NVIDIA
高校因缺乏企业级商业营收闭环而无力承担高昂算力基建,必须依靠慈善资助、企业折扣配比与免费软件栈组成的公私合作模式才能避免科研与人才断层。
AI-assisted summary of The 50-State Plan: Public-Private Models for AI Infrastructure and University Transformation — original source. Check the original for full context.
Source published:
Key ideas
- NVIDIA 联合创始人 Chris Malachowsky 发起面向全美的“50州计划”,通过联动各州私人捐助者、州政府与高校,为各州捐赠超级计算设施以激活地方科研与就业。 (22:50)
- NVIDIA 正式宣布将对高校算力基建项目提供设备折扣等额配比(matching funds),并全面向高校免费开放企业级软件技术栈且优先保障供货。 (26:11)
- 国家级 AI 研究资源(NAIRR)已汇聚超 20 家领军企业及 3 亿美元产业资源,平台运行的 600 多个科研项目中 60% 属于材料科学与地球物理等跨学科领域,印证了“AI for Science”浪潮。 (27:36)
- 宾夕法尼亚州全部 7 所 R1 级顶尖研究型大学正式签署谅解备忘录,打破校际竞争壁垒,共同发起了“拱顶石 AI 与量子倡议”(Keystone AI and Quantum Initiative)。 (31:36)
Detailed notes
## Background 该视频由 NVIDIA 官方频道于 2026 年 4 月 9 日发布在 YouTube 平台上。页面简介指出,本场圆桌研讨围绕“50州计划”(The 50-State Plan)展开,汇聚了科技领袖、美国国家科学基金会(NSF)高层以及顶尖研究型大学领导者,共同探讨如何通过创新的公私合作伙伴关系构建覆盖全美的高性能 AI 基础设施,加速大学转型并打破数字鸿沟。
## TL;DR 研讨会深入探讨了高校在 AI 时代面临的高昂算力成本与公共使命之间的现实矛盾,提出了打破孤岛式研究、建立区域化算力网络的系统路径。NVIDIA 联合创始人 Chris Malachowsky 详细阐述了走访全美推动的“50州计划”,并宣布了英伟达联合私人捐赠进行资金配比、全套软件栈免费开放与算力优先供应等重磅支持。与会的 NSF 代表及各大学副校长分享了佛罗里达大学的普惠超算实践、宾州七大 R1 高校联手签署的合作备忘录,以及国家级项目 NAIRR 在推动“AI for Science”中的核心作用。此外,会议重点呼吁将算力提升至如同水电般的公共基础设施地位,并建立覆盖基础教育、社区学院、综合大学直至初创企业的全链条人才与创新生态。
## Atmosphere & style 整场研讨会充满紧迫感与使命感,兼具战略宏图的昂扬与直面现实困境的务实坦诚。产业先锋、联邦决策者与学术高管之间的互动默契而热烈,既有公布重磅扶持政策时的振奋人心,也有老工业基地转型与老校跨学科突围的深刻回顾。现场问答环节基层社区学院教师的求援呼声,更是为这场高层对话注入了鲜明的现实张力与关切民生的温度,令整场交流显得格外扎实且发人深省。
## Bulletin - [22:50](https://www.youtube.com/watch?v=uv8va8bIqus&t=1370s) NVIDIA 联合创始人 Chris Malachowsky 发起面向全美的“50州计划”,通过联动各州私人捐助者、州政府与高校,为各州捐赠超级计算设施以激活地方科研与就业。 - [26:11](https://www.youtube.com/watch?v=uv8va8bIqus&t=1571s) NVIDIA 正式宣布将对高校算力基建项目提供设备折扣等额配比(matching funds),并全面向高校免费开放企业级软件技术栈且优先保障供货。 - [27:36](https://www.youtube.com/watch?v=uv8va8bIqus&t=1656s) 国家级 AI 研究资源(NAIRR)已汇聚超 20 家领军企业及 3 亿美元产业资源,平台运行的 600 多个科研项目中 60% 属于材料科学与地球物理等跨学科领域,印证了“AI for Science”浪潮。 - [31:36](https://www.youtube.com/watch?v=uv8va8bIqus&t=1896s) 宾夕法尼亚州全部 7 所 R1 级顶尖研究型大学正式签署谅解备忘录,打破校际竞争壁垒,共同发起了“拱顶石 AI 与量子倡议”(Keystone AI and Quantum Initiative)。
## Key takeaways - [02:59](https://www.youtube.com/watch?v=uv8va8bIqus&t=179s) 本轮 AI 变革的扩散速度与颠覆烈度远超以往渐进式技术浪潮,公众常将其矮化为单纯的聊天机器人,忽视了其作为复杂决策支持系统的核心本质。 - [05:29](https://www.youtube.com/watch?v=uv8va8bIqus&t=329s) 加速计算为科学基础模型与机器人模型提供了扩展能力,“物理 AI”与“模拟到真实”(Sim-to-Real)正成为破解物理世界交互与稀疏数据瓶颈的关键路径。 - [07:15](https://www.youtube.com/watch?v=uv8va8bIqus&t=435s) 高校必须打破工科局限,将 AI 全面融入所有专业的课程体系与培养方案,以满足用人市场对毕业生直接具备 AI 实践即战力的迫切需求。 - [08:53](https://www.youtube.com/watch?v=uv8va8bIqus&t=533s) NSF 过去数十年持续进行超越短期商业回报的前瞻性长周期押注,并通过设立 29 家国家级 AI 研究院成功撬动了超 3 亿美元的私营与慈善配套资本。 - [14:11](https://www.youtube.com/watch?v=uv8va8bIqus&t=851s) 以赠地大学为锚点构建区域创新网络,能够将 AI 算力与课程资源向下辐射至社区学院和技术学校,直接契合地方主导产业与一线就业岗位。 - [19:30](https://www.youtube.com/watch?v=uv8va8bIqus&t=1170s) 佛罗里达大学通过全校级 AI 超算部署与全院系通识教育,使科研引资额和毕业生就业率成倍增长,并向少数族裔院校及全州高中免费共享算力。 - [24:36](https://www.youtube.com/watch?v=uv8va8bIqus&t=1476s) 大学承担着公共探索与人才培养使命,无法套用企业将电力与基建直接转化为现金流的“AI 工厂”商业模式,面临高昂算力基建成本的严峻挑战。 - [30:01](https://www.youtube.com/watch?v=uv8va8bIqus&t=1801s) 各州建设集中式 AI 算力集群后,迫切需要配套的运维与技术支持体系,以指导非计算机专业师生及囊中羞涩的本地初创企业真正用好算力。 - [34:02](https://www.youtube.com/watch?v=uv8va8bIqus&t=2042s) 高校传统的教授桌面单机服务器模式已彻底无法承载现代 AI 科研,而美国在为顶尖大学衍生初创团队保障算力供给方面仍落后于部分海外知识经济国家。 - [36:08](https://www.youtube.com/watch?v=uv8va8bIqus&t=2168s) 科学仪器(如薇拉·鲁宾天文台每晚产生 80 万次预警)正引发数据海啸,必须打通从边缘计算、本地私有集群到云端的闭环链路,以 AI 驱动未来的“自主实验室”。 - [38:52](https://www.youtube.com/watch?v=uv8va8bIqus&t=2332s) 衡量高校 AI 转型成功的关键,在于将算力正式定义为类似水和电的现代公共基础设施,消除资源壁垒,让全民和基层院校享有平等创新的权利。 - [42:50](https://www.youtube.com/watch?v=uv8va8bIqus&t=2570s) 基层社区学院在日常教学中面临极度严重的算力短缺,许多学生仅能依赖免费额度的云平台,亟需联邦机构与研究型大学建立贯通机制加以帮扶。 - [44:50](https://www.youtube.com/watch?v=uv8va8bIqus&t=2690s) 在全校性 AI 教师发展计划中,人文学科、艺术与社科等非 STEM 院系教师的参与热情与转型意愿反而显著超越了传统工程与计算机院系。
## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=uv8va8bIqus&t=0s) 开场致辞与圆桌嘉宾介绍
会议在 GTC 大会现场的热烈掌声中拉开帷幕。主持人首先点明了本次研讨的核心主旨:人工智能不仅正在重塑科学研究、工程开发和企业运营,更对高等教育生态产生了极为深远的影响。高校承担着教育培养、前沿探索以及关乎国家长远发展的使命,而支撑这些使命的 AI 与高性能计算基础设施建设迫在眉睫。主持人强调,高等教育机构是全球创新生态系统的核心策源地,紧密连接着产业界与各类企业,因此必须确保高校科研人员与师生能够全方位融入当前的创新浪潮。
紧接着,主持人隆重引介了四位来自科技产业界、国家科研机构和顶级研究型大学的重磅嘉宾: - **Chris Malachowsky**:NVIDIA 联合创始人兼技术领袖,从公司创立初期便深耕于加速计算领域,长期对高等教育、AI 以及高性能计算(HPC)赋能高校怀有巨大热情。 - **Brian Stone**:美国国家科学基金会(NSF)幕僚长,时任代理副局长/代理局长职权,代表联邦科研资助最高管理层面。 - **Deborah Crawford**:田纳西大学(University of Tennessee)负责科研事务的副校长,长期主导该校及区域内的科研与创新战略协同。 - **Teresa Mayer**:卡内基梅隆大学(Carnegie Mellon University, CMU)负责科研事务的副总裁,也是全美顶级学术研究和跨学科技术前沿的关键领导者。
主持人指出,当前的讨论充满了紧迫感。高校面临着迅速建立现代 AI 课程体系的现实压力,更面临着如何将关键算力基础设施落地校园的严峻挑战。整个研讨旨在展开一场坦诚且前瞻的对话:面对加速计算与人工智能的新纪元,科研人员、高校机构和政策制定者应当承担怎样的历史使命?怎样才能将必需的计算资源交付到师生手中?又该建立何种新型公私合作伙伴关系(PPP),以补齐尚未解决的基础设施短板?
```mermaid flowchart TD accTitle: 高等教育 AI 转型与多方协同架构 accDescr: 展示联邦机构、产业界与高校通过基础设施、课程与科研协同推动国家级创新的关系
subgraph Funders["国家战略支撑"] NSF["美国国家科学基金会 (NSF)"] end
subgraph Industry["产业与加速计算"] NV["NVIDIA 等科技领军企业"] end
subgraph HigherEd["高等教育与区域创新生态"] direction TB CMU["卡内基梅隆大学 (CMU)<br/>物理 AI / 具身智能创新"] UT["田纳西大学 (UT)<br/>全学科 AI 普及与人才准备"] end
Funders -->|"长期科研投入与机构基金"| HigherEd Industry -->|"加速计算基础设施与前沿技术"| HigherEd HigherEd -->|"向产业界输送具备 AI 能力的人才"| Industry ```
---
[02:59](https://www.youtube.com/watch?v=uv8va8bIqus&t=179s) AI 革命的本质变革与公众认知偏差
主持人将第一个问题抛给了见证图形与加速计算数十年演进的 Chris Malachowsky,询问在历经数十年的技术浪潮后,当前的 AI 与计算格局与以往相比究竟有何本质区别,以及这对未来 5 到 10 年的大学和国家级科研机构意味着什么。Malachowsky 回顾了自己 40 余年的职业生涯,直言这场技术革命在广度、深度以及对大众的影响力上是前所未有的。以往的技术革新——无论是个人电脑(PC)、iPhone、移动应用还是社交媒体——都是循序渐进地渗透,首先波及特定领域,然后再逐步扩散;而本轮 AI 变革的采用速度与颠覆烈度却如同一记重锤(“a splat”),瞬间席卷了关于技术、就业和劳动力的全部公众讨论。
Malachowsky 进一步指出,当前大众舆论对 AI 的理解存在明显的认知偏差和矮化。公众往往以为 AI 仅仅是一个聊天机器人或者一个供人打字的对话框,这种认识严重低估了其作为决策支持系统的底层价值。AI 能够汇聚人类个体无法单凭大脑承载的庞大智识,并将专业经验赋能给匮乏专业知识的领域。面对这一剧变,大学教育者面临着双重重构的严峻考验:不仅要传授原有的专业基础,更必须教会学生如何驾驭自动化工具背后的判断力。
> “You know, I think you know, tasks are likely to get automated but not judgment and not you know, the human uh human element.” —— Chris Malachowsky
- **变革特征**:扩散速度呈现爆发性跨越,不再是传统渐进式渗透,短时间内全面重塑就业与技术预期。 - **公众误区**:普遍将人工智能窄化为聊天界面(Chatbot),忽视了其赋能全局业务与科研决策系统的核心属性。 - **教育新要求**:传统任务与例行技能易被自动化取代,但人类的价值判断、多智能体(Agents)管理以及驾驭先进工具的主体性成为必须教授的核心课题。
---
[05:29](https://www.youtube.com/watch?v=uv8va8bIqus&t=329s) 物理 AI、Sim-to-Real 与全校跨学科融合
紧随 Malachowsky 的发言,卡内基梅隆大学的 Teresa Mayer 与田纳西大学的 Deborah Crawford 从高等学府的教学科研一线补充了深层观察。Mayer 指出,外界误以为 AI 仅仅局限于大语言模型(LLM),然而加速计算带来的庞大规模扩展能力(Scale),已经使学界能够训练面向科学发现与机器人领域的科学基础模型。最激动人心的前沿在于“物理 AI”(Physical AI)的爆发:系统必须在极其复杂的真实物理环境中进行实时交互,而通过将基于物理定律的模型与“模拟到真实”(Sim-to-Real)技术相结合,能够有效攻破数据极度匮乏(Sparse Data)领域的瓶颈。Mayer 透露,卡内基梅隆大学在过去几年中已经孵化出三家专注于为物理 AI 打造通用“通用大脑”(generalized brain)的初创企业:Skild AI、Genesis AI 与 Field AI。
> “Accelerated compute um has provided the scale that now allows us to train uh foundation models for science, foundation models for robotics.” —— Teresa Mayer
