北京
在大模型狂飆突進的敘事里，算力是入場券，而那些曾親手拆解過全球頂級模型“黑盒”、并見證其從陣痛到翻盤的核心人才，才是真正的勝負手。
近日，隨著阿里通義千問團隊的一系列重磅人事調整，一個此前低調、卻在 Google DeepMind 內部極具分量的名字——周浩，正式走到了聚光燈下。這位從中科大數學系走出的頂級學子，在過去的五年里，完整參與了谷歌大語言模型從 LaMDA 時代到 Gemini 3.0 的全周期演進。
周浩的職業路徑，幾乎就是一部縮影版的谷歌 AI 進化史。他不僅曾師從 AI 傳奇人物、谷歌大腦創始成員 Quoc Le，更是 Gemini 團隊中負責后訓練（Post-training）核心推手。從助力 Gemini 登頂 LMSYS 全球榜首，到主導模型在 IMO、ICPC 等硬核競賽中摘得金牌，周浩的名字始終鐫刻在那些定義“深度推理”與“思維模式”的關鍵節點上。
而在 2026 年初，這位大模型老兵選擇轉身回國，加盟阿里通義實驗室，并直接向阿里云 CTO 周靖人匯報。這一變動正值通義千問團隊技術負責人林俊旸、后訓練負責人郁博文相繼離職的關鍵時刻。周浩的“火速履新”與其深厚的技術背景，迅速引發了行業對于通義千問下一代演進路線的無限遐想。
當大模型競速進入下半場，行業共識正從“預測下一個詞”轉向構建具備自主學習、長程推理能力的智能體。周浩在 Gemini 框架下積累的關于強化學習、多步規劃與自我進化的實戰范式，正是當下千問邁向“深度智能”最迫切的一塊拼圖。
圖片來源：Linkedln
一、從中科大出發
和許多在大模型浪潮中被迅速看見的研究者不同，周浩的起點并不帶有太強的“時代風口”色彩。在2010年到2014年，周浩就讀于中國科學技術大學數學與統計專業，成績十分優異，以接近滿績點的成績畢業，并獲得過國家獎學金。這樣的背景，決定了他最早接受的并不是面向應用的熱門訓練，而是一套更偏底層的方法論教育：概率、統計、數學建模、嚴謹推導，以及對“不確定性”本身的處理能力。
圖片來源：LinkedIn
這類底層數學訓練的價值，往往不會在最開始就顯得耀眼。它不像“做出一個爆款產品”那樣容易被看見，也不像“趕上某個技術熱點”那樣容易被傳播。但如果把視角放長，就會發現，今天大模型領域最棘手的問題——模型輸出是否可信、訓練數據中的噪聲如何影響能力、推理鏈條如何驗證、不同階段的能力如何穩定遷移——本質上都離不開這種底層方法能力。也就是說，周浩后來的研究路徑，雖然看起來一路走到了生成模型、推理系統和大模型前沿，但它真正的底色，其實很早就埋在了數學與統計的訓練里。
本科階段的周浩，并不只是一個成績優異的學生，更像是一個已經完成底層訓練雛形的研究者。后來他在威斯康星大學麥迪遜分校繼續走向統計機器學習與計算機科學的交叉訓練，其實正是這一階段的自然延伸。
二、在威斯康星成型：統計機器學習與計算機科學的雙重訓練
離開中科大之后，周浩來到威斯康星大學麥迪遜分校，繼續向更高層次的研究訓練推進。他在2014年至2019年，他在這里攻讀統計機器學習博士；與此同時，他在2015年至2017年，又同時完成了計算機科學碩士的學習，研究方向包括機器學習與優化。這兩段碩士和博士的學習都是以接近滿分的成績畢業。在碩博期間，他的學術路徑逐漸從“數學與統計”延伸到更完整的“統計、機器學習、計算機科學”交叉體系。
如果只看履歷，這段經歷已經足夠亮眼；但真正讓這一階段重要的，是他在威斯康星大學期間已經寫出了一批方向很清楚、質量也很扎實的論文。
威斯康星這幾年里，周浩的研究范圍一點點展開了。早期更偏向統計學習和數據問題，后來逐漸進入高維時間序列與網絡建模，再往后，又開始接觸貝葉斯神經網絡中的結構、可解釋性和不確定性這些更復雜的主題。
這一階段，一篇很有代表性的論文，是他在NeurIPS 2016發表的《Hypothesis Testing in Unsupervised Domain Adaptation with Applications in Alzheimer’s Disease》。這篇論文討論的是無監督領域自適應中的統計檢驗問題，并把方法應用到阿爾茨海默病相關任務上。
在這篇與阿爾茨海默病應用相關的論文中，周浩處理的是一個很典型、也很現實的問題：不同醫院、不同站點采集到的數據，往往因為測量方式、設備條件和處理流程不同，看起來并不完全一致。對研究者來說，真正困難的地方在于，數據之間的差異到底來自疾病本身，還是來自采集和轉換過程中的“扭曲”，并不容易直接判斷。周浩在這項工作里參與提出了一套統計檢驗方法，試圖在存在測量變換和域偏移的情況下，判斷不同來源的數據是否仍然對應同一個底層分布。換句話說，他關心的不是簡單地把數據拼在一起，而是先弄清楚這些數據到底能不能被放在同一個分析框架里。這項研究后來被用于阿爾茨海默病相關場景，希望為跨站點整合臨床與影像生物標志物提供更穩健的統計基礎。
圖片來源：谷歌學術
在威斯康星大學時期，周浩還參與了一篇很有代表性的工作，這篇文章也是他學生時期被引用最多的文章，題目是《DUAL-GLOW: Conditional Flow-Based Generative Model for Modality Transfer》。
