夜雨聆风陆超超，上海人工智能实验室青年科学家，安全可信AI中心负责人，因果智能团队负责人，上海交通大学和复旦大学兼职博导。 他分别在南京大学、香港中文大学和英国剑桥大学获得学士、硕士和博士学位。早在2014年，他研发的人脸识别算法使计算机的人脸识别准确率首次超越人类。 2023年，他入选国家级海外高层次人才引进计划（青年）。加入上海人工智能实验室后，他负责安全可信AI和因果智能相关研究工作，推动大模型与因果推理结合的研究，为知识发现机制带来突破。 |
在人工智能安全领域，有一个问题始终困扰着整个行业：当AI变得越来越强大，我们该如何确保它始终站在安全这一边？
陆超超给出的答案与众不同。他提出的“内生安全AI”理念，主张从AI诞生的那一刻起就将安全基因植入其内核。这一理念正在重新定义AI安全的研究范式。
今天，我们就来走近这位致力于为AI装上“免疫系统” 的青年科学家，看他如何用因果推理与内生安全，塑造可信的人机未来。
陆超超的学术之路，始于南京大学。他在南京大学获得软件工程学士学位。本科毕业后，他进入香港中文大学多媒体实验室攻读硕士学位。
硕士毕业后，陆超超远赴英国，进入剑桥大学机器人小组（Cambridge Robot Group）攻读博士学位。剑桥大学是世界上最古老、最负盛名的学府之一，其机器人小组在机器学习与机器人交叉领域享有盛誉。在剑桥期间，他师从马克斯·普朗克智能系统研究所的Bernhard Schölkopf教授进行联合培养。Schölkopf是因果机器学习领域的国际权威，这一师承关系对陆超超的学术方向产生了深远影响。
2018年，他获得了谷歌、微软等全球人工智能巨头公司提供的剑桥博士奖学金。2015年，他荣获人工智能顶会AAAI首届唯一最佳学生论文奖。 这两项荣誉在他博士生涯早期就展现出了卓越的学术潜力。
在攻读博士学位期间，陆超超就已经做出了一个震动业界的成果——2014年，他研发的人脸识别算法使计算机的人脸识别准确率首次超越人类。
这一突破具有里程碑意义。人脸识别是计算机视觉领域最核心、最具挑战性的任务之一。在陆超超的成果之前，计算机在人脸识别上的准确率始终低于人类水平。他的算法首次打破了这一格局，让机器在“认脸”这件事上比人更可靠。
这一成果被华为、腾讯、商汤等领军企业广泛转化和应用。可以说，今天每个人都在使用的人脸识别技术，其背后的算法演进之路上，有陆超超留下的重要足迹。
博士毕业后，陆超超面临一个重要选择：留在海外还是回国发展？
最终，他选择了回国，加入上海人工智能实验室，担任青年科学家。谈及这一选择，他曾在采访中坦言，自己在剑桥大学读博时深刻体会到了算力紧缺的困境——“这所英国顶尖高校的GPU数量并不充裕，而需要用GPU做科研计算的课题组有很多。即使在西方名牌大学，研究生和教师也有算力紧缺的苦恼。”
而入职上海人工智能实验室后，陆超超的“算力苦恼”一下子减轻了。这家新型科研机构有包括算力在内的各种资源支撑。
“我喜欢做基础研究，目前负责实验室的安全可信AI、因果智能方面的研究工作。”这位海归博士说。
他还担任上海交通大学和复旦大学兼职博导。2023年，他入选国家级海外高层次人才引进计划（青年）。
陆超超最核心的学术贡献，在于他提出的 “内生安全AI”（Make Safe AI）理念。
当前，绝大多数AI安全措施依然是 “打补丁式”的事后修复。陆超超用一个生动的比喻形容这种做法：“就像在玩打地鼠，每冒出一个安全漏洞，我们就赶紧去补一个补丁。可随着模型规模的扩大，这种方法已经无法持续。漏洞越来越多，根本补不完。”
而陆超超提出的“内生安全AI”理念，主张从AI诞生的那一刻起，就将安全基因植入其内核，并让它具备与环境共演化、持续学习与自我强化的能力。