Deborah Crawford 则将焦点拉回到大学整体的学科融合与人才供给侧变革。她强调,科学探索与创新的步伐正在全面提速,高校必须将 AI 既作为“学习的对象”(the subject of learning),又作为“学习的工具”(incorporated into learning)融入所有学科。早在 2022 年,田纳西大学就设立了首个跨学院的 AI 教师治理委员会,推动工学院与计算机学院之外的全体教研人员审视 AI 对各自专业的重构意义。学校设立了“生成式 AI 教师研究员计划”(GenAI Faculty Fellow Program),通过跨学科协同授课模式,将充满热情的“开拓型教师”与心存顾虑的“理性怀疑派教师”编组搭档,共同探索 AI 对学习成效的真实影响。Crawford 明确指出,用人单位与产业伙伴最核心的关切在于毕业生是否具备进入职场直接使用 AI 的实践能力,因此高校的根本任务是确保每一名毕业生都掌握契合自身专业的 AI 核心素养。
- **科学与物理前沿**: - 加速计算推动“科学基础模型”(Foundation models for science)与“机器人基础模型”研发。 - Sim-to-Real 成为破解真实世界复杂物理交互与稀疏数据训练的关键路径。 - CMU 近期孵化出 Skild AI、Genesis AI 和 Field AI 等具身智能核心企业。 - **高校学科建设与人才转型**: - 田纳西大学于 2022 年设立全校 AI 教师治理机制,打破工科专业局限。 - 推行 GenAI 教师伙伴计划,采用“积极开拓者 + 理性怀疑论者”的结对双师教学模式(Team-teaching)。 - 顺应用人市场对“即战力”的强烈渴求,将毕业生的全面 AI 素养(AI competencies)置于优先地位。
---
[08:53](https://www.youtube.com/watch?v=uv8va8bIqus&t=533s) 国家科学基金会(NSF)的长期战略押注与区域创新
讨论随后转向联邦资助的核心代表——美国国家科学基金会(NSF)幕僚长 Brian Stone。Stone 首先高度评价了 NSF 与 NVIDIA 等高科技领军企业在各项国家级技术计划中的深度伙伴关系。他阐释了国家科研管理的根本逻辑:NSF 历经 75 年以上的岁月沉淀,其核心职能正是对前沿科技与颠覆性创新领域进行跨越数十年周期的“长期押注”(long-term bets)。公众所目睹的“AI 似乎一夜之间无处不在”,实则是几十年间国家科研经费持续、审慎投入并不断推进边界所积累的必然结果。
> “We got to this point by years and years, decades of thoughtful investment and moving the ball forward.” —— Brian Stone
Stone 赞同前面两位大学负责人的观点,指出当前的国家优先事项必须全面围绕推动 AI 与各传统基础科学学科的深度嵌合,确保全民具备相应的技能储备。在具体的战略布局上,Stone 列举了过去六七年间联邦政府的关键举措:以 2019 年启动的“国家人工智能研究机构计划”(National AI Research Institutes Program)为例,全美迄今已设立了 29 个国家级 AI 研究院。尤为重要的是,该计划撬动了超过 3 亿美元的私营部门与慈善资本匹配资金。Stone 强调,NSF 的经典模式即是通过联邦引导资金撬动社会资本共投,放大创新体量,进而牢牢锁定并激活全美范围内的“区域创新”(Regional Innovation)网络,为构建跨越全美各州的公共-私营协同生态奠定基础。
- **历史沿革与资助哲学**:NSF 成立逾 75 年,致力于超越短期商业回报的数十年前瞻性基础科研投入。 - **国家 AI 研究院(AI Institutes)**:自 2019 年发起至今已建成 29 家国家级机构。 - **公私资本联动模式**:吸引并撬动超过 3 亿美元的私营产业界和慈善机构匹配资金,服务于全美区域创新战略。
[11:32](https://www.youtube.com/watch?v=uv8va8bIqus&t=692s) NSF TIP 局与区域创新:从农业州到全层级教育激活
美国国家科学基金会(NSF)的技术、创新与合作局(TIP,Technology, Innovation and Partnerships)虽然成立仅约四年,但已成为打破传统科研壁垒、释放区域经济潜能的核心引擎。该局与 NSF 其他部门正在积极引导各地区依据自身优势制定发展重点。例如,爱荷华州的民众和研究者自然更关注农业与 AI 的结合;各地的大学作为区域经济的支柱和动力源泉,能够精准切入人工智能技术,解决本地社区最迫切的需求。NSF 近期在北卡罗来纳州夏洛特市对区域创新引擎(Regional Innovation Engines)开展实地考察时,北卡罗来纳州与南卡罗来纳州的所有社区学院悉数到场,共同探讨如何通过赋能人才来创造就业。一位代表指出,尽管推动就业并非基金会的日常口号,但其实际效果已十分显著:
> “We don't typically focus on you know, we don't wake up and say, 'How many jobs are we going to create today at NSF?' But that's that's the kind of impact that we're starting to have and that's what's really exciting for us.”
产业界代表对此深表赞同,并指出聚焦“区域经济发展”为企业提供了极佳的合作切入点。如果一所综合性大学试图在所有科学技术领域面面俱到,企业往往难以精准对接;而一旦大学确立了契合本地实际的优先事项,产业界便能集中资源展开互动,在合理的时间周期内兑现双方联合投资的回报。
- **区域靶向创新**:大学作为区域锚点,将 AI 与本地主导产业(如中西部的现代农业、东南部的新型能源与制造)深度绑定。 - **贯通多级教育**:AI 教育不仅涵盖四年制顶尖研究型大学,更向下渗透至两年制社区学院和职业技术院校,直接对接一线岗位需求。 - **产业投资回报**:区域发展优先级为企业投资提供了清晰的落地场景,大幅缩短从技术研发到商业化产出的验证周期。
---
[14:11](https://www.youtube.com/watch?v=uv8va8bIqus&t=851s) “AI 田纳西”与公私合作:赠地大学赋能全州人才体系
针对区域 AI 创新的落地路径,田纳西大学诺克斯维尔分校(University of Tennessee, Knoxville)分享了全州范围内的协同经验。在 NSF 创新政策的推动下,该州成立了名为“AI 田纳西”(AI Tennessee)的联合体,将全州的技术学院、社区学院以及四年制大学全面联结在一起。作为全州的赠地大学(Land-Grant University),田纳西大学诺克斯维尔分校拥有深厚的 AI 科研储备,而许多基层院校则缺乏相关师资与技术积淀。通过派遣具备 AI 技能的教授、研究生及博士后深入社区学院进行帮扶,全州构建起了立体化的技术扩散网络。正如校方代表强调的合作愿景:
> “So, working together to figure out how we make sure that every Tennessean has the ability to to develop AI competencies and is confident in their use.”
