人才与能源，正在成为科技公司AI战争中必夺的高地塔。

“这场AI的人才之战，是我见过的最疯狂的人才争取战！”马斯克在推特上直言。

就在5月28日，这位特斯拉CEO开办的AI初创公司——xAI在官网宣布融资60亿美元，用于打造超级盘算机，马斯克称之为“超级盘算工厂”。诚然，这需要更多人才。马斯克甚至示意，xAI若是不提供offer，人就被Open AI挖走了。

在这场谁也看不到未来确切形状的人工智能大模子战争中，投资一个靠谱的团队，对于投资公司来说显然是最有力的保障。这也是这场人才争取战愈演愈烈的主要缘故原由。

不外，“真正优异的人才通常不会自动找事情，因此需要去挖那些你看好的人才”。OpenAI首创人Sam Altman早年在他的文章中提及。

信息差是这场人才争取战中决议输赢的要害。

我们的*篇人才图谱聚焦这个科技巨头们重金押注的领域——具身智能。

若是说这场AI战事的未来难以展望，具身智能或许是其中一种*形态。英伟达CEO黄仁勋更是示意，下一个AI浪潮将是具身智能。

硅兔实验梳理了美国大公司，两个AI黄浦军校——谷歌和英伟达的具身智强人才图谱以及在其中的华裔大佬，或许能为希望在其中举行创业或投资的读者提供按图索骥的参考。

「1」凭证谷歌和英伟达重点具身智能论文和项目一共梳理114名业界实战大佬，其中谷歌占比60%，英伟达40%，男多（90%）女少（10%）。

「2」8%的研究员学术水平比肩美国科学院院士。59%的研究员属于高水平段位。

「3」78%的研究员最高学历水平为博士，研究生占比18%，本科生仅占比4%。

「4」华裔在谷歌和英伟达具身智能研究员中占比约27%。

「5」斯坦福向谷歌和英伟达运送了最多具身智能大佬，其次是CMU和MIT，三家学校运送的人才占比约1/3。

欲知数据详解及华裔大佬履历见下

「1」

共计248名研究员介入了谷歌和英伟达具身智能研究，剔除62名未在Google Scholar建档的研究员，剩余186名研究员中，业界气力占六成、学界气力占四成。

详细来看，谷歌自力研究能力更强，英伟达借助了多个*学校的研究资源。介入英伟达机械人研究的高校研究职员到达45人，占比一半（51%）；相较之下，谷歌的这个比例不到三分之一（27人，28%）。

「2」

聚焦业界人才，谷歌和英伟达114位研究员中，男性占比约90%，华裔占比约27%，博士学历占比约78%。

在性别比例和族裔方面，谷歌和英伟达略有差异，谷歌似乎对女性更友好，有11名女性科学家加入，而英伟达只有2名。

英伟达华裔的比例更高，占比达40%，而这一比例在Google只有20%。

「3」

斯坦福向谷歌和英伟达运送了最多具身智能大佬，其次是CMU和MIT，三家学校运送的人才占比约1/3。

114位研究员最高学历结业的院校总共有51所大学。其中，斯坦福大学有16人，卡内基梅隆大学有14人，麻省理工学院有7人，这三所学校的人数占比约三分之一，而其他大多数学校只有一名学生。

绝大部门研究职员来自美国的院校，但欧洲也有两所学校在具身智能领域发生了重大影响：英国伦敦帝国理工学院和牛津大学，结业于这两所学校的研究职员共有8人。牛津大学在深度学习方面积累了厚实的履历，而且谷歌收购DeepMind后与牛津大学睁开了互助，引入了深度学习领域的专家。例如，AlphaGo的研发团队中就包罗了3名牛津大学在职教授以及4位前牛津大学的研究职员。

「4」

8%的业界研究员学术水平比肩美国科学院院士。59%的业界研究员属于高水平段位。谷歌研究员的学术能力相较英伟达更强。

我们接纳被引用量和“h”指数来权衡学术水平。“h”指数是一位作者至少具有相同引用次数（h）的最高揭晓论文数目。例如：某人的h指数是20，这示意他已揭晓的论文中，每篇至少被引用了20次的论文总共有20篇。

一样平常来说，h指数在10以上可以被以为是较高水平，h指数18属于高水平，而成为美国科学院院士的一样平常要求是45以上。

这114名企业研究职员的h指数显示出了他们相当强的研究水平：89%的人的h指数大于10，59%的人的h指数大于18，而有8%的人的h指数甚至跨越了45。

进一步对照谷歌和英伟达的学术水平会发现，谷歌研究职员影响力显著要比英伟达高。例如，谷歌企业研究职员引用量平均数和h指数平均数是12596和23，而英伟达的这一组数据为6418和21。

