青橙奖是阿里巴巴达摩院在2018年发起的公益性评选，面向35岁及以下的中国青年学者，发掘和支持对科技进步有关键推动作用的人物。除了奖金，获奖选手还将得到阿里提供的开放数据、应用场景等全方位科研支持。
青橙奖的评选不唯资历、不唯履历、不唯论文、不唯门第，每年都会吸引众多顶尖青年学者的申报。2020年青橙奖共收到317份有效申报，并陆续有23位院士、2位图灵奖得主、29位IEEE/ACM Fellow通过撰写推荐信，向达摩院举荐他们心目中的人选。
今年的青橙奖评选结果即将揭晓，我们盘点三届获奖选手发现，上海交大连续三年有学者入选，他们都是计算机领域的顶尖青年学者，都有傲人的学术成绩。交大在计算机科学上的实力和积累令人瞩目。
2020年获得者：
冷静文，上海交通大学计算机系长聘教轨副教授
年龄：32岁
兴趣爱好：篮球，网球
研究方向：面向人工智能的系统结构设计与优化
学术成绩：发表学术论文33篇，第一/通讯作者论文 21 篇，合作出版译著一部，获DAC、CAL、ISPLED会议最佳论文提名3次。
冷静文口述实录
研究面向人工智能的计算系统，致力于从底层突破算力瓶颈。我是2016年获得博士学位，年底回国加入上海交通大学任助理教授，2019年通过考核晋升副教授。我的研究经历分成两部分。博士期间，主要研究GPU处理器功耗过高的问题。2015年左右，谷歌发布了它的第一款TPU专用处理器——以矩阵乘法为主的深度学习专用体系结构处理器。深度学习模型的算力需求越来越大，参数量越来越大，而计算模式比较单一（矩阵乘法），因而需要TPU这样的领域专用处理器。我回国之后研究专用处理器与通用处理器组成的异构系统，从宏观系统层面解决深度学习模型的可靠性、鲁棒性问题。 我的研究成果大部分以开源软件形式发表，发表在ISCA2013、CVPR2019以及SC2020上的成果。我的研究在工业界也有一些落地，比如为语音AI公司做语音云资源管理工具，为国产人工智能芯片做MLU100自动编译工具，目前也在正同阿里等公司合作。
在美国做研究受限，选择回国。美国有对外技术出口许可的限制，很多行业不允许中国人做研究。比如我在IBM实习时，芯片或者处理器等核心部门是不允许中国人参与的。读到博士之后可能可以做，但是我觉得还是回国好，回来建设自己的国家，现在国内也发展得很好，交大的学生水平、给教师的待遇和美国比差距一直在缩小。
我个人觉得，做学术的老师，应该到工业界看一看。毕业前，我曾经在工业界有过三段实习经历。第一次是在三星实习，第二次是在美国的一个实验室，第三次是在IBM。在学校里，你接触到的问题有时候并不是工业界真正关心的问题，到工业界看看，有机会接触到之前没接触过的问题。现在上海交大也有学术休假了，工作六年拿到tenure之后，可以找公司合作，真正落地自己的研究，或者进一步产业化合作。
保持发量的秘密：坚决不熬夜。我们学院现在普遍年轻化，我是32岁的副教授，还有30、31岁的，别的学校也是这样。有人说我的发量很多，可能秘诀就是不熬夜，我宁愿早起也不愿去熬夜，从高中时就是这样。我每天12点之前肯定睡了，除非是投会议论文快截稿时，不得不熬夜，但即使熬夜也会保证一定的睡眠时间。我的学习方法就是保证足够的休息时间。
我的桌上永远放着一摞咖啡杯，我一天至少一两杯。因为太忙，喝完的咖啡杯就直接放在桌子上，一周之后，桌子上就有很高的一摞了，有空再扔掉。
2019年获得者：上海交通大学计算机系研究员陈全
陈全通过资源调度与管理技术，大幅提升数据中心异构资源的使用效率
上海交大的教授陈全。他是国内最早一批研究云计算的学者之一。他在2009年写的有关于云计算的综述文章，被引用过一千多次。陈全最经常提到的一个词是“丝滑”，这个词除了巧克力厂商，还有很多手机发烧友也非常喜欢，意味着应用的流畅、后台运算的快速和稳定。
他的成果，都在别人看不到的地方。之前上海一家公司的智慧医疗系统出了问题，3000家医院并行介入的时候，前台一度卡顿到无法挂号。陈全和他的团队出马之后，改造了后台资源管理系统，5000家医院接进来也可以平顺运行。陈全提到这个效率的时候，表情温和的脸上有浅浅的笑容，“非常平顺，非常丝滑”。
但比起在企业工作，陈全还是更痴迷于“在后面做一些事情”，因为“假设我死了，100年之后，还有我的文章在”。
2018年获得者：
上海交通大学John Hopcroft中心机器学习方向副教授张伟楠
“我们能够很快看到，未来十年里，这样一些惊世骇俗的研究工作，会越来越多地来自于中国人。”——张伟楠
上海交通大学John Hopcroft中心机器学习方向副教授，喜欢和学生们扎堆的青年教师，一直致力于探索人工智能前沿技术并热衷于将技术落地到现实应用中去。
我所研究的领域之一，是用多智能体强化学习来解决图数据库里的匹配问题。这些研究早就已经在影响着每一个人的生活。仅就出行而言，可以解答上班族在高峰期打不到车的困惑。
晚上六点，上海火车站。打车到徐家汇要半个小时，但等车的人已经花了5分钟。可能明明眼前好几辆空车咻地开过去，你等的车还在一公里外。“为什么不把离我最近的空车派给我？”每个人都会这么想。
但对于系统来说，这是一个二分图的匹配问题。一张图上是所有共享车的位置，另一张图上是所有需要打车的人。算法需要考虑的事情，不仅仅是此时此刻上海站的情况，还有半小时后徐家汇的情况。从你面前一晃而过的空车，要去接更远处的人，你耐心等待的五分钟，可能给另外一个人节省了10分钟甚至更多的时间。
2009年，我在大二暑假加入交大APEX数据与知识管理实验室，主攻搜索引擎，就是当时最火的东西。那时候隔壁房间20多个研究生都在做公司项目，实现系统后台程序的垃圾清理一类非常细致的工作。
当时的我是搞数学和物理出身，善于从实验观测到的现象中总结出物理模型并在新的观测中验证模型，这种思维和机器学习逻辑一致。为了赶上一屋子学计算机编程的同学，我疯狂学习编程。但也有赖于物理思维的优势，我经受住了ACM班淘汰的考验，在编程上走得更远。
我在英国带过两个国家的研究生，发现一般英国学生比中国学生难带许多。他们会每周和我约一个40分钟的会议，按时出现，聊完，这周你就别再想见到他们。中国学生则会把自己的座位直接搬到你实验室旁边，哪里有空位就扎在哪里，我们可以随时交流反馈。几个月下来，中国学生能做出很多论文成果，而英国学生进展很小。
国内的情况也印证了我的印象。这些年，中国人在人工智能领域经常有让世界瞩目的成就。很多影响力非常广泛的东西，都是中国人开发出来的。我们能够很快看到，未来十年里，这样一些惊世骇俗的研究工作，会越来越多地来自于中国人。