这种合作不仅聚焦于科研攻关,更建立在坚实的公私合作(Public-Private Partnerships)基础之上。相较于十年前,如今美国社会对公私合作的重视程度显著提升,私营部门被深度引入生态系统讨论中,承担起推动前沿探索、国家竞争力提升以及高素质劳动力培育的社会责任。这种区域网络打破了以往孤岛式的运作模式,使全州层面的大规模资源共享成为现实。
```mermaid flowchart TD accTitle: AI Tennessee 协同赋能架构 accDescr: 展示以赠地大学为核心,通过公私合作辐射全州各级院校与劳动力的结构。
subgraph Core["核心科研与资源池"] UTK["田纳西大学诺克斯维尔分校<br/>(赠地大学 / AI 科研高地)"] PPP["私营企业合作方<br/>(产业技术与基础设施投入)"] end
subgraph Consortium["AI Tennessee 联合体"] Coord["全州 AI 教学与研究协调机制"] end
subgraph Targets["全层级受众与基层院校"] CC["社区学院与技术学院"] Grads["全州劳动力与基层学生"] end
UTK --> Coord PPP --> Coord Coord -->|"输送师资/课程/算力"| CC CC -->|"培养 AI 实践能力"| Grads ```
---
[16:16](https://www.youtube.com/watch?v=uv8va8bIqus&t=976s) 匹兹堡的“教育与医疗”转型:老工业基地的 AI 与先进制造融合
来自匹兹堡的代表回顾了这座老工业城市的浴火重生。作为曾经以钢铁工业“建造了整个国家”的重镇,匹兹堡在 20 世纪 80 年代遭遇了惨烈的工业崩溃,但留下了扎实的制造业底蕴。面对危机,当地政府与各界达成共识,全面转向由卡耐基梅隆大学(Carnegie Mellon University)、匹兹堡大学(University of Pittsburgh)以及活跃的社区学院所支撑的“教育与医疗”(Eds and Meds)战略。正是十多年前在机器人与 AI 领域的先发布局,让匹兹堡成为全美非沿海地区中少数成功崛起为创新经济高地的代表,如今正经历深厚制造基因与前沿硬科技的深度融合。
为了重塑面向未来的先进制造能力,当地正携手顶尖科技巨头布局大规模基础设施。例如,全球首个定位于 AI 与机器人融合的 NVIDIA 科技社区(NVIDIA Tech Community)便落户于此,并联动了慧与科技(HPE)、ANSYS 与新思科技(Synopsys)等多家行业龙头。发言人指出,在技术狂飙突进的同时,必须正视公众对 AI 替代就业的焦虑:
> “We have launched a joint partnership between HPE, ANSYS, and Synopsys and NVIDIA to really think about how do we blend all of the things that we've been talking about.”
为了让技术红利真正惠及大众,匹兹堡的转型模式强调深度的社区参与。在慈善基金会的大力资助下,当地将废弃的旧炼钢厂改造为前沿技术研发中心,同时将 AI 技能培训深入铺设至 K-12 基础教育阶段与周边社区,打造了一个兼具产业高度与民生温度的转型范式。
---
[19:30](https://www.youtube.com/watch?v=uv8va8bIqus&t=1170s) 佛罗里达大学的超级计算机试验:普惠式 AI 基础设施的辐射效应
NVIDIA 联合创始人 Chris 分享了他回馈母校佛罗里达大学(University of Florida)的实践。在 2018 至 2019 年间,他决定向母校捐赠一台大型 AI 超级计算机(HiPerGator AI)。当时正值新冠疫情暴发前夕,AI 的全面颠覆性影响尚未引起公众普遍感知。值得注意的是,这项捐赠并未局限于工程学院内部,而是直接交付给了整个大学,从而触发了一场自上而下的通识教育变革:
> “And fortuitously, I didn't give it to the engineering department. I gave it to the university, which had had the the nice ramification of the university deciding... to teach AI literacy in every department of big R1, you know, a comprehensive university.”
这一举措促使佛罗里达大学做出了在全校所有院系普及 AI 素养课程的战略决定,迄今每年为各学科培养输出约 10,000 名具备 AI 运用能力的毕业生。作为一所赠地大学,该校充分履行社会责任,不仅开发了整套开放课程体系,更将超级计算机的算力无偿向全州研究人员开放,高中生也可在教师指导下免费调用算力完成作业。
- **州政府联动注资**:面对 2020 年前后全美高校 AI 师资紧缺的现状,佛罗里达州政府随后在 10 年周期内追加了数亿美元资金,在全校各学科范围内专项招聘并资助了 100 位具备 AI 跨学科背景的教授。 - **跨区域普惠共享**:该算力集群的使用权限进一步延伸至东南部联盟(SEC,Southeastern Conference)的所有高校,并无条件向历史悠久的黑人院校(HBCUs)及少数族裔服务机构开放。 - **打造全国范本**:佛罗里达大学将课程体系与实践经验完全免费共享,为防范 AI 引发的数字鸿沟与失业风险探索出了一条由基础设施驱动的全民教育路径。
[22:50](https://www.youtube.com/watch?v=uv8va8bIqus&t=1370s) 推动“50州计划”:利用超级计算机催化州级经济与科研
为了防止在国家战略层面由于脱离现实而阻碍人工智能的发展进程,英伟达联合创始人 Chris Malachowsky 决定主动出击。他利用自己作为科技巨头联合创始人的特殊平台和影响力——能够进入许多常人无法轻易接触的高层场合——发起了面向全美的巡回游说。他透露自己目前已经走访了全美三十多个州,目标是在每一个州物色并说服慈善捐助者(benefactors),由他们出资为该州最合适的大学或高校群体捐赠一台超级计算机。与此同时,他还积极游说各州州长和州议会议员共同参与,组建公私合作联盟(public-private consortia),让各州“自助自强”。
这种模式在各地获得了极其积极的反响。Chris Malachowsky 指出,佛罗里达大学(University of Florida)的标杆案例充分证明了这种投资的价值:引入超算不仅对科研产生飞跃式推动,更惠及了整个社区和学生就业——佛罗里达大学毕业生的就业安置数据以及流入该校的科研经费均实现了成倍甚至两到三倍的增长,进而直接拉动了州内经济。他坚信全美每一个州都有潜力复制这种模式,因为在任何一个州,总能找到愿意捐款资助大学橄榄球队、冠名大楼或支持项目的富豪资助者。各州都有亟待解决的独特问题与现实需求,而算力基础设施恰恰能为这些需求提供支撑。