「5」

谷歌和英伟达各有约1/10的具身智能研究员去职加入其他公司。

谷歌70人中有7人脱离，占比10%。现在在英伟达、苹果、特斯拉、1x、OpenAI、Figure AI等企业就职，总体上来说脱离谷歌的人才较少，绝大多数人才在Google DeepMind事情。

其中，Scott Reed 2016 年加入 Google DeepMind 从事控制和天生模子方面的事情，后加入英伟杀青为GEAR 团队的首席研究科学家。

注：谷歌去职研究员及去向

英伟达44名具身智能研究职员有4人脱离，占比9%。一人去了谷歌，一人去了Allen Institute for AI研究机构，另外两人选择创业。

Igor Mordatch的研究兴趣包罗机械学习、机械人学和多智能系一切，他曾是OpenAI的研究科学家，在斯坦福大学和Pixar动画事情室担任接见研究员。他配合组织了OpenAI学者指导设计，并担任AI4All、Google CS研究指导设计和Girls Inc.的导师和教学助理。脱离英伟达后在Google DeepMind担任研究科学家。他宣布文章约123篇，Google Scholar h指数51，被引用量18752次。

注：英伟达去职研究员及去向

「6」

“美国科学院院士”学术水平（h指数大于45）的研究员，谷歌得6人，英伟达得1人。他们划分是（根据指数崎岖）：

谷歌

Nicolas Heess

DeepMind研究科学家。

2011年揭晓论文《Learning a Generative Model of Images by Factoring Appearance and Shape》，彼时正在攻读爱丁堡大学的神经信息学与盘算神经科学博士学位，结业后在DeepMind事情至今。

早期研究聚焦在机械视觉、机械学习、图形/增强现实/游戏等领域，现在是英国UCL盘算机系声誉教授。

宣布约224篇文章 ，Google Scholar h指数65，被引用量48917次。

Martin Riedmiller

DeepMind研究科学家。

1986-1996年在德国University of Karlsruhe（卡尔斯鲁厄大学，现在的卡尔斯鲁厄理工学院）学习盘算机专业，并取得博士学位。结业后他一边在学术界任教，一边创业。

2002年- 2015年先后在University of Dortmund、University of Osnabrueck、University of Freiburg担任教授，率领Machine Learning Lab；2010 -2015年在德国巴登确立Cognit - Lab for learning machines。

2015年加入Google DeepMind全职事情。

他的研究领域聚焦人工智能、神经网络、强化学习等，宣布约188篇文章，Google Scholar h指数59，被引用量84113次。

Vikas Sindhwani

Google DeepMind研究科学家，向导着一个专注于解决机械人领域设计、感知、学习和控制问题的研究小组。

他拥有芝加哥大学的盘算机科学博士学位和印度理工学院（IIT）孟买分校的工程物理学士学位。

2008年-2015年在IBM T.J. Watson Research Center纽约分部认真机械学习组。2015年加入Google DeepMind事情至今。

担任《机械学习研究生意》（TMLR）和《IEEE模式剖析与机械智能生意》的编辑委员会成员；曾是NeurIPS、国际学习示意集会（ICLR）和知识发现与数据挖掘（KDD）的领域主席和高级程序委员会成员。

研究兴趣普遍涉及统计机械学习的焦点数学基础，以及构建大规模、平安、康健人工智能系统的端到端设计。

曾获得人工智能不确定性（UAI-2013）*论文奖和2014年IBM Pat Goldberg纪念奖；并入围了ICRA-2022卓越设计论文奖和ICRA-2024机械人操作*论文奖的决赛。

宣布约137篇文章，Google Scholar h指数52，被引用量17150次。

Vincent Vanhoucke

Google DeepMind卓越科学家、机械人手艺部门高级总监，在谷歌事情跨越16年。

拥有斯坦福大学电气工程的博士学位(1999-2003)和巴黎中央理工学院的工程师学位。

曾向导Google Brain的视觉和感知研究，并认真谷歌语音搜索的语音识别质量团队。配合确立了机械人学习集会（Conference on Robot Learning）。

研究涵盖了漫衍式系统和并行盘算、机械智能、机械感知、机械人和语音处置等多个领域。宣布约64篇文章，Google Scholar h指数50，被引用量165519次。

