【新智元导读】继清华姚班陈立杰之后，OpenAI又迎来一位重量级华人学者：北大数院「黄金二代」苏炜杰。今年，他刚刚摘下有「统计学诺奖」之称的COPSS Presidents Award。

　　如今，AI前沿正在把理论计算机、数学、统计、优化这些看似不同的学科，拉回同一张桌子上。

　　年初加盟OpenAI的陈立杰代表的是理论计算机科学，他的复杂性理论研究直接指向AI推理能力的底层极限。

　　苏炜杰代表的则是统计与优化，去OpenAI做的是「训练AI模型」，从理论直接下场练兵。

　　苏炜杰是斯坦福校友、宾夕法尼亚大学沃顿商学院统计与数据科学系正教授，同时兼任计算机与信息科学系、数学系和生物统计学系的联合教职，并担任宾大机器学习研究中心（PRiML）联合主任。

　　这个奖由国际数理统计学会（IMS）、美国统计学会（ASA）、加拿大统计学会（SSC）以及美东、美西生物统计学会共同颁发，被广泛视为国际统计学界的最高荣誉之一。

　　它每年只授予一位40岁以下的统计学家，选拔规则上类似基础数学领域的菲尔兹奖。

　　更关键的是，苏炜杰是14年来首位华人得主。上一位华人获奖者是2012年哈佛大学的寇兴昌（Samuel Kou）。

　　再往前，范剑青、蔡天文、刘军、孟晓犁等统计学界的重量级人物都曾站上这个领奖台。

　　生成式AI的统计基础，LLM水印检测、偏好对齐与排序机制；隐私保护数据分析及其在2020年美国人口普查中的应用；机器学习同行评审机制改进；凸优化基础性工作；以及深度学习理论和高维推断的广泛贡献。

　　换句话说，苏炜杰没有把自己锁在一个窄方向里，他把统计、优化和AI这些原本分属不同体系的学科，融合到了一起。

　　偏好对齐方向，他最近的一项研究从投票理论出发，揭示了LLM对齐中隐藏的「孔多塞悖论」，即当人类偏好本身就存在循环矛盾时，任何对齐方案都不可能同时满足所有人。

　　水印检测方向，他建立了LLM水印的统计检验框架，给出了最优检测规则和效率边界，正面回应了「AI生成的内容还能不能被检测出来」这个越来越急迫的问题。

　　审稿机制改革方向，他提出的「保序机制」（Isotonic Mechanism）让作者自行为自己的研究排序，用数学手段保证诚实排序时收益最大。

　　到了今天，有效评估模型能力、降低幻觉、实现快速且数值稳定的优化、理解模型泛化，正在变成AI公司的核心战场。

　　近期，OpenAI内部模型推翻了离散几何中的「单位距离猜想」，这个由Paul Erdős在1946年提出的经典问题，80年来无人突破，把AI for Math推到了新的高度。

　　而这波浪潮中更早引发关注的标志性事件，是UCLA教授Ernest Ryu借助GPT-5 Pro解决了凸优化理论中一个42年的公开问题，Nesterov加速梯度法的点收敛性。

　　这个问题之所以重要，是因为Nesterov加速梯度法是优化理论的基石，广泛应用于CT/MR图像重建、图像去模糊，以及几乎所有深度学习模型的训练。

　　1983年提出以来，它的收敛速率早已被证明是最优的，但它的参数是否会收敛到一个确定的点，一直悬而未决。

　　支撑Ryu这项工作的关键理论工具之一，正来自苏炜杰2016年在斯坦福读博期间与导师Stephen Boyd和Emmanuel Cands合作的那篇论文。

　　在研究中，团队用一个二阶常微分方程（ODE）刻画了Nesterov加速方法的连续时间极限，为后续所有对该方法的理论分析提供了核心框架。

　　巧的是，Ernest Ryu的博士导师也是Stephen Boyd。毕业后不久，便受邀以研究科学家身份加入OpenAI。

　　2007年至2011年，苏炜杰就读于北京大学数学科学学院基础数学专业，并以年级第一的成绩毕业。

　　这一届的同级同学中，包括王虹、邓煜、唐云清等后来在国际数学界极受关注的青年学者。

　　今年4月，王虹和唐云清获得2026科学突破奖「数学新视野奖」，同级校友张明嘉获得「米尔扎哈尼新前沿奖」。

　　有意思的是，在这批纯数学天才同学之外，苏炜杰选择了应用数学、统计和AI这条路。

　　高一时他代表浙江省参加中国数学奥林匹克竞赛获得银牌，被保送进入清华大学数理基科班，成为余姚中学建校以来首位获得该资格的学生。

　　高三阶段，他在中国数学奥林匹克竞赛中获得金牌，随后保送进入北京大学数学科学学院，并入选中国IMO国家集训队。

　　本科期间，他获得首届丘成桐大学生数学竞赛全能金奖，也在数学建模竞赛中多次获奖。2010年，他与同学组队参加美国大学生数学建模竞赛，获得中国大陆赛区第一名。

　　从北大到斯坦福，再到宾大沃顿，苏炜杰的学术轨迹刚好对应了「纯数学 → 应用数学 → 统计与AI」这条路径。

　　5月19日，OpenAI创始成员、前特斯拉AI负责人Karpathy官宣加入Anthropic，进入Claude的预训练团队，任务是用AI加速AI自身的训练。

　　一边是统计与优化的顶级理论家投向OpenAI，一边是最懂工程落地的预训练老将投向Anthropic。