Chris Malachowsky 强调,物理设备本身并非终点,而是一个关键的引信:“我认为它只是一块生铁,你用它来做什么才真正具有魔力;这正如美国国家科学基金会(NSF)多年来的神奇之处一样,在于激励深度的探索与进步。”基于此,他的雄心不仅限于部分地区,而是希望将这一构想推广至全美 50 个州,甚至涵盖美国的海外属地。
- 游说版图:Chris Malachowsky 已走访 30 多个州,全面推进面向全美 50 州及属地的算力普及计划。 - 佛罗里达大学成效:超级计算机的落地使该校的科研引资额和学生就业安置统计数据实现了翻倍乃至两到三倍的跃升。 - 核心理念:超算硬件本身只是催化剂,重点在于以此赋能公共探索和区域产业需求。
[24:36](https://www.youtube.com/watch?v=uv8va8bIqus&t=1476s) 从“AI工厂”到公共使命:大学在基础设施高昂成本下的破局之问
主持人将讨论引向了商业逻辑与高校现实之间的尖锐矛盾。在早先的主题演讲中,英伟达首席执行官黄仁勋曾生动描绘了一幅“AI 工厂”(AI Factory)的蓝图:只要将 AI 基础设施接入电力和机房外壳,另一端就能源源不断地产出商业营收与利润。这种逻辑在企业界极具说服力,但大学却有着完全不同的运转逻辑。大学并不是售卖商业产品以换取即时美元现金流的商业实体,它们的核心使命是通过教育来赋能人才,开展为了公共利益、往往远超当下任何商业化变现模式的基础科研。
正因如此,顶尖的 AI 基础设施对大学而言是一笔极其昂贵且短期内难以通过商业营收收回的重资产投资。这构成了横亘在绝大多数高校管理者面前的严峻现实难题。主持人向全场抛出核心议题:在缺乏企业化营收闭环的背景下,高校到底需要什么样的创新机制与投资模型,才能让大学教授、科研人员以及学生真正用得上这类昂贵的基础设施?过去的做法有哪些局限,未来又该如何更高效地把算力交到师生手中?
对此,主持人精准地总结了两种机构属性的冲突:“黄仁勋周一在主题演讲中描绘了 AI 工厂的生动画卷:将 AI 基础设施接入电力和机房外壳,另一端就会产出营收;这对企业来说非常诱人且直观,但大学并不参与这种商业模式。”
```mermaid flowchart TD accTitle: 商业企业与大学算力投资模式对比 accDescr: 展示企业以营收为闭环的AI工厂模式,与大学以公共利益、人才培养为核心的公益研发模式的结构性差异。
subgraph Enterprise["企业商业模式:AI 工厂"] E1["电力与基础设施输入"] --> E2["专有算法与算力加工"] E2 --> E3["可销售的产品与服务"] E3 --> E4["直接产生商业营收与现金流"] end
subgraph University["大学学术模式:公共使命"] U1["高额基建投资投入"] --> U2["前沿与基础科学探索"] U2 --> U3["人才培养与学术论文"] U3 --> U4["长期公共利益与区域经济赋能<br>(无短期直接美元收益)"] end ```
[26:11](https://www.youtube.com/watch?v=uv8va8bIqus&t=1571s) 英伟达官宣加码扶持:捐赠匹配、免费软件栈与算力优先保障
面对高昂成本的阻碍,Chris Malachowsky 认为,关键在于赋予大学领导层自主支配前沿技术能力的自由,让他们能够根据各自院校和所在州的战略重心去施展拳脚。他指出,尽管硬件昂贵,但他近期在游说私人资助者(private donors)出资支持算力基建的过程中发现,这其实是一项极其高影响力的事业,比预想中更容易获得捐助者的认可与买单。
在此基础上,Chris Malachowsky 在现场宣布了一项来自英伟达总部的最新重大支持举措。就在前一天晚上,英伟达内部正式敲定将全力支持各州的这套公私合作模式:英伟达将通过设备折扣的形式,直接与私人捐赠者的资金进行“等额配比”(match contributions)。不仅如此,英伟达还将把整套世界顶尖的软件技术栈完全免费向大学开放使用。为了进一步提振美国本土经济与基础设施建设,英伟达还承诺在技术供给层面给予这些高校项目优先接入权。
Chris Malachowsky 坚信,这种由私人捐赠发起、科技巨头提供资金配比与全套免费软件支持的组合拳,能够打破高校基础设施建设的资金僵局:“将这些能力交付给机构领导层,并赋予他们根据自身院校及州内战略核心自由探索的权力,似乎是具有变革意义的。”
- 资金配比:英伟达通过硬件折扣匹配社会慈善捐款,直接减轻学校资金压力。 - 软件生态:面向高校免费开放英伟达全套企业级软件技术栈,降低教学科研的使用门槛。 - 优先支持:在供应链和技术交付上优先保障参与该倡议的全美科研机构。
[27:36](https://www.youtube.com/watch?v=uv8va8bIqus&t=1656s) NSF 与国家级资源 NAIRR:让全国科学家共享“AI for Science”红利
美国国家科学基金会(NSF)的代表随即接话,详细阐述了联邦政府在构建全美算力网络方面的核心举措——国家人工智能研究资源(NAIRR)。作为白宫人工智能行动计划(White House AI Action Plan)的关键组成部分,NAIRR 是联邦层面对科研算力饥渴的正面回应。该项目汇聚了包括英伟达在内的二十多家行业领军企业,已获得来自产业界超过 3 亿美元的资源投入。代表在现场对英伟达追加优惠配比与软件支持的决定表达了感谢。
目前,NAIRR 平台下已经运行着超过 600 个科研项目。一个值得关注的现象是,这 600 多个项目中绝大多数并非在研究 AI 算法本身——纯 AI 技术研究大约仅占 40%,其余 60% 的计算需求全部来自于跨学科的基础科学,例如材料科学、地球物理学、大气科学等。这印证了“AI for Science”(人工智能赋能科学发现)的浪潮:超级计算与 AI 技术正在成为全领域科研的通用使能工具。
NAIRR 最核心的价值在于打破地理与资金鸿沟。无论科学家地处偏远小镇还是身在名校,都能通过这一国家级资源申请算力配额。NSF 代表赞誉了 Chris Malachowsky 推动的 50 州计划,认为该计划与联邦层面的 NAIRR 形成了完美互补:“从我们的角度来看,50 州解决方案非常棒,因为那将把更多的计算周期交到那些能帮我们探索出这一技术应用潜力的人手中。这就是开启科学发现的钥匙。”
- 产业界协同:NAIRR 吸引了 20 多家企业参与,产业捐赠资源总值已逾 3 亿美元。 - 跨学科科研:平台上 600 多个在研项目中,60% 为材料、地球物理、大气等传统科学与 AI 交叉的前沿课题。 - 普惠科研算力:无论学者身在何处,均享有向国家平台申请算力资源的公平接入权。
[30:01](https://www.youtube.com/watch?v=uv8va8bIqus&t=1801s) 弥合计算鸿沟:将算力资源下沉至基础教育与初创企业生态
紧接着,另一位与会代表从地方州级视角深入探讨了当前算力瓶颈带来的现实痛点。对于美国许多州而言,当前发展的最大掣肘正是无法获取先进的 AI 计算资源以及成熟的软件栈。如果能够打破这一壁垒,为各州注入此类计算基建,对当地而言无疑将带来颠覆性的变革。
然而,仅仅采购机器并安装完毕是远远不够的。该代表指出,对于大学、社区学院乃至 K-12(基础教育)阶段的学校来说,最大的现实挑战在于如何建立配套的专业技术支持与运维服务体系。必须有人去手把手指导这些机构的师生学会如何高效、合理地使用这些先进算力工具,从而发挥其最大效益。只有在全州范围内营造拥抱 AI 的求知氛围,才能进一步帮助本地传统企业理解前沿 AI 工具如何提升他们的商业竞争优势。