Raia Hadsell

DeepMind研究与机械人手艺高级总监，VP of Research。

2014年加入至今。

在Reed College获得宗教学和哲学学士学位后（1990-1994），在纽约大学与Yann LeCun互助完成博士学位研究（2003-2008），集中于使用连体神经网络（今天通常称为“三元损失”）的机械学习、人脸识别算法，以及在野外使用深度学习举行移念头器人研究。论文“Learning Long-range vision for offroad robots”获得了2009年的卓越论文奖。

在卡内基梅隆大学机械人研究所做博士后研究，与Drew Bagnell和Martial Hebert互助，然后成为新泽西州普林斯顿市SRI国际公司视觉与机械人组的研究科学家（2009-2014）。

加入DeepMind之后，研究重点放在人工通用智能领域的一些基本挑战上，包罗连续学习和迁徙学习、用于机械人和控制问题的深度强化学习，以及导航的神经模子。是一个新开放期刊TMLR的首创人和主编，CoRL的执行委员会成员，欧洲学习系统实验室（ELLIS）的成员，也是NAISys（神经科学与人工智能系统）的首创组织者之一。担任CIFAR照料，并曾担任WiML（机械学习中的女性）执行委员会成员。

宣布约107篇文章，Google Scholar h指数45，被引用量36265次。

Nikhil J Joshi

资料有限，在印度印度理工学院（Indian Institute of Technology）获得物理硕士学位，在印度基础研究机构Tata Institute of Fundamental Research 获得分子物理学博士学位。2017年加入Google Brain做软件开发，之前在多家企业任职。Google Scholar h指数45，被引用量8320次。

英伟达

Stan Birchfield

英伟达首席研究科学家和高级研究司理。

2016年加入，主要认真盘算机视觉和机械人手艺的交织领域，包罗学习、感知、以及人工智能介导的现实和交互。

1999年获得斯坦福大学电气工程博士学位，辅修盘算机科学。

结业后，加入湾区初创公司Quindi Corporation担任研究工程师，开发智能数字音频和视频算法。

2013-2016年，加入微软，认真开发盘算机视觉和机械人手艺的应用与地面实况导航系统，并向导开发了自动摄像头切换功效。

Google Scholar h指数56，被引用量14315次。

「7」

部门业界华裔大佬

这114名企业研究职员中共有31名华裔，重点先容12名佼佼者，其中谷歌 4人，英伟达 6人，OpenAI 、1x各1人。

谷歌

Fei Xia（夏斐）

Google DeepMind高级研究科学家。

2016年结业清华，2021年在斯坦福大学电气工程系获得了博士学位。

读博时代曾在NVIDIA的Dieter Fox，Google的Alexander Toshev和Brian Ichter那里做过研究实习。在斯坦福大学完成博士学位后，于2021年秋季加入Google的机械人团队。

楷拓生物完成近亿元新一轮融资，加速核酸药物全流程国际化服务能力升级

研究兴趣包罗大规模和可转移的机械人模拟，耐久义务的学习算法，以及环境的几何和语义示意的连系。最近研究偏向是将基础模子（Foundation Models）用于智能体的决议历程中。

学术成就包罗在ICRA 2023集会上接受了5篇论文，在CoRL 2022集会上接受了4篇论文。

代表事情有GibsonEnv, iGibson, SayCan等，iGibson开发用于机械人学习的大规模互动环境，以及在机械人控制战略中使用模拟学习和模子展望控制（MPC）的连系。Google Scholar h指数为33，引用量为12478。

Andy Zeng

Google DeepMind高级研究科学家。

在UC Berkeley获得了盘算机科学和数学的双学士学位，并在普林斯顿大学获得了盘算机科学博士学位。2019年博士结业后加入Google Brain事情，专注于机械学习，视觉，语言和机械人学习。

研究兴趣包罗机械人学习，使机械能够智能地与天下互动并随着时间的推移自我提高。

学术成就包罗在种种集会上揭晓的论文，如ICRA，CVPR，CoRL等。

介入的主要项目包罗PaLM-E。

Google Scholar h指数为32，引用量为12207。

Tianhe Yu

Google DeepMind研究科学家。

2017年在UC Berkeley获得了盘算机科学、应用数学和统计学的最高声誉学士学位，2022年在斯坦福大学获得了盘算机科学博士学位，导师是Chelsea Finn。

