AI 科技評論獲悉，當?shù)貢r間 1 月 21 日，美國計算機學會（ACM）揭曉了 2025 年最新 Fellow 名單。

本次美國計算機協(xié)會 (ACM) 一共宣布了 71 位 ACM Fellow，其中有 19 位華人學者上榜（占比約 27%），他們在醫(yī)療人工智能、計算機圖形學、數(shù)據(jù)管理、移動計算、網絡系統(tǒng)、網絡安全、可持續(xù)發(fā)展技術等領域做出了重大貢獻。

ACM 創(chuàng)立于 1947 年，是世界上第一個科學性及教育性計算機學會，也是全世界計算機領域影響力最大的專業(yè)學術組織，目前在全世界 130 多個國家和地區(qū)擁有超過 10萬 名的會員，其所評選的圖靈獎被公認為世界計算機領域的諾貝爾獎。

ACM Fellow 由同行評選，每年遴選一次，旨在表彰在計算科學、技術和領導中帶來變革性貢獻和突破的學者，審查過程極其嚴格，因此人數(shù)僅占 ACM 全球會員總人數(shù)的 1%，體現(xiàn)了 ACM 對會員的最高認可。

值得一提的是，本次的新晉 ACM Fellow 中，多位學者與雷峰網 GAIR 大會早有交集：

其中，鄭宇曾擔任雷峰網(公眾號：雷峰網) GAIR 2016 程序主席，并在 GAIR 2019 與 GAIR 2025 多次參與交流與分享；梅濤同樣先后在 GAIR 2017、GAIR 2020、GAIR 2021 三屆大會擔任講者，持續(xù)輸出其在視覺與多媒體智能方向的觀察與實踐；

賈佳亞也曾多次亮相，分別在 GAIR 2019 與 GAIR 2025 參與大會議程，圍繞人工智能前沿話題分享觀點；金海在 GAIR 2020 和 GAIR 2021 兩年受邀參會，與業(yè)界就分布式系統(tǒng)與計算方向展開交流，此外，熊輝也曾于 GAIR 2021 參與大會分享，從人工智能研究延展到社會議題探討。

以下為本次當選的 19 位華人學者簡要介紹（按姓氏字母順序排序），AI 科技評論根據(jù)公開資料進行整理匯總，如有疏漏或錯誤，歡迎留言指正與補充。

當選華人名單

曹培，YouTube

當選理由：在網頁緩存、搜索引擎效率和信息質量方面的貢獻

曹培目前是 YouTube 工程副總裁，1990 年畢業(yè)于清華大學計算機系，獲學士學位。1996 年于普林斯頓大學計算機系獲得博士學位。

她曾榮獲多項重要獎項，包括 IEEE 國際分布式計算系統(tǒng)會議優(yōu)秀論文獎、ACM SIGMETRICS計算機系統(tǒng)測量與建模會議最佳論文獎、國際計算機體系結構研討會（ISCA）優(yōu)秀論文獎，以及普林斯頓大學工程學院院長獎學金。

陳寶權，北京大學

當選理由：在大規(guī)模場景重建、離散幾何處理以及制造業(yè)形狀設計方面的貢獻

陳寶權是北京大學博雅特聘教授、IEEE Fellow、中國計算機學會會士和中國圖象圖形學學會會士，中國圖象圖形學學會常務理事，入選 ACM SIGGRAPH Academy 和 IEEE Visualization Academy。

研究領域為計算機圖形學、三維視覺與可視化，多次獲得國際會議最佳論文獎，包括 SIGGRAPH Asia 2022、SIGGRAPH 2022 (Honorary Mention) 和 IEEE Visualization 2005 等，以及 SIGGRAPH 2025 時間檢驗獎 (Test-of-Time Award)。

陳德銘，伊利諾伊大學-香檳分校

當選理由：在可重構計算領域的貢獻，包括綜合算法和可定制人工智能加速器設計方法

陳德銘是美國伊利諾伊大學厄巴納-香檳分校（UIUC）電氣與計算機工程系的終身教授，IEEE Fellow。他的研究領域主要包括FPGA、電子設計自動化（EDA）、人工智能硬件加速、異構計算等。