此外,该代表谈及了高校创新链条中的另一个薄弱环节:本地初创企业。正如卡内基梅隆大学(CMU)孕育出众多高科技衍生企业一样,各州的创新生态中也有大量初创公司渴望获得先进算力,却因囊中羞涩而望洋兴叹。他呼吁必须统筹设计区域创新生态(regional innovation ecosystems),确保州级建设的 AI 计算基础设施能够向这些处于孵化阶段的小微创新企业开放。只有让算力惠及教育底层与创业前端,才能真正激活一个州的长期经济发展潜力。
[31:36](https://www.youtube.com/watch?v=uv8va8bIqus&t=1896s) 宾州“拱顶石”倡议:七大 R1 高校联手共建区域 AI 与量子联盟
卡内基梅隆大学的 Teresa 结合历史与现实,进一步拔高了这一议题。她首先强调了联邦政府与国会两党长期投资对于基础科学研究和基础设施维系的不可替代性。她回顾道,早在 40 年前,在 NSF 的资助下,匹兹堡大学与卡内基梅隆大学联合建立了全美最早的国家超级计算中心之一(匹兹堡超算中心,PSC),并且至今仍在强劲运转。与其他仅面向极少数顶尖研究者的封闭超算集群不同,PSC 多年来支持了来自不同层次大学、社区学院的数万名学生,成为了当地乃至全美创新生态的基石。
然而,Teresa 严肃地指出,单纯依靠 40 年前建成的传统国家超算中心,已经远远无法满足当今 AI 时代的算力规模需求;虽然联邦的 NAIRR 迈出了关键一步,但全美上下必须以更大的紧迫感“走得更远、跑得更快”。佛罗里达大学的成功经验极大地激发了其他州的改革雄心,以此为灵感,宾夕法尼亚州(Commonwealth of Pennsylvania)正式联合发起了宏大的“拱顶石 AI 与量子倡议”(Keystone AI and Quantum Initiative)。
这一举措创下了历史纪录:全州所有 7 所顶尖 R1 级研究型大学的最高领导层打破了长久以来的校际壁垒与竞争关系,首次坐在一起并签署了正式的合作谅解备忘录(MOU),承诺共同投入资金和资源,联手打造区域性的 AI 与量子基础设施联盟。
Teresa 情绪激动地强调了这一团结时刻的历史意义:“据我所知这是有史以来的第一次——我们确认了这一点——全部七所 R1 研究型机构的高层领导走到了一起,正式签署了谅解备忘录,承诺我们将携手并进。”她表示,高校本身也必须通过联合出资(co-invest)展示破局的决心,以这种空前的凝聚力去迎接由算力定义的科研新纪元。
[34:02](https://www.youtube.com/watch?v=uv8va8bIqus&t=2042s) 高校初创企业的算力缺口与公私合作模式
大学内部早期的算力建设往往是碎片化的,许多教授过去仅依靠桌子底下放置的定制专用服务器搞研究。然而,随着 AI 模型的规模激增,越来越多的教职工主动向学校反映:“我靠桌子底下的单台服务器已经根本做不了科研了。”这种普遍痛点促使各方教职人员展现出前所未有的出资合作意愿。小组讨论指出,必须将联邦政府资源、产业界资源与慈善资助三者合力汇聚,形成规模效应,不仅支持学术前沿,还要有力孵化高校衍生出的初创企业。NVIDIA 强调,两年前在与黄仁勋(Jensen Huang)探讨此类试点时,他就对支持国家科研计划表达了极大的热情;在与高校合作推进的过程中,双方均实现了互利共赢。
然而,全美创新生态中正暴露出一块严峻的短板:许多一流大学十分以自身孵化技术初创团队为荣,却缺乏一个让这些早期衍生公司在近期内获得算力支持的具体落地规划。NVIDIA 观察到,放眼全球,其他大力发展知识经济的国家早已为顶尖大学的关联初创企业制定了保障算力供给的国家战略,相比之下,这成为美国创新生态系统的一大缺口。
- 高校早期算力模式通常为教职员工在办公桌下搭建的单机服务器(bespoke servers),现已完全无法承载现代科研需求。 - 产业代表强调:“On the topic of support for startups emerging out of universities, I think this is something that we need to have a big conversation about.” - 国际竞争格局显示,海外诸多知识经济导向型国家均出台了确保顶尖大学初创公司即时获取算力的专项规划。
---
[36:08](https://www.youtube.com/watch?v=uv8va8bIqus&t=2168s) 边缘计算、自主实验室与重大科学工具的“数据海啸”
科研范式的演进不仅在于中心化数据中心,还在于将边缘计算(Edge Compute)、中等规模本地私有集群(On-prem)以及云端算力实现无缝串联。随着 AI 在物理世界的应用深化,科学界正出现大规模的新兴计划,通过打通实验闭环来打造未来的“自主实验室”(Autonomous Labs),这需要横跨全美乃至全球、高吞吐互联各类异构算力环境的先进能力。
来自美国国家科学基金会(NSF)的代表分享了当前尖端科学仪器被数据淹没的真实困境:NSF 与美国能源部(DOE)携手研发的薇拉·鲁宾天文台(Vera C. Rubin Observatory)刚刚投入使用,NSF 负责望远镜镜身,DOE 打造了性能惊人的观测相机。这台巡天望远镜被誉为能够捕捉数十亿年前光线的“时间机器”,但它每晚会触发高达 80 万次警报(Alerts)。按传统天文学研究方式,即使天文学家配了寻呼机,一晚上响 80 万次也根本无法人工处理。同样,在等离子体物理学领域,研究人员也必须利用 AI 来实时控制即将建造的超强激光器。科学工具的飞跃使得未来几乎每个人都会在某种程度上成为广义的“AI 研究员”。
```mermaid flowchart LR accTitle: AI 加速科学研究的数据与算力闭环 accDescr: 展示从物理观测与边缘设备收集海量数据,到本地和云端 AI 分析,再反向控制实验闭环的链路。
subgraph EXP["物理世界与边缘采集"] A["实验设备 / 望远镜<br/>(如 Rubin 天文台每晚 80 万次预警)"] B["边缘计算节点<br/>(Edge Compute)"] A --> B end
subgraph COMPUTE["异构算力基础设施"] C["本地中等规模集群<br/>(Mid-scale On-prem)"] D["云端高性能中心<br/>(Cloud / Cloud Labs)"] B --> C C --> D end
subgraph LOOP["闭环反馈与控制"] E["AI 模型自动化分析与决策"] F["自主实验室控制<br/>(如激光控制/自动化闭环)"] D --> E E --> F F -.->|"闭环反馈"| A end ```
- 薇拉·鲁宾天文台(Vera C. Rubin Observatory)为 NSF(负责望远镜)与 DOE(负责相机)联合打造。 - 望远镜单夜产生的预警信号多达 800,000 次,使传统人工分析彻底失效,必须依赖 AI 自动化过滤分析。 - 专家断言:“Within a few short years or now, everybody's going to be an AI researcher in some way because we will all use it.”
