第五屆字節(jié)跳動獎學金頒獎典禮近日在北京大鐘寺辦公區(qū)隆重舉行。本屆獎學金吸引了來自中國和新加坡66所高校的500余名學生報名參與，最終20位優(yōu)秀學子脫穎而出，分別來自清華大學、北京大學、復旦大學、中國人民大學、華中科技大學、香港大學、新加坡國立大學、南洋理工大學等知名高校。獲獎領(lǐng)域涵蓋大模型、機器學習、多模態(tài)、AI基礎(chǔ)設(shè)施、機器人、AI for Science、硬件等多個前沿技術(shù)方向。

與往屆相比，2025年字節(jié)跳動獎學金不僅將獲獎名額增至20人，更將獎金總額從10萬元提升至20萬元，其中包含10萬元現(xiàn)金獎勵和10萬元專項學術(shù)資源補貼，用于支持獲獎學生參加學術(shù)會議、科研差旅等學術(shù)活動。字節(jié)跳動還特別為每位獲獎學生的導師提供10萬元獎勵，以表彰他們在學生成長和科研道路上的辛勤付出。

頒獎典禮上，字節(jié)跳動技術(shù)副總裁楊震原向獲獎師生表示祝賀，并分享了公司在技術(shù)領(lǐng)域的探索歷程。他鼓勵同學們保持耐心與熱愛，勇于挑戰(zhàn)高難度技術(shù)問題，為社會創(chuàng)造更大價值。楊震原以技術(shù)愛好者的視角，回顧了自己自2014年加入字節(jié)跳動以來的技術(shù)探索之路。

他首先介紹了字節(jié)跳動在推薦系統(tǒng)領(lǐng)域的技術(shù)突破。2014年，公司創(chuàng)始人張一鳴提出用大規(guī)模機器學習系統(tǒng)構(gòu)建推薦系統(tǒng)，以處理圖片、文字、視頻等多種媒體形式。當時工業(yè)界最大規(guī)模的機器學習系統(tǒng)是搜索廣告中使用的離散邏輯回歸（LR）模型，將其應用于推薦系統(tǒng)面臨巨大挑戰(zhàn)。團隊第一版就設(shè)定了萬億級特征規(guī)模的目標，在系統(tǒng)建模、存儲計算、算法優(yōu)化等方面克服了諸多困難。在優(yōu)化器選擇上，團隊同時推進SGD-FTRL和CDN兩套方案，最終FTRL方案成功實現(xiàn)稀疏化萬億特征目標，為后續(xù)發(fā)展奠定了基礎(chǔ)。

在科學計算領(lǐng)域，楊震原分享了字節(jié)跳動自2020年以來的探索成果。團隊認為，從量子力學角度，通過求解薛定諤方程可以模擬世界絕大多數(shù)現(xiàn)象，大量模擬產(chǎn)生的數(shù)據(jù)可指導機器學習進步，形成良性循環(huán)。團隊在第一性原理計算方面取得多項突破，提出的NNQMC方法在仿真精度和體系范圍上達到業(yè)界前沿水平，最新成果Scaling Laws with LAVA表明該問題與大模型一樣存在Scaling Law，具有巨大實用潛力。在分子動力學領(lǐng)域，團隊通過GPU加速DFT計算實現(xiàn)業(yè)界領(lǐng)先加速比，開發(fā)的分子動力學力場模型在無實驗數(shù)據(jù)預測電解液性質(zhì)上達到業(yè)界最高精度。這些成果已與比亞迪成立聯(lián)合實驗室，探索在電池材料領(lǐng)域的工業(yè)落地應用。

在XR技術(shù)探索方面，楊震原介紹了字節(jié)跳動收購Pico團隊后的技術(shù)路線調(diào)整。2023年，團隊決定減少內(nèi)容和營銷投入，轉(zhuǎn)而加大基礎(chǔ)技術(shù)研發(fā)，追求核心體驗的質(zhì)的提升。在清晰度方面，團隊與供應商合作定制MicroOLED顯示技術(shù)，通過導入微透鏡提升亮度，解決色亮度均一性問題，最終實現(xiàn)平均PPD40、中心區(qū)域超過45的行業(yè)領(lǐng)先水平。為解決MR技術(shù)挑戰(zhàn)，團隊全鏈路自研專用消費電子芯片，將系統(tǒng)延遲控制在12毫秒左右，達到世界頂尖水平。團隊還建設(shè)了高精度測試系統(tǒng)，開發(fā)通用3D重建機制與高精度手勢數(shù)據(jù)采集系統(tǒng)，為虛實融合體驗提供技術(shù)支撐。

談到大模型發(fā)展，楊震原回顧了公司從2021年至今的探索歷程。雖然初期對大語言模型的應用方向判斷失誤，但公司迅速調(diào)整戰(zhàn)略，在2022年加大投入，取得顯著成果。豆包成為國內(nèi)最流行的AI對話助手，火山引擎大模型服務(wù)位居中國MaaS市場首位。技術(shù)上，公司建設(shè)的大規(guī)模穩(wěn)定訓練系統(tǒng)MegaScale實現(xiàn)超過55%的浮點運算利用率，在模型結(jié)構(gòu)、自研服務(wù)器等方面的探索降低了大模型調(diào)用成本。對于未來發(fā)展方向，楊震原提出兩個關(guān)鍵問題：如何提升大模型的學習能力，使其能像人類一樣持續(xù)學習；如何增強大模型的IO能力，縮小與人類在內(nèi)容理解和界面操作等方面的差距。他表示，字節(jié)跳動將繼續(xù)在大模型等前沿領(lǐng)域耐心探索，為人類社會貢獻力量。