——记香港科技大学工业工程与决策分析系助理教授周子杰

郑 心  张锦玉  吕腾波

　　如今，在人工智能狂飙突进的时代，大语言模型（LLM）正如洪流巨浪般重塑信息传播与知识生产方式。世人皆惊叹于其“类人”之能，却鲜少追问：这看似轻盈的智能革新，究竟要以多少算力为代价？每一次流畅对话的背后，皆是数以十亿计的浮点运算在硅基芯片上奔涌；每一段华丽文本的诞生，都伴随着千瓦级电力的无声燃烧。可以说，在这场席卷全球的智能狂潮中，算力正成为新时代的“石油”，而效率，则是决定谁能在未来数字文明中掌握主动权的关键砝码。此时，数学统计学这门古老而精密的学科，正如一股清泉般成为AI系统“血液循环”的关键力量。正是在这样的图景之下，香港科技大学工业工程与决策分析系助理教授周子杰及其团队，选择了一条少有人走的路。他们不追逐参数膨胀的虚妄幻象，也不沉迷于生成内容的表层奇观，而是沉潜至人工智能深处——那里没有炫目的输出，只有调度、缓存、批处理与精度压缩等看似枯燥的机制在默默运转。他们深谙其使命，就是让这套系统变得更轻、更快、更省、更稳。让大模型“推理更快，效率更高，成本更低，能源损耗更少”——这十八字箴言，朴素如匠人手中的尺规，却承载着对技术本质的深刻洞察：真正的智能，不应以资源挥霍为荣，而应以精微高效为美。

一条由热爱与自驱铺就的路

　　多年以来，周子杰均沉浸在研究如何在动态负载下智能调度请求，使GPU不再空转；如何复用键值（KV）缓存，避免重复计算；如何在保证输出质量的前提下，以更低精度完成推理，从而大幅削减能耗等难题之中。这些工作看似远离公众视野，却是支撑人工智能从实验室走向普世的“隐形骨架”。而这，也恰与国家战略同频共振。《“十四五”数字经济发展规划》明确提出“推动算力基础设施绿色低碳转型”；“东数西算”工程强调“提升算力使用效率与能效比”；科技部《新一代人工智能发展规划》亦将“高效、低耗、可信赖”列为AI发展的核心方向。周子杰的研究，正是这一宏大叙事中最扎实的注脚之一——他用数学的冷静，为沸腾的时代降温；以工程的匠心，为狂飙的智能系上节制的缰绳。当全球科技巨头竞相堆砌算力时，他却默默选择向内求解：不盲目追逐参数规模的军备竞赛，而是回归数学本源，用优化理论与统计思想为智能系统注入理性、效率与可持续性。

　　这样身处“快时代”，也能保持定力的学术起点，并非始于对人工智能的预判，而是源于少年时代便油然而生的纯粹对数学的痴迷。生长于上海，周子杰早在初中便开始涉猎大量理学读物，展现出超凡的天赋与热情。2017年，他进入美国普渡大学，毫不犹豫地选择了数学专业，后又增修统计学，一头扎进理论数学的深海。

　　不过，有关从研的转折却发生在科研实践中。本科起，周子杰便跟随导师乔纳森·彼得森（Jonathon Peterson）接触到了随机环境下的随机游走问题——一个至今未完全破解的概率论难题。相关研究经历不仅锤炼了他的理论功底，更让他体会到“科研不是单向传授，而是思维的碰撞与互补”。随后在加州大学洛杉矶分校暑期研究期间，师从晨兴数学奖得主印卧涛教授，他开始接触优化理论，逐渐从纯数学转向更具应用潜力的方向。“我意识到，数学的力量不仅在于证明定理，更在于解决现实世界的问题。”正所谓，学术的刀锋必须主动、深度回应时代课题，在现实主义的磨砺中才能愈发坚韧锋利。