---
[38:52](https://www.youtube.com/watch?v=uv8va8bIqus&t=2332s) 衡量高校 AI 成功的愿景:公共算力、全民素养与智能体革命
面对未来 5 到 10 年高校在 AI 领域取得成功应当如何衡量,讨论嘉宾给出了体系化的长远愿景: 首先,成功的标志是全美各州都能源源不断地培养具备 AI 素养的学生,使各地的区域经济依托最前沿的技术基础蓬勃发展;同时,AI 时代以数据为驱动,除个人隐私数据之外,关乎人类健康的医疗数据和环境数据应当被广泛共享,避免专有壁垒。 其次,算力资源应当被正式视作如同“水和电”一般的社会公共基础设施,而不再只是顶级学者、高精尖研究机构与科技巨头的专属特权。社区、立法者与各州州长必须建立共识,将其纳为现代社会运行的基本组成部分。
从科研民主化角度来看,成功意味着技术壁垒的消除。大量过往缺乏高端实验条件的高等学府与中小型院校,有望借助以智能体 AI(Agentic AI)为代表的革命浪潮,以极低门槛接入尖端工具,全面参与到新药研发、材料发现等关乎公众日常福祉的创新活动中。此外,全方位的人才储备工程不仅要覆盖四年制本科和研究生阶段,还必须向社区学院(Community College)以及 K-12 深度下沉。会上有代表幽默提及黄仁勋与他们的会面,黄仁勋当时强调务必抓紧教育,因为“未来将是孩子们去教会爷爷奶奶怎么用 AI”,甚至还不忘开玩笑叮嘱对方千万别退订每月 20 美元的 AI 订阅费,直言这绝对“物超所值”。
- 理念转变关键:“I actually think it's high time we start thinking of computational resources as infrastructure.” - 算力平权化:将算力定义为与水电同等重要的现代社会基础要素,而非少数顶尖阶层的特权。 - 科学民主化:通过 Agentic AI 工具赋能资源薄弱院校,使其平等享有新药研发与工程探索能力。 - 人才培养链条:建立从 K-12、社区大学、四年制本科直至研究生阶段的纵向梯队。
---
[42:50](https://www.youtube.com/watch?v=uv8va8bIqus&t=2570s) 现场提问:社区学院的算力困境与国家级扶持路径
在问答环节,现场观众、休斯敦市立学院(Houston Community College, HCC)AI 与机器人项目的项目协调人兼教授 Patricia McManus 接过麦克风直言疾呼。她首先对嘉宾在发言中提及各类高校表示由衷感谢,因为基层院校在算力资源匮乏的困境中“正在承受巨大煎熬”。她透露,由于学校无法获得任何像样的计算资源,甚至连校内传统的 IT 部门都无法理解 AI 的技术需求,她的学生在完成全部课程实验时,不得不纯粹依靠 Google Colab 的免费层级(Free tier)。尽管休斯敦市立学院与马里科帕社区学院(Maricopa County Community College District)及迈阿密戴德学院(Miami Dade College)共同联合发起了国家级人工智能联合会(National AI Consortium),并在培训其他院校方面做了大量开拓性工作,但算力短缺的死结依然亟待外界破局。
NSF 负责人对这一诉求深表认同,承认必须在四年制院校与基层社区学院之间搭建更广泛的伙伴关系体系。NSF 正在通过“区域创新引擎”(Regional Innovation Engines)等专项机制加大资源贯通力度,同时参与了白宫的“教育 AI 专案组”(AI for Education Task Force),推动更多易用、平价的技术与资源向下普及,确保在即将到来的教育技术新时代,各层次高校的师生都不会被抛下。
- 提问者:Patricia McManus(休斯敦市立学院 AI 与机器人项目教授兼协调员)。 - 教学困境:学生做 AI 实验完全受制于 Google Colab 的免费算力配额,校内缺乏硬件部署与适配理解。 - 基层协作:休斯敦市立学院与 Maricopa 以及 Miami Dade 等院校共同发起了面向全美同类院校的国家级 AI 联合会。 - 政策回应:NSF 正依托 Regional Innovation Engines 与白宫 AI for Education Task Force 拓展横向帮扶。
[45:30](https://www.youtube.com/watch?v=uv8va8bIqus&t=2730s) 共同投资模式与普及算力:从慈善资助到人才管道
在讨论高校如何获取 AI 教学与算力资源时,嘉宾们强调了多元化“共同投资模式”(Co-investment Model)所释放的巨大能量。慈善资本在其中发挥了标志性的带头作用,例如盖茨基金会(Gates Foundation)提供了一笔高达 5500 万美元的巨额赠款,用于建立名为 LearnPlatform / LearnVia 的附属机构,开发具备 AI 赋能的认知导师(AI-enabled cognitive tutors)。该项目一经启动,就与全美 20 多所顶尖大学和社区学院展开合作,并在基础设施层面展开深度对接。这种将州政府投资、联邦投资、慈善资助以及产业资本结合起来的协同网络,旨在打破资源壁垒,让最前沿的算力与教学工具全面惠及 K-12 基础教育、社区学院及研究型大学。
随后,来自田纳西大学(University of Tennessee)的观众提问,如何通过公私合作(PPP)模式在更多专业领域中普及计算资源并实现跨学科数据库的共建。对此,发言人结合佛罗里达大学的实践白皮书指出,整个算力体系的终极目标必须锚定在劳动力就业与经济繁荣上。无论是通过慈善基金附带的普惠条款、州政府拨款,还是高校联盟出资,底层算力资源对基础教学(例如完成日常家庭作业)而言理应是免费或低成本的。毕竟中小企业或普通学院根本无力维持一个能运营超级计算机并跟上技术迭代节奏的 IT 部门;唯有建立贯通从幼儿园到博士后全链条的“人才管道”,才能实现 AI 生态的长期可持续运转。
```mermaid flowchart TD accTitle: AI 基础设施多方协同投资与人才管道 accDescr: 展现从资本注入到基础设施共享,再到覆盖全学段教育的人才赋能流程
subgraph Capital ["多方资本注入 (Co-Investment)"] F1["联邦与州政府投资 (Federal & State)"] F2["慈善基金 (如 Gates Foundation)"] F3["产业资本 (Industry Partners)"] end
subgraph Infrastructure ["算力基建与普惠平台"] I1["共享超级计算设施 (HPC)"] I2["AI 认知导师平台 (如 LearnVia)"] end
subgraph Pipeline ["全链条人才管道 (Talent Pipeline)"] P1["K-12 基础教育"] P2["社区学院与职业学校"] P3["综合性大学与博士后培养"] P4["高素质就业与经济增长"] end
Capital --> Infrastructure Infrastructure --> Pipeline ```
- 盖茨基金会出资 5500 万美元成立 LearnVia,主打 AI 认知导师研发,首批联合全美超 20 家高校与社区学院参与。 - 发言人明确强调基础设施与教育全周期的绑定逻辑:“You know, if you if your end goal is employment and a strong economy that it starts in kindergarten and goes all the way through every level of education, whether it's high schools, vocational schools, community colleges, colleges, universities, post doc, you know, it it runs the gamut and you got to support all the you know, who you just brought up you know, the somebody the size of an IT department.”
