阿里達摩院開放 15 項芯片與 AI 研究課題，啟動“阿里星”頂尖人才招募

阿里達摩院今日正式宣布，針對2027屆畢業生啟動「阿里星」頂尖人才招募培養計畫，並同步公開今年度開放的15項研究課題，範疇涵蓋AI晶片、新型CPU架構、醫療多模態智能體、AGI決策等眾多前沿科技領域，展現其在前瞻技術研發上的深度布局。在晶片方向，達摩院一口氣釋出多項與自研AI晶片高度相關的研究課題。其中，AI晶片編程模型設計實現聚焦於為自家AI晶片打造全新的程式語言與編譯器工具鏈，技術內涵並非單純移植既有開源架構的後端，而是涵蓋DSL設計、編譯器前端、中端優化框架到後端程式碼生成的完整流程。

AI編譯器設計實現則鎖定圖編譯器與算子編譯器的開發，目標是解決模型自動並行化、分散式資料處理，以及計算與通訊延遲隱藏等關鍵技術難題。針對當前最熱的大模型運算需求，達摩院也規畫了面向大模型的AI SoC晶片技術研究，聚焦大模型訓練與推論、資料中心等級的AI運算場景，圍繞下一代AI SoC的先進架構與關鍵技術進行系統性研究與工程落地，希望能在晶片體系結構、先進封裝與系統協同層面取得突破性創新。

此外，另有產品可搭載的高能效AI晶片創新架構課題，將結合先進半導體、架構與系統技術，設計並評估AI硬體架構，最終落地為實際晶片產品，工作內容包括系統與晶片的架構及微架構設計、建模量化評估，以及演算法與應用分析。在軟體與系統層面，達摩院提出了面向AI晶片的AI Agent軟體研發課題，計畫用AI Agent重塑軟體開發流程，涵蓋程式碼自動生成、智慧Code Review、自動化測試、文件生成、故障診斷，乃至整個研發流程的智慧化編排。

同時設有面向AI晶片推理系統優化課題，要為自研AI晶片建構高性能推理系統，設計推理引擎核心模組，在演算法、系統與硬體三個層面尋求最佳解，目標是在千億參數大模型上實現領先的推理吞吐量與延遲表現。AI晶片軟硬體協同課題則強調在硬體與軟體之間搭建橋梁，參與軟硬體協同設計，包括基於軟體棧的回饋來優化硬體架構、定義軟硬體介面規範、開發效能模型以指導架構決策，並在投片前完成系統級驗證。CPU架構也是這波人才招募的重點領域。

達摩院提出的AI Agent CPU架構探索課題，將投入下一代RISC-V高性能CPU的架構研究，探索Agentic AI時代的全新CPU架構，研究Agent工作負載特性並識別效能瓶頸，設計新的RISC-V微架構，同時深度參與RISC-V國際基金會活動並參與行業標準定義。與此搭配的是AI驅動的RISC-V高性能編譯優化方法課題，基於RISC-V指令集推進編譯系統的設計、開發與優化，嘗試用AI模型替換或優化編譯系統的關鍵組件，實現更智慧的優化決策，也同樣參與RISC-V國際基金會標準制定。AI應用研究方面，醫療領域占了相當比重。

醫療AI基礎大模型技術研究課題，將透過研究醫療影像AI相關的基礎模型技術，涵蓋多模態大模型、基礎模型、AIGC生成大模型、Agent智慧體與大模型優化等方向，用以解決泛癌早期篩檢、影像報告生成、醫學影像資料合成、醫學影像分析大模型、醫療AI智慧體等臨床問題。醫療多模態智慧體研究則聚焦心血管疾病診斷智慧體與病理診斷智慧體的全流程研發，設計並實現面向醫學影像的視覺基礎大模型微調與適配方案，主導多模態智慧體系統的架構設計與核心模組開發，並探索強化學習在智慧體訓練中的應用。

另有醫療多模態大模型與AI智慧體研發課題，鎖定醫療場景的多模態大模型，探索醫療AI Agent的構建，並與臨床醫生合作完成資料收集、標註與臨床驗證，推動模型在實際業務場景落地。醫療AI基礎模型與智慧體課題則負責醫療AI基礎模型與智慧體系統的研發，面向真實醫療場景設計具備感知、理解、推理與決策能力的新一代醫療智慧系統，要求針對真實世界醫療場景提出合理的技術方案與研發路線，推動醫療AI落地應用。

除了醫療領域，達摩院也開放了用於決策的通用人工智慧AGI技術研究課題，鎖定電力能源、石油石化及管網、航空、高鐵、港口等工業場景，研究長期記憶與自我認知建模、先進推理機制、自主智慧體、持續學習與終生進化等關鍵技術。此外還有AI視頻前沿演算法標準探索及產品化課題，將共同開發先進AI視頻技術，推動技術規模落地，並參與最新國際視頻標準的制定，加速AI視頻技術的產業化進程。整體而言，達摩院此次開放的15項研究課題橫跨底層晶片架構、編譯系統、AI應用與行業標準制定，從硬體到軟體、從基礎研究到產業落地均有覆蓋，凸顯其在AI時代全面布局的企圖心。

透過「阿里星」計畫鎖定頂尖人才，也為這些前沿技術方向的長期研發儲備核心人力。