2022年博士结业后加入Google Brain事情，专注于机械学习，视觉，语言和机械人学习。

研究兴趣包罗机械学习，感知，控制，稀奇是离线强化学习（即从静态数据集中学习），多义务和元学习。最近在探索在决议问题中行使基础模子。

学术成就包罗在种种集会上揭晓的论文，如ICRA，CVPR，CoRL等。

介入的主要项目包罗PaLM-E。

Google Scholar h指数为25，引用量为7726。

Yuxiang Zhou

Google DeepMind高级研究工程师。

2010年至2018年间在英国伦敦帝国学院攻读盘算机科学硕士和博士学位，导师是Stefanos Zafeiriou教授。

2017年9月至2018年3月在Google Brain & DeepMind举行了深度强化学习和机械人学的研究实习，在2018年12月加入Google DeepMind，担任研究工程师。

研究主题包罗解决机械人学、第三人称模拟学习、统计变形模子的麋集形状研究等。

Google Scholar h指数为17，引用量为3099。

英伟达

Linxi Fan（范林熙）

NVIDIA 高级研究科学家，也是 GEAR Lab的认真人。

在斯坦福大学视觉实验室获得博士学位，师从李飞飞教授。

曾在 OpenAI（与 Ilya Sutskever 和 Andrej Karpathy）、百度 AI 实验室（与 Andrew Ng 和 Dario Amodei 互助）和 MILA（与 Yoshua Bengio 互助）实习。

研究探索了多模态基础模子、强化学习、盘算机视觉和大规模系统的前沿。

率先确立了 Voyager（*个熟练玩 Minecraft 并连续指导其功效的 AI智能体）、MineDojo（通过旁观 100,000 个 Minecraft YouTube 视频举行开放式智能体学习）、Eureka（一只 5 指机械人手，执行极其灵巧的义务，如笔旋转）和 VIMA（最早的机械人操作多模态基础模子之一）。MineDojo 在 NeurIPS 2022 上获得了优异论文奖。

Google Scholar h指数为18，引用量为5619。

Chen-Hsuan Lin

NVIDIA高级研究科学家。

本科结业于国立台湾大学，获得了电气工程学士学位。在卡内基梅隆大学获得了机械人学博士学位，导师是 Simon Lucey，受 NVIDIA 研究生奖学金支持。

曾在 Facebook AI 研究和 Adobe 研究举行了实习。

致力于盘算机视觉、盘算机图形学和天生 AI 应用。解决涉及 3D 内容确立的问题感兴趣，包罗 3D 重修、神经渲染、天生模子等。

研究获得了 TIME 杂志 2023 年度*发现奖。

Google Scholar h指数为15，引用量为2752。

De-An Huang（黄德安）

NVIDIA 研究科学家，专业领域是盘算机视觉、机械人学、机械学习、生物信息学。

斯坦福大学获得了盘算机科学博士学位，导师是李飞飞和胡安·卡洛斯·尼布尔斯。在卡内基梅隆大学攻读硕士学位时代，曾与Kris Kitani互助，在国立台湾大学攻读本科时代，曾与Yu-Chiang Frank Wang互助。

曾是NVIDIA 西雅图机械人实验室的 Dieter Fox、Facebook 应用机械学习的 Vignesh Ramanathan 和 Dhruv Mahajan、Microsoft 雷德蒙德研究院的 Zicheng Liu 和匹兹堡迪斯尼研究院的 Leonid Sigal 的实习生。

Google Scholar h指数为32，引用量为4848。

Kaichun Mo（莫凯淳）

NVIDIA  Dieter Fox 教授向导的西雅图机械人实验室的研究科学家。

在斯坦福大学获得了盘算机科学博士学位，导师是 Leonidas J. Guibas 教授。曾隶属于斯坦福大学的几何盘算组和人工智能实验室。在2016年加入斯坦福之前，在上海交通大学盘算机科学ACM班获得了学士学位（PS：上海ACM声誉班直博率高达92%，3次斩获ACM国际大学生程序设计竞赛全球总冠军，培育出640名盘算机“最壮大脑”）。GPA为3.96/4.30（排名1/33）。

专业领域是3D盘算机视觉、图形学、机械人学和3D深度学习，尤其关注工具为中央的3D深度学习，以及针对3D数据的结构化视觉示意学习。

Google Scholar h指数为20，引用量为17654。

Xinshuo Weng

NVIDIA 研究科学家，与 Marco Pavone 互助。

她在卡内基梅隆大学与 Kris Kitani 互助获得了机械人学博士学位（2018-2022 年）和盘算机视觉硕士学位（2016-17 年）。本科结业于武汉大学。