　　这种源于自驱自觉的学术审美演化，被周子杰保持了很久。直到今天他仍然常常对学生说：“万事开头难，能有人引路，是值得感恩的事；但真正走出困境，终究要靠自己。”正如同其博士阶段，进入麻省理工学院信息与决策研究室（LIDS）和运筹学中心（ORC），独自在优化理论、控制论与计算机科学的交叉地带深耕那般热忱又淡然。彼时，恰逢大语言模型兴起，他敏锐捕捉到其中的核心矛盾：推理效率低下、资源消耗巨大。他认为这正是一道典型的运筹优化问题——如何在有限算力下，通过智能调度、批处理与缓存策略，最大化系统吞吐量并最小化延迟与能耗？“这背后的方法论，与我的研究方向高度契合。”于是，他毅然将研究重心转向大模型推理优化，开启了一场“用百年数学工具重塑AI基础设施”的探索。

做“有用且深刻”的科研

　　2025年博士毕业，周子杰并没有选择留在美国，而是选择回国加入香港科技大学。这一决定，既有家庭方面的考量，更重要的是职业理想的驱动。“我在博士三年级后就非常想回来，”他说，“一方面是对国内学术生态有了更多了解，发现港科大、清华、北大等高校的师资与生源都非常优秀；另一方面，我也希望自己的研究能更贴近中国乃至亚洲的产业需求。”

　　回国不到一年，周子杰的梦想已经初步照进了现实——他的实验室已汇聚了来自各所顶尖院系的5名博士生和1名硕士生。“我特别庆幸能遇到这些伙伴，在他们身上，我发现了国内生源的优势，也看到了携手共进的崭新希望。这些都在无形中肯定着我回国的决定，让我强烈意识到，追梦何必去远方。所谓绽放，可能只需要家乡的一抔土、各方支持的一缕阳光，便足以扎根生长。”所以，他几乎掏心掏肺地教导未来的科研生力军，并总是特别强调培养后继者的“科研品位”（Research Taste），即识别重要问题、提出原创方案的能力。“我不希望学生只会‘打工式’科研，而是能成为独立的研究者，甚至未来的领导者。”为此，他由衷鼓励学生自由探索数学、统计与计算机的交叉地带，积极培养他们参与具体项目积累能力，并要求他们尝试自主提出问题。“提出一个有价值的问题，有时比解决它更难，也更重要。”

　　而于周子杰本身而言，他的科研理念清晰而坚定：不做“追热点”的速食研究，而要做“有用且深刻”的工作。在他看来，与企业合作绝非简单承接工程任务，而必须坚守科研本质。“如果只是让学生清理数据、调参跑实验，那产生的价值是工程性的，而非科学性的。”他与华为的合作正是这一理念的体现。双方围绕大模型推理优化展开深度探讨，聚焦于“卡脖子”的算法瓶颈，如动态批处理调度、KV缓存复用、低精度推理稳定性等。这些课题不仅具有极高的工业落地价值，其背后涉及的排队论、随机控制与非凸优化理论，亦能反哺学术前沿。据悉，相关成果有望在未来一年内陆续发表。

　　另外值得一提的是，周子杰对当前人工智能热潮的思考始终保持清醒。他提醒青年学子：“不要过度依赖AI工具生成研究思路。没有扎实的知识沉淀，思考必然是浅层的。”他本人便是自律与专注的典范——本科时曾日均投入十余小时于学习与科研，“因为热爱，所以废寝忘食”。但他也强调：“自驱力不能以牺牲健康为代价，身心平衡才是长久之道。”

　　如今，站在粤港澳大湾区科技创新的前沿，周子杰正将个人志趣融入国家发展大局。《“十四五”数字经济发展规划》明确提出“推动算力基础设施绿色低碳发展”，而他所从事的大模型高效推理研究，恰是降低AI碳足迹、提升国产算力利用率的关键路径。他常说：“科研的意义，不在于发多少论文，而在于是否解决了真问题，是否创造了真实价值。”