亚马逊向大学AI研究提供1.1亿美元算力支持

摘要

亚马逊公布了“Build on Trainium”计划本轮的34名获选者,来自30所大学的研究人员将获得AWS Trainium计算资源额度。
本轮征集主题为负责任AI,涵盖AI安全与对齐、多语言语言模型、表征工程、可持续性与小型语言模型、合成数据生成等五大优先领域。
获选研究人员可使用700多个亚马逊公开数据集及AWS AI/ML服务,并可获得亚马逊研究人员的咨询指导。

规模达1.1亿美元的大学AI研究支持

亚马逊公开了“Build on Trainium”计划2025年秋季周期的34名获选者。该计划是一项总规模达1.1亿美元的计算资源额度支持项目,旨在支持利用AWS Trainium基础设施开展的AI研究与大学教学。此次获选团队均围绕负责任AI相关的五大优先领域——AI安全与对齐、多语言语言模型、表征工程、可持续性与小型语言模型、合成数据生成——提交了研究提案。

亚马逊表示,提案是根据科学内容质量以及对研究社区和社会的潜在影响力进行评审的。

Build on Trainium计划获选统计额度规模·获选人数·大学数量 — 图片:亚马逊AGI

获选研究人员可获得的资源

获选研究人员可通过AWS促销额度访问700多个亚马逊公开数据集,并使用AWS AI/ML服务与工具。此外,每个团队将配备一名亚马逊研究人员提供咨询与建议,同时还提供与AWS Trainium相关的教程和实操课程。

AWS AI首席应用科学家Yida Wang表示,该计划为研究人员提供了对亚马逊专用AI芯片强大且可扩展的访问权限。他介绍称,UIUC研究团队正在最多1,024个Trainium芯片上,针对最高达一万亿参数规模的混合专家(mixture-of-experts)模型研究拓扑感知并行化策略,而华盛顿大学研究团队则在开发用于提升Trainium上LLM推理性能的推理优化框架。

本轮获选研究项目一览

本次入选的34个研究团队分别来自UIUC、UCLA、CMU、MIT、Johns Hopkins、UC San Diego、Northwestern、Georgia Tech等多所大学。研究主题涵盖:面向LLM安全性与鲁棒性的联邦对抗联合训练、结合公开与非公开数据的差分隐私合成数据生成、多模态诈骗内容检测与缓解、面向稀疏与量化LLM的算法-系统协同设计、多语言基础语音-文本大型语言模型、LLM智能体的安全预训练、面向机器遗忘的记忆感知偏好优化、多语言语言模型的多阶段多目标对齐、面向低资源语言模型预训练的合成数据扩展、视觉语言模型量化与剪枝感知训练的认证鲁棒性、LLM幻觉检测与缓解、LLM智能体工具使用安全性基准测试等多个领域。

完整获选名单可在亚马逊科学(Amazon Science)官方网站上查询。