『面向AGI4S，构建下一代数据基础设施』上海AI实验室青年科学家入选第五届“上海科技青年35人引领计划”

（文章发布于2025年12月30日）

12月28日，第五届“上海科技青年35人引领计划”颁奖典礼举行。活动现场揭晓35名获奖者及15名提名奖获得者名单，汇聚来自人工智能、生物医药、集成电路、量子信息、低碳能源等前沿领域的青年科技英才。

上海人工智能实验室青年科学家何聪辉凭借“面向世界科技前沿”的突出成就入选。“我的科研理想是：构建下一代数据基础设施，进而驱动促进科学发现的通用人工智能（AGI4S）”。加入上海人工智能实验室近5年来，何聪辉带领的团队正致力于让AI-Ready数据触手可及，帮助更多机构和企业在AI时代实现“数据自由”。

高质量数据是大模型训练与应用的战略资源和关键基石。当前，科学数据呈格式非结构化、学科碎片化、任务定制化等特点，无法充分释放数据价值，推动AGI4S高质量发展。何聪辉带领团队围绕“面向AI-Ready的下一代大模型数据基础设施”开展系统性、原创性研究，不仅填补了国际数据基础设施领域的多项技术空白，更推动了全球大模型数据生态的开源化与标准化，为解决AGI发展的数据瓶颈提供了可落地的中国方案。

何聪辉，清华大学博士，上海人工智能实验室青年科学家，数据平台中心负责人，长期深耕高性能计算与AI 据基础设施的交叉前沿，致力于构建面向通用人工智能的下一代数据基座。其在计算机科学顶级会议上发表论文逾150篇，谷歌学术引用超1万次，曾荣获戈登·贝尔奖（高性能计算应用最高奖）和ACL最佳主题论文奖（唯一通讯）等多项国际顶级荣誉；其构建的AI数据基座，覆盖“底层技术-评测标准-开源生态”的完整体系，为AGI的演进筑牢了关键的数据基石。部分关键项目包括：

开放数据平台OpenDataLab：累计汇聚超7700余个高质量数据集，总容量达210TB，拥有覆盖全球100多个国家和地区的超14万注册用户，累计提供超400万次下载服务。

智能文档解析引擎MinerU：依托前沿多模态大模型和Agent技术，高效实现私域文档到高质量AI-Ready语料的解析，用户数超25万，在GitHub获得超过5万星标数，累计推理文档页数超8亿次。

文档解析能力基准OmniDocBench：可在实际场景中对多样化解析能力进行评估，作为唯一中国团队成果获Gemini 3.0官方收录验证。

---

关于“上海科技青年35人引领计划”

从世界科技前沿、经济主战场、国家重大需求、人民生命健康等战略方向，选拔35名获奖者和15名提名者，旨在探索更有利于青年科技人才脱颖而出的评价和选拔机制，培养和造就一批具有全球视野和创新影响力的青年科技工作者。