陳德銘在 FPGA 高層綜合方面做出了重要貢獻，其研究成果廣泛應用于深度學習算法的硬件加速，尤其在將深度神經網絡（DNN）部署到 FPGA 上以實現(xiàn)高效 AI 計算方面具有顯著影響力。

陳建利，新加坡國立大學

當選理由：在高級數(shù)據(jù)庫應用的查詢優(yōu)化和處理方面的貢獻

陳建利是新加坡國立大學計算機學院計算機科學系教授，并擔任 Tan Sri Runme Shaw Senior Professor（邵氏高級教授）。他在 1994 年于新加坡國立大學獲得計算機科學博士學位，長期深耕數(shù)據(jù)庫與大規(guī)模數(shù)據(jù)系統(tǒng)領域。

他已發(fā)表 300多 篇國際期刊與會議論文，并合著多本專著/書籍。曾獲得 NUS 杰出研究者獎、NUS優(yōu)秀導師獎，以及 IEEE Technical Achievement Award等重要榮譽。

付昀，東北大學

當選理由：在表示學習、計算機視覺、面部和手勢識別方面的貢獻

付昀是東北大學人工智能與計算機視覺領域的知名學者，現(xiàn)任工程學院杰出教授，并擔任電氣與計算機工程系科研副主任，同時也是 Khoury 計算機科學學院的聯(lián)合任職教授。

他的研究聚焦于人工智能（機器學習與計算智能）、計算機視覺與模式識別、以及大數(shù)據(jù)挖掘與社交媒體分析等方向，并在相關領域發(fā)表大量高水平成果。

黃茲，昆士蘭大學

當選理由：在大規(guī)模多媒體內容理解、索引和檢索方面的貢獻。

黃茲是澳大利亞昆士蘭大學電氣工程與計算機科學學院（EECS）的教授，同時擔任該校數(shù)據(jù)科學方向負責人，并領導 Big Media Intelligence 研究團隊。

她本科畢業(yè)于清華大學計算機系，并在昆士蘭大學獲得計算機科學博士學位。 其研究方向主要包括多媒體檢索與索引、計算機視覺、推薦系統(tǒng)、社交數(shù)據(jù)分析與知識發(fā)現(xiàn)，在相關領域發(fā)表了 200 多篇論文。她還擔任多本重要期刊的編委/副主編，并參與國際學術組織事務。

賈佳亞，香港科技大學

當選理由：在計算機視覺中的分割、場景解析和紋理分析方面的貢獻

賈佳亞是香港科技大學計算機科學及工程學系講座教授，也是香港科技大學馮諾依曼研究院院長，在計算機視覺與人工智能領域具有很高的國際影響力。

他在港科大獲得計算機科學博士學位，長期從事計算機視覺、AI與計算成像相關研究，同時也積極推動產學研結合，是AI獨角獸企業(yè)思謀集團（SmartMore）的創(chuàng)始人之一。

賈小華，香港城市大學

當選理由：對數(shù)據(jù)安全和分布式計算系統(tǒng)的發(fā)展所做的貢獻

賈小華是香港城市大學計算機科學系講座教授，同時也是 ACM Fellow、IEEE Fellow，在計算機網絡與分布式系統(tǒng)領域具有很高的國際影響力。

他本科與碩士畢業(yè)于中國科學技術大學，并在東京大學獲得信息科學博士學位。 其長期從事云計算與分布式計算、計算機網絡與通信、數(shù)據(jù)安全與隱私保護等方向研究，發(fā)表論文數(shù)量超過450篇，培養(yǎng)了30多名博士生，在多個重要學術會議上獲得最佳論文等獎項。

