agent开发。这些研究的目标很实在：通过大模型、强化学习和智能体技术，解决疾病诊断、医疗数据分析等临床实际问题。

想象一下，未来医生在诊断时，AI能快速分析影像、结合病历给出建议，甚至能辅助制定治疗方案——这或许就是这些课题想要实现的方向。

AGI决策技术：从实验室走向工业场景

达摩院还在推进面向工业领域的AGI决策技术研究。他们探索长期记忆、自我认知建模、持续学习和自主智能体能力在能源、航空、高铁、港口等场景中的应用，同时推动AI视频前沿算法标准的制定和产品化落地。

这些听起来可能有点抽象，但说白了，就是让AI不仅会“看”、会“说”，还能在复杂环境中做决策、执行任务。比如在港口调度、高铁运行优化这些场景里，AI如果能自主决策，那效率提升可不是一星半点。

从芯片到应用，全栈技术链的竞争

这次“阿里星”计划覆盖了从底层芯片架构到行业智能应用的完整技术链条。这背后反映出一个趋势：AI行业的竞争正在从模型能力扩展到全栈技术体系的构建，包括芯片、软件生态和智能体应用。

对于即将毕业的2027届学生来说，这无疑是一个站在技术前沿的机会。如果你对AI芯片、架构设计、医疗AI或AGI决策感兴趣，不妨多关注一下达摩院的动态。毕竟，能参与这样的项目，不仅是对个人能力的挑战，也是见证技术变革的难得经历。

关键要点

• 阿里达摩院启动2027“阿里星”计划，开放15个AI前沿研究方向。
• 芯片领域覆盖编程模型、编译器、SoC架构和推理系统优化。
• 探索面向Agent时代的RISC-V CPU架构和AI驱动编译优化。
• 医疗AI、多模态智能体和AGI决策技术成为应用重点。
• 计划体现AI竞争从模型能力向全栈技术体系构建的转变。