computer-science / frontier
研究 前沿
人类在计算机科学领域当下正在推进的最前沿——尚未解决的问题、谁在攻关、近年的突破， 以及仍然未知的边界。这里收录的是“正在发生的知识”，而非已盖棺定论的结论。
12 个前沿议题
神经形态与后 CMOS 计算：当搬运数据比计算更贵
Neuromorphic and Beyond-CMOS Computing — When Moving Data Costs More Than Computing
现代处理器有一个被算力叙事掩盖的真相：一次乘加运算的能耗，远低于把参与运算的数从内存搬到运算单元的能耗。 在典型工艺下，从片外 DRAM 读一个数所耗的能量，可以做几百次乘加。 这意味着大规模神经网络的能耗账本里，主导项不是"算"，而是"搬"。而冯·诺依曼架构的定义特征恰恰是把存储与计算分开——它在数据稀少的年代是优雅…
Carver Mead（Caltech，神经形态一词的提出者） · Dharmendra Modha（IBM，TrueNorth / NorthPole） · Mike Davies（Intel Neuromorphic Computing Lab）
计算的碳足迹：可持续计算的实测与分歧
The Carbon Footprint of Computing — Sustainable Computing
2025 年 4 月，国际能源署（IEA）发布《Energy and AI》特别报告，给出了两个被反复引用的数字：全球数据中心 2024 年用电约 415 太瓦时（TWh），占全球用电量约 1.5%；在基准情景下，2030 年将增至约 945 TWh——超过今天日本全国的用电量。报告同时把增长的主要驱动点名：AI。AI…
Eric Masanet（UC Santa Barbara / Northwestern） · Jonathan Koomey（能源效率研究者） · Emma Strubell（卡内基梅隆大学）
后量子密码：在机器造出来之前更换全世界的锁
Post-Quantum Cryptography — Replacing the World's Locks Before the Machine Exists
密码学史上从没出现过这样的局面：一种尚不存在的机器，正在迫使全世界更换正在使用的锁。 1994 年 Shor 证明，一台足够大的量子计算机可以在多项式时间内分解大整数、求解离散对数。今天保护网上银行、TLS 握手、代码签名与国家机密的公钥体系——RSA、椭圆曲线——全部建立在这两个问题之上。它们不是被削弱，而是被归零。
Peter Shor（MIT） · Michele Mosca（滑铁卢大学 IQC） · Wouter Castryck & Thomas Decru（KU Leuven）
机密计算：把信任从运维手里收回硬件
Confidential Computing — Moving Trust from the Operator into the Silicon
云计算有一个从第一天起就存在、却长期被默认接受的漏洞：你的数据在云上是加密的——除了它正在被使用的时候。 静态加密保护硬盘，传输加密保护网络，但计算必须在明文上进行。数据一旦进入内存被 CPU 处理，云厂商的管理程序、运维人员、以及任何拿到 root 的攻击者，原则上都能读到它。对多数业务这个风险可以接受，因为除此之外…
Georgia Tech / Purdue 的 TEE.fail 研究团队 · Battering RAM 研究团队（KU Leuven / 伯明翰大学） · Daniel Genkin 等（微架构侧信道）
大语言模型与基础模型
Large Language Models and Foundation Models
2022 年 11 月 30 日，OpenAI 把一个叫 ChatGPT 的系统悄悄放到了互联网上。没有发布会，没有大型广告。五天后，它有了 100 万用户；两个月后，1 亿用户。这是消费级应用历史上最快的用户增长。 但 ChatGPT 只是冰山水面上的一角。真正引发技术界震动的，是它背后所代表的——一种完全不同于以往…
Ashish Vaswani 等（Google Brain，Transformer 论文） · OpenAI（GPT 系列） · Anthropic（Claude 系列）
机制可解释性：从可命名特征到因果机制
Mechanistic Interpretability from Named Features to Causal Mechanisms
2021 年，OpenAI 研究者在 CLIP 中观察到一个“蜘蛛侠神经元”：蜘蛛图像、单词 spider 的图像和蜘蛛侠角色都会激活它。这说明模型内部可能出现跨文字、符号和视觉形式的抽象响应。 但一个容易理解的神经元不是完整解释。它可能只在特定数据上相关，可能与其他方向共同编码概念，也可能不是产生最终输出所必需的计算…
Chris Olah · Neel Nanda · Aaron Mueller
AI 驱动的科学发现：从蛋白质到天气再到数学
AI for Science — Machine Learning as an Instrument of Discovery
2024 年 10 月，诺贝尔化学奖一半授予 David Baker，另一半授予 Demis Hassabis 与 John Jumper——表彰计算蛋白质设计与蛋白质结构预测。一个本质上是机器学习系统的成果拿到了科学最高奖，这在诺贝尔奖历史上没有先例。同年 5 月，AlphaFold 3 登上 Nature，把预测范…
John Jumper 与 Demis Hassabis（Google DeepMind，AlphaFold） · Remi Lam 等（Google DeepMind，GraphCast） · Amil Merchant 与 Ekin Dogus Cubuk（Google DeepMind，GNoME）
推理时计算与推理模型：让机器学会"多想一会儿"
Inference-Time Compute and Reasoning Models
2024 年 9 月 12 日，OpenAI 发布 o1-preview，博客标题只有一句话：Learning to Reason with LLMs。模型的用法看起来很反常——它在回答之前会"沉默"几十秒甚至几分钟，生成一大段用户看不见的推理过程，然后才给答案。在国际数学奥林匹克资格赛（AIME）这类题目上，o1 的…
OpenAI（o1 / o3 系列） · DeepSeek 团队（R1 / R1-Zero） · Hunter Lightman 等（OpenAI，过程奖励模型）