金海，華中科技大學

當選理由：在高效數(shù)據(jù)中心處理、內存管理和分布式系統(tǒng)架構方面的貢獻

金海是華中科技大學計算機科學與技術學院教授、博士生導師，長期從事高性能計算、集群與網格計算、云計算與服務計算、大數(shù)據(jù)與系統(tǒng)虛擬化等方向研究，是國內分布式與云計算領域的代表性學者之一。

他曾入選長江學者特聘教授、獲得國家杰出青年科學基金等重要榮譽，并擔任華中科技大學多個重點科研平臺的負責人，如服務計算技術與系統(tǒng)教育部重點實驗室、集群與網格計算湖北省重點實驗室等。

馬堅，卡內基梅隆大學

當選理由：在計算生物學算法和機器學習方面的貢獻

馬堅現(xiàn)任卡內基梅隆大學計算機科學學院計算生物學教授，同時也是機器學習方向的兼職教授。

個人研究主要聚焦于生物學驅動的人工智能（biologically grounded AI），目標是利用機器學習方法揭示細胞組織與功能的基本規(guī)律，并服務于健康與疾病研究。

梅濤，智象未來

當選理由：在多媒體分析、檢索及應用方面的貢獻

梅濤是智象未來（HiDream.ai）創(chuàng)始人兼CEO，也是國際知名的計算機視覺與多媒體智能專家。 他本科和博士均畢業(yè)于中國科學技術大學，長期從事計算機視覺、多媒體計算等研究。

在創(chuàng)辦智象未來之前，他曾擔任京東集團副總裁，并在微軟研究院任職多年，推動多項AI技術落地應用。截至 2022 年，他已獲得加拿大工程院外籍院士、IEEE Fellow、IAPR Fellow 等多項國際學術榮譽。

童行行，伊利諾伊大學厄巴納-香檳分校

當選理由：在大規(guī)模圖挖掘的理論、算法及應用方面做出貢獻

童行行是美國伊利諾伊大學厄巴納-香檳分校 Siebel 計算與數(shù)據(jù)科學學院的教授，在數(shù)據(jù)挖掘與機器學習領域具有較高國際影響力。

他的研究方向主要包括數(shù)據(jù)挖掘、機器學習、圖數(shù)據(jù)分析等，關注如何從大規(guī)模網絡與復雜數(shù)據(jù)中提取有價值的模式與知識，并將相關方法應用于現(xiàn)實場景問題。

熊輝，香港科技大學（廣州）

當選理由：對人工智能和移動計算的發(fā)展作出研究貢獻

熊輝是香港科技大學（廣州）協(xié)理副校長，同時擔任人工智能學域講座教授，并聯(lián)屬計算機科學及工程學系。

熊輝長期從事數(shù)據(jù)挖掘與AI研究，在 Nature Communications、TKDE、TOIS、KDD、VLDB、AAAI、IJCAI、NeurIPS 等頂級期刊與會議發(fā)表論文400余篇。

在學術榮譽方面，他獲評 AAAS Fellow、AAAI Fellow、IEEE Fellow，并獲得AAAI 2021最佳論文獎等多項重要獎項與認可。

熊莉，埃默里大學

當選理由：在編程語言的靜態(tài)類型系統(tǒng)和機械化數(shù)學方面的貢獻

熊莉是美國埃默里大學計算機科學系的 Samuel Candler Dobbs 講席教授，同時也是生物醫(yī)學信息學教授，并領導 AIMS實驗室。

熊莉本科畢業(yè)于中國科技大學計算機專業(yè)，獲學士學位，隨后就讀于約翰霍普金斯大學和佐治亞理工學院，分別獲得碩士和計算機博士學位。

她的研究主要聚焦于可信與隱私增強的人工智能，重點面向醫(yī)療健康、公共衛(wèi)生、空間智能等應用場景，尤其關注隱私保護數(shù)據(jù)共享與安全分析等關鍵問題。