她还曾与 Facebook Reality Lab 的 Yaser Sheikh 互助，担任研究工程师，辅助构建“真切的远程出现”。

研究兴趣在于自主系统的天生模子和3D盘算机视觉。涵盖目的检测、多目的跟踪、重新识别、轨迹展望和运动设计等义务。开发了 3D 多工具跟踪系统，例如在 GitHub 上获得 >1,300 颗星的 AB3DMOT。

Google Scholar h指数为23，引用量为3472。

Zhiding Yu (禹之鼎)

NVIDIA 机械学习研究小组的首席研究科学家和认真人。

2017年从卡内基梅隆大学获得了电子与盘算机工程博士学位，并于2012年从香港科技大学获得了电子与盘算机工程硕士学位。于2008年从华南理工大学团结电气工程（冯炳权实验班）本科结业。

研究兴趣主要集中在深度示意学习、弱监视/半监视学习、迁徙学习和深度结构化展望，以及它们在视觉和机械人问题中的应用。

WAD Challenge@CVPR18 中的领域自顺应语义支解赛道的获奖者。在 WACV15 获得了*论文奖。

Google Scholar h指数为42，引用量为17064。

OpenAI

Mengyuan Yan

手艺职员。

2014年获得北京大学物理学学士，2020年获得斯坦福大学电子电器工程博士学位。

Interactive Perception and Robot Learning Lab（IPRL）的成员，该实验室是斯坦福AI Lab的一部门，导师是Jeannette Bohg和Leonidas Guibas。

研究领域包罗盘算机视觉、机械学习、机械人学和天生模子。

共宣布28篇文章，Google scholar h指数15，被引用量4664次。

1X Technologies

Eric Jang

AI副总裁。

2016年结业于布朗大学硕士，专业是盘算机科学。

2016 - 2022年在Google事情，担任机械人高级研究科学家，

研究主要集中在将机械学习原则应用于机械人领域，开发了 Tensor2Robot，这是机械人操作团队和 Everyday Robots 使用的 ML 框架（直到 TensorFlow 1 被弃用）；是Brain Moonshot团队的配合认真人，该团队制作了SayCan。

2022年4月脱离Google Robotics，加入1X Technologies（原名Halodi Robotics），率领团队完成了两项主要事情，一个是通过端到端的神经网络，实现了人形机械人EVE的自主性。

7篇论文的*作者，合著15 以上，Google scholar h指数为23，引用量为11213。写了一本书《AI is Good for You》讲诉人工智能的历史和未来。

「8」

通过重点研究论文和实验项目锁定谷歌和英伟达的具身智强人才。

谷歌重基础模子研究，其具身智强人才介入的重点研究宣布包罗：

SayCan：能够将高层级义务拆解为可执行的子义务。

Gato：将多模态数据举行token化输入Transformer架构。

RT-1：将机械人轨迹数据输入Transformer架构，获得离散化动作token。

PaLM-E：在PaLM通用模子基础上，进一步提升了多模态性能。

RoboCat：将多模态模子Gato与机械人数据集相连系，使得RoboCat具备在模拟环境与物理环境中处置语言、图像和动作等义务的能力。

RT-2：是RT-1模子与PaLM-E模子的连系，使机械人模子从VLM进化到VLA。

RT-X：在保持原有架构的基础上，周全提升了具身智能的五种能力。

以上模子逐步实现了模子自主可靠决议、多模态感知和实时精准运控能力的连系，同时展现出泛化能力和头脑链能力。

综合以上研究论文，共梳理143名谷歌研究员。‍‍‍‍‍‍‍‍‍‍‍‍

英伟达重仿真模拟训练，其具身智强人才介入的实验项目包罗：

Eureka：行使大型语言模子举行强化学习的奖励机制设计

Voyager：开放天下中用大语言模子驱动智能体

MimicPlay：通过考察人类动作举行长距离模拟学习

VIMA：多模态指令操控执行通用机械人义务

MinDojo：行使互联网规模级数据确立开放具身智能体

此外，英伟达在2024年重点发力具身智能，官宣确立通用具身智能研究GEAR（Generalist Embodied Agent Research）实验室，主要围绕多模态基础模子、通用型机械人研究、虚拟天下中的基础智能体以及模拟与合成数据手艺四个要害领域开展研究，旨在推动大模子等AI手艺由虚拟天下向现实天下生长。

本文首先梳理了上述提到的Google焦点项目论文共7篇，每篇论文都详细列出了项目研究职员，并清晰地宣布了他们的详细事情内容。

英伟达的研究页面宣布了介入robotics项目的职员名单，共计54名；另外综合思量GEAR宣布的所有论文作者，共梳理出105名具身智能研究职员。

附录：谷歌、英伟达具身智能百人列表