“Make Safe AI”提倡的是孩子一出生就携带了安全的基因，就像人的免疫系统一样，随着成长不断变强。 陆超超解释道：“人类从小接种疫苗，生病时产生抗体，下次再遇到同样的病毒就能抵抗。AI也需要这样的安全抗体。”
“AI的最终形态，必须具备自我免疫、自我修复和持续进化的能力，”陆超超补充道，“否则，我们始终不敢真正放心地把关键任务交给它。”
围绕“内生安全AI”理念，陆超超团队打造了SafeWork安全技术栈。
SafeWork能够覆盖AI的整个生命周期，包括安全训练、推理过程监控、风险识别，以及自动验证机制，让AI逐渐学会自我审视。陆超超用一个类比来解释这一理念：“就像教育一个孩子，最终不是靠强迫他背诵道德条文，而是要教会他不断思考自己行为的对与错。 ”
该技术栈的核心模块已在能源等行业应用。陆超超介绍道：“曾经，哪怕AI的一个小‘幻觉’就可能导致严重的电网事故。但我们的清洁能源安全可信基座模型SafeWork-E1，能让AI实时审视自己的决策，一旦发现风险，立刻自我纠正。这不是简单的补漏洞，而是一种持续进化的安全能力。 ”
更令人振奋的是，陆超超团队在提升模型安全性能的同时，发现通用能力不降反升。他指出：“只有真正让模型理解世界、环境的本质，才能达到性能和安全同时提升的效果。 ”
除了安全AI，因果机器学习是陆超超的另一核心研究方向。
“传统机器学习是相关性的学习，就是学习数据中的规律” 。陆超超用一个生动的例子说明了这一局限：“比如探讨‘鸡叫’和‘日出’的关联。我们可以训练一个传统机器学习模型，预测精度可以接近100%。但问题在于，它不能处理‘鸡不叫’的时候太阳会不会出来的问题。因为它学的不是因果关系，所以换个环境，它就会失效。”
因果机器学习则是在传统机器学习的基础上引入因果机制，用结构因果模型来建模数据生成过程。陆超超解释道：“传统的机器学习只能处理独立同分布的数据，即测试数据和训练数据遵循相同的统计分布。但是现实生活中，训练数据和实际应用场景的数据分布通常是不一样的，传统的机器学习一般会失效。”
“由于能够处理变化是智能最重要的特征之一，所以因果机器学习可以让机器更加智能。”
“如果可以让大模型去做因果发现或者因果推理，就可以从大量的数据中发现它们的因果关系，这将让人类迎来‘知识爆炸’时代。”
2025年10月，陆超超作为核心成员参与组建了国际人工智能发展与治理研究网络（AIR Net） 。
AIR Net致力于推动建立人工智能安全治理的国际协作体系。这一举措体现了陆超超的视野不仅停留在技术层面，更延伸到了全球AI治理的宏大命题中。
回望陆超超的学术之路——从南京大学软件工程的本科生，到香港中文大学多媒体实验室的硕士生；从剑桥大学机器人小组的博士生，到上海人工智能实验室的青年科学家——他用十余年时间，走出了一条从“技术突破者”到“安全守护者”的蜕变之路。
2014年，他让计算机的人脸识别准确率首次超越人类。2023年，他入选国家级海外高层次人才引进计划。2025年，他参与组建AIR Net，推动AI安全治理的国际协作。
但最令人印象深刻的，或许不是他取得的任何一项具体成果，而是他提出 “内生安全AI”理念时所展现出的远见。
“要真正让AI落地，安全是最重要的门槛。”
从“打补丁”到“自身免疫”，从相关性到因果性——陆超超正在重新定义AI安全的研究范式。而他所追求的，是一个真正值得人类信任的、拥有“免疫系统”的AI。
正如他所说：“AI和性能不是独立的。安全是对模型通用能力更高的要求。”
📚 主要参考资料：上海人工智能实验室官网、中国科学院深圳先进技术研究院官网、科技日报、集智俱乐部专访、复旦大学类脑智能科学与技术研究院等公开信息，一并致谢。