---
[44:50](https://www.youtube.com/watch?v=uv8va8bIqus&t=2690s) 跨学科融合与 NSF 的“Tech Labs”导向机制
在最后的问题环节中,来自佛罗里达大学数字世界研究所(Digital Worlds Institute)的 Tim McFadden 抛出了一个核心矛盾:在推进跨学科整合时,理工类(STEM)院系往往能轻而易举地展示产出成果,但艺术、人文、商业、新闻和传播等人文社科(Applied Humanities)领域却极难量化并推销其 AI 转化成果。对此,主讲嘉宾给出了出人意料的观察:在实际运作的生成式 AI 教师学者项目(GenAI Faculty Fellow Program)中,来自非 STEM 领域的积极性反倒显著压倒了计算机与工程学科。人文学科、社会科学、艺术和法学界的教授们展现出了极为迫切的求知欲,急切想要弄清楚 AI 将如何彻底重构他们各自的学科与对应行业。“By far the largest buy-in is from the non-STEM faculty.”——非理工科教师群体的共鸣与投入程度,成为了推动 AI 落地最强劲的力量。
这一趋势同样得到了高科技产业界的直接呼应。当前科技巨头正不断提升对社会与行为科学、艺术以及人文学科价值的认可度,行业释放出的需求信号非常鲜明。美国国家科学基金会(NSF)特别提及了致力于社会决策的 AI 研究院(AI Institute for Societal Decision-Making),将决策科学家与社会行为学者紧密结合在一起。同时,NSF 即将推出名为“Tech Labs”的全新科研项目。与以往由资助机构预先指定团队配额不同,该计划将直接抛出明确的现实挑战,促使不同专业自主组建跨学科攻关团队。这种以现实问题为导向的立项逻辑,让科研决策能够以一种更易于公众理解(explainable)的方式展示其真实社会效益。随着全场致谢与热烈掌声,研讨会在呼吁各方持续紧密协作以应对紧迫变革的基调中圆满收官。
- 教师反馈趋势:在 AI 教师学者项目中,人文学科、社会科学、艺术与法律等非 STEM 院系的参与度和转型意愿显著高于传统计算机院系。 - NSF 即将推出 Tech Labs 计划:摒弃预先指定“需要多少位社会学家”的传统评审模式,转而以解决具体社会挑战为目标,倒逼跨学科团队自发组织与合作。
## Notable quotes > [38:52](https://www.youtube.com/watch?v=uv8va8bIqus&t=2332s) I actually think it's high time we start thinking of computational resources as infrastructure.
> [02:59](https://www.youtube.com/watch?v=uv8va8bIqus&t=179s) tasks are likely to get automated but not judgment and not you know, the human uh human element. — Chris Malachowsky
> [05:29](https://www.youtube.com/watch?v=uv8va8bIqus&t=329s) Accelerated compute um has provided the scale that now allows us to train uh foundation models for science, foundation models for robotics. — Teresa Mayer
> [36:08](https://www.youtube.com/watch?v=uv8va8bIqus&t=2168s) Within a few short years or now, everybody's going to be an AI researcher in some way because we will all use it.
## Mentioned NVIDIA, Chris Malachowsky, Brian Stone, Deborah Crawford, Teresa Mayer, Jensen Huang, Patricia McManus, Tim McFadden, National Science Foundation (NSF), University of Tennessee, Carnegie Mellon University (CMU), University of Florida, University of Pittsburgh, Houston Community College (HCC), Maricopa County Community College District, Miami Dade College, Skild AI, Genesis AI, Field AI, HPE, ANSYS, Synopsys, Google Colab, Gates Foundation, LearnVia, Department of Energy (DOE), Vera C. Rubin Observatory, National AI Research Resource (NAIRR), HiPerGator AI, Pittsburgh Supercomputing Center (PSC)
## Video description As AI becomes the definitive engine of economic and academic growth, the race is on to democratize access to high performance computing across the United States. This panel explores "The 50-State Plan," a strategic roadmap for building robust, statewide AI infrastructure through innovative public-private partnerships. The session brings together visionary tech-industry pioneers, leaders from the National Science Foundation (NSF), and executives from top-tier research universities to discuss the shift from isolated pockets of innovation to unified strategies for university transformation and mission success in the age of AI.
Learn how your organization can participate in this nationwide effort to bridge the digital divide and accelerate the next era of discovery.
[Source](https://www.youtube.com/watch?v=uv8va8bIqus)