楊俊鋒，哥倫比亞大學

當選理由：在可信軟件與人工智能系統(tǒng)方面的領導作用及貢獻

楊俊鋒是哥倫比亞大學計算機科學系教授、Software Systems Lab 聯(lián)合主任，本科畢業(yè)于清華大學，博士畢業(yè)于斯坦福大學。

他主要研究計算機系統(tǒng)與軟件可靠性/安全，致力于用程序分析、測試與調試技術提升復雜系統(tǒng)的安全性與穩(wěn)定性，代表性成果包括 OSDI 最佳論文工作 eXplode，以及在 AI 系統(tǒng)測試方向具有影響力的 DeepXplore（SOSP 2017）。

楊俊鋒曾在微軟研究院工作，并獲得 NSF CAREER、Sloan Research Fellowship 等重要榮譽。

易珂，香港科技大學

當選理由：為查詢處理的理論和實踐做出貢獻

易珂是香港科技大學計算機科學與工程系教授，本科畢業(yè)于清華大學，后在杜克大學獲得計算機科學博士學位。

他長期從事數(shù)據(jù)庫系統(tǒng)與大規(guī)模數(shù)據(jù)處理算法研究，重點方向包括數(shù)據(jù)流計算、采樣與近似查詢、并行/分布式計算以及差分隱私等，在數(shù)據(jù)管理領域具有較高學術影響力。在國際頂級會議上持續(xù)產出高水平成果，并曾獲得 SIGMOD 最佳論文獎等重要學術認可。

鄭光廷，香港科技大學

當選理由：在電子電路和計算系統(tǒng)的設計自動化及軟硬件協(xié)同設計方面的貢獻

鄭光廷現(xiàn)任香港科技大學副校長（研究及發(fā)展）及講座教授，是電子測試與設計驗證領域的世界權威，在電子設計自動化（EDA）等方向具有重要國際影響力。

他于1988年畢業(yè)于美國加州大學伯克利分校，獲得電機工程與計算機科學博士學位。他的研究興趣涵蓋計算機視覺、電子設計自動化、醫(yī)學圖像分析、移動計算以及超大規(guī)模集成電路（VLSI）等多個前沿領域。

鄭光廷長期推動電子與光子系統(tǒng)設計自動化、芯片測試驗證等關鍵技術發(fā)展，同時也在計算機視覺與醫(yī)學圖像分析方面作出深遠貢獻。他已發(fā)表 500 多篇技術論文，合著 5 本書，擁有 12 項美國專利，并將多項科研成果成功實現(xiàn)商業(yè)轉化。

鄭宇，京東

當選理由：在時空數(shù)據(jù)挖掘和城市計算方面的貢獻

鄭宇是京東在城市計算與時空大數(shù)據(jù)智能方向的代表性人物，現(xiàn)任京東集團副總裁，并領導京東智能城市業(yè)務與研究，同時擔任京東科技首席數(shù)據(jù)科學家。

他長期研究大數(shù)據(jù)分析、時空數(shù)據(jù)挖掘、機器學習與人工智能，核心關注如何利用位置數(shù)據(jù)、軌跡數(shù)據(jù)等真實世界數(shù)據(jù)，解決城市交通、環(huán)境治理、公共服務等智慧城市問題，是“城市計算”領域的重要推動者之一。

同時他也長期活躍于學術界，擔任相關國際期刊的重要職務，并出版過城市計算與軌跡數(shù)據(jù)分析方面的著作，在學術界與產業(yè)界都具有較高影響力。

朱軍，清華大學

當選理由：在概率機器學習的理論和方法方面做出貢獻

朱軍是清華大學計算機科學與技術系教授、博士生導師，也是清華大學智能技術與系統(tǒng)實驗室（TSAIL）的核心成員之一，長期從事機器學習與人工智能基礎理論研究。

他本科和博士均畢業(yè)于清華大學計算機系，研究方向主要包括概率圖模型、貝葉斯學習與推斷、深度生成模型、以及可擴展機器學習算法等，在相關領域發(fā)表了大量高水平論文，并推動機器學習方法在真實復雜數(shù)據(jù)與應用場景中的落地。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。