【途途之星】信奥省一,他却三次影响全球AI格局!

如果现在打开Kaggle（全球最大数据科学竞赛平台），

你会发现一个有趣的现象：

大多数冠军方案，都离不开同一个工具——XGBoost。

如果你问做AI芯片的工程师，什么技术最难绕开？

答案很可能是：Apache TVM。

2023年，AI圈有一个刷屏的项目叫MLC LLM——

它让大模型能在iPhone上离线运行，无需联网，无需云端。

这三件影响全球AI格局的大事，背后站着同一个人。

他叫陈天奇。

更让人意外的是，这位站在AI金字塔尖的科学家，

高中信息学竞赛只拿到了浙江省一等奖——

不是金牌，不是保送，只是一个“省一”。

今天，我们就来讲讲他的故事。

2005年11月，浙江省松阳县。一个县城中学的男孩参加了NOIP（全国青少年信息学奥林匹克联赛）。

他自学编程的起点，是一本老师送的C语言入门书。没有竞赛教练，没有集训队，只有一台电脑和一颗好奇心。

结果出来：浙江省一等奖。

放在今天，这个成绩足以让很多家长兴奋，但说实话——在信息学竞赛的金字塔里，“省一”算不上最顶尖。同期的金牌得主们大多被保送进清华姚班、MIT，而陈天奇，走了另一条路。

2006年夏天，他通过普通高考，考进了上海交通大学电子信息与电气工程学院。

命运的转折发生在一个偶然的瞬间。填志愿前后，他无意中看到一篇报道，介绍交大的ACM班。

这个班是俞勇老师创办的本科特班，每年只从全校挑30人左右。目标只有一个：培养科学家。

从这个班走出过谁？戴文渊（ACM世界冠军、第四范式创始人）、李沐（CMU博士、《动手学深度学习》作者、亚马逊首席科学家）……

陈天奇看完所有能查到的资料，心里只有一个念头：我想去。

开学后，他认真准备了一份申请材料，递交给俞勇老师。后来俞老师回忆说，那一届所有学生的申请材料里，陈天奇那份是用心程度最高的。

他被录取了，成为ACM班2006级的一员。

在ACM班，他经历了真正“硬核”的训练。有一门大作业：从零开始搭建一个编译器。

当时他们连编译原理课都还没上过，完全从零摸索。学长们手把手指导，这种“传帮带”的传统，让他后来念念不忘。

“ACM班教会我的是：只要有正确的方法论，就没有解决不了的难题。”他说。

本科高年级，他跟着学长戴文渊开始接触机器学习。那是2009年，离ChatGPT还有十多年，“深度学习”这个词在国内学术圈还没几个人挂在嘴边。

但种子已经埋下。

2013年，陈天奇远赴美国，进入华盛顿大学攻读博士学位，师从机器学习领域顶级教授Carlos Guestrin。

读博第二、第三年，他遇到了一个问题。

当时工业界处理数据问题，最常用的模型叫梯度提升树（GBDT）。这个模型效果好，但跑得慢，尤其在数据量大的时候，效率让人抓狂。

别人的做法是：等工具优化，或者忍一忍。

陈天奇的做法是：嫌慢？自己写一个。

于是，他花了大量时间，从头实现了一个全新的梯度提升树工具。他把算法底层重写，做了缓存感知优化、正则化改进，甚至内置了缺失值处理——用户拿来直接用，不用预处理数据。

这个工具，他给它起名叫 XGBoost。

后来的故事，很多人都知道了。

XGBoost跑得比现有工具快得多，也稳定得多。它迅速在全球数据科学竞赛平台Kaggle上蔓延开来。结构化数据竞赛的金牌方案里，绝大多数都用到了XGBoost。

它不再只是一个工具，而成了行业基础设施。

2016年，陈天奇和导师把XGBoost写成论文，发表在数据挖掘领域顶会KDD上。到今天，这篇论文的引用次数已经超过3万次。

这是什么概念？在计算机领域，引用过万就是“里程碑级”的工作。

一个中国县城走出来的年轻人，凭一己之力，改写了全球数据科学家的工具链。

XGBoost是陈天奇的第一个重磅作品，但远不是最后一个。

读博后期，陈天奇又发现了一个痛点。

深度学习的框架越来越多——TensorFlow、PyTorch、MXNet……你训练好一个模型，想把它部署到不同硬件上跑，简直是一场噩梦：英伟达GPU要一套配置，苹果M系列芯片要另一套，华为昇腾又要改代码。

陈天奇的解决方案是：写一个编译器，自动搞定适配。

这就是TVM（深度学习编译器）。你训练好模型，TVM帮你自动翻译、优化、生成，它能在任何硬件上高效运行。

后来TVM进入Apache基金会孵化，成为Apache TVM。

今天硅谷一大半AI芯片创业公司，都在TVM的代码基础上做开发。

2019年博士毕业后，陈天奇和实验室同事将TVM商业化，创办了OctoML（后改名OctoAI），他出任CTO。2020年，他加入卡耐基梅隆大学（CMU），任机器学习系和计算机科学系助理教授。

2024年9月，OctoAI被英伟达收购。这是后话。

到CMU之后，陈天奇做了个“出圈”的项目——MLC LLM。

2023年大模型热潮席卷全球，但几乎所有大模型都要联网。

陈天奇想：能不能让大模型离线跑在手机、笔记本上？

他带着团队做到了。

MLC LLM发布后，开发者可以在自己的iPhone上离线跟一个70亿参数的大模型对话。不需要联网，不需要云端，隐私安全，速度飞快。

这件事在AI圈引起巨大反响。有人评论：“他让大模型从云端落到了每个人的口袋里。”

XGBoost改变了数据科学，TVM改变了AI芯片生态，MLC LLM改变了大模型的部署方式。

三件大事，贯穿十几年，背后是同一个人的名字。

回顾陈天奇的成长轨迹，你会发现一个有趣的规律：

他做的每一件大事，都不是“跟风”，而是“解决真问题”。

这种能力的源头，可以追溯到他的信奥经历。

信息学竞赛训练的是什么？不是背语法，不是刷套路，而是问题拆解能力、算法思维、工程实现能力。

陈天奇高中时就敢手写编译器（把Pascal转成C），虽然过程痛苦，但这让他早早明白：

计算机世界里没有魔法，一切都可以从头搭建。

很多人不知道，陈天奇本科做科研时，曾经两年半没有突破。他同时纠结问题的重要性和方法的创新性，结果卡住了很久。

但他后来总结：

“那些‘浪费’的时间，都是必要的积累。科研的本质就是在未知领域探索，失败是必然的。”

他还说过一句话，特别适合送给正在学编程的孩子：

“做平庸问题和重要问题花的时间几乎一样，所以一定要挑正确的问题。”

如今在CMU教书，他开的课叫“深度学习系统”——让学生从零搭建一个完整的深度学习库。

这和当年ACM班的大作业如出一辙。

这就是信奥底色

“不是因为学了编程所以厉害，而是因为编程教会了他们怎么思考、怎么坚持、怎么在不确定中找到出路。”