這篇論文關注的是醫學影像里的一個非，F實的問題：PET 對神經系統疾病的診斷很重要，但檢查成本高，而且需要向患者體內注射放射性物質；相比之下，MRI 更常見、獲取也更方便，那么能不能根據 MRI 去生成某些類型的 PET 圖像？周浩和合作者在這篇工作里提出了一個基于flow-based generative model的方法，用兩個可逆網絡和一個關系網絡去學習不同影像模態之間的對應關系，使模型能夠在小樣本條件下完成從 MRI 到 PET 的模態遷移。論文還進一步把年齡等屬性信息納入條件控制，使生成結果不僅在圖像層面更接近真實 PET，也能更好地反映腦部代謝隨年齡變化的特征。
這不僅體現了周浩在學生時代就已經進入生成模型與跨模態學習問題，也說明他的研究很早就帶有一種很強的現實關懷——不是為了做一個抽象的模型，而是希望讓復雜的機器學習方法真正進入具體場景，幫助解決真實世界里的診斷與分析問題。
圖片來源：谷歌學術
三、進入谷歌：走進Gemini的核心能力建設區
如果說前面的威斯康星的學生時期時期，周浩是在一步步把自己的研究能力做深，那么進入谷歌之后，他真正站上的，是過去幾年人工智能世界里最熱、也最核心的一條技術主線——Gemini。
在博士畢業后，周浩首先加入Meta，擔任資深研究科學家，主要研究深度學習方向，并應用在對話式AI、Reels（Meta旗下對標抖音的產品）、AR/VR、廣告領域。
圖片來源：LinkedIn
隨后，周浩在2021年12月進入谷歌DeepMind體系。但是在這個時間點，今天大家熟悉的 Gemini 還沒有正式亮相，ChatGPT 也還沒有把生成式人工智能徹底推到全民討論的中心。換句話說，周浩不是在Gemini已經成名之后才加入，而是在這條路線還沒有完全走到臺前的時候，就已經進入了谷歌最核心的AI研究區，并且完整見證并參與了谷歌AI在大語言模型路線上從陣痛期到“逆風翻盤”的全過程。
也正因為這樣，后來當最早的LaMDA模型，到后來的Gemini一路從1.0推進到1.5，再到3時，周浩的名字會出現在這條主線里，就顯得格外有分量。在他的谷歌學術頁面上，最醒目的幾篇論文幾乎就是 Gemini 過去幾年的公開技術坐標：
《Gemini: a family of highly capable multimodal models》、《Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context》、《Gemini 2.5: Pushing the frontier with advanced reasoning, multimodality, long context, and next generation agentic capabilities》。
光看題目，其實已經能看出這條線是怎么一步步往前推的：從“高能力多模態模型”，到“百萬級上下文元素”，再到“高級推理、長上下文和 agentic capabilities”。這幾篇論文不只是火，而且幾乎就是 Gemini 每一個階段最核心的公開名片。
圖片來源：谷歌學術
其中，Gemini 1.0更像是這條主線第一次完整地站到臺前。它讓外界第一次看到。周浩出現在這篇工作里，而且在官方技術報告中以“Gemini App Factuality”聯合負責人的身份被提到，這件事本身已經很能說明他在團隊里的位置——他做的不是邊緣問題，而是大模型最難、也最核心的部分：模型說的話到底準不準確。這意味著周浩已經步入AI發展的核心領域。
在周浩及其團隊的研發下，接下來的Gemini 1.5，則把谷歌在大模型上的另一個優勢徹底打響——超長上下文。如果說很多模型強在單輪能力，那么 Gemini 1.5 最讓人印象深刻的地方，是它把“記憶長度”這件事往前推了一大截。論文標題里那句“millions of tokens of context”已經非常說明問題：它不只是想讓模型看得更多，而是想讓模型在更長、更復雜的信息流里，依然保持理解和推理能力。到了這個階段，Gemini 已經不再只是“谷歌的大模型”，而是開始形成自己非常清晰的技術標簽。
再往后到Gemini 2.5，周浩和他的隊伍將AI這條路線又往前推進了一步。這篇論文最能說明問題的地方，是標題里那幾個關鍵詞幾乎全是今天最卷的能力：高級推理，多模態，長上下文，下一代代理能力。換句話說，到 2.5 這一代時，Gemini 已經不滿足于“能回答”“能看圖”“能處理長文本”，而是開始往更強的推理、更完整的行動能力去推進。這時候再回頭看周浩的研究方：事實性、推理、多步強化學習、工具使用。你會發現他并不是碰巧“蹭上了 Gemini”，而是他的工作內容本身就在 Gemini 最核心的能力區里。
到Gemini 3的時候，作為關鍵貢獻者，他負責后訓練，主攻多步強化學習（RL）、模型思維模式（Thinking）及自我進化。其團隊的工作直接助力Gemini強勢登頂LMSYS全球榜首，并在IMO、ICPC等競賽中摘金，同時推動了DeepThink、智能體編程及思維模式的重大突破。
圖片來源：LinkedIn
四、轉向阿里：從Gemini走進千問前線
2026年初，周浩正式加入阿里巴巴，曾在夸克短暫落腳，但很快他便被調往核心技術部門——通義實驗室，并且直接向阿里云CTO周靖人匯報。
2026年3月，阿里千問團隊迎來了一次備受關注的關鍵調整。先是大模型技術負責人、集團最年輕的P10級專家林俊旸宣布離開，隨后負責后訓練方向的郁博文也在同天離職。傳言稱，周浩被推到更靠前的位置，承接起千問后訓練方向的核心工作。
不管是哪個職位，周浩之于千問都是戰略級的技術契合。隨著通義千問正從傳統的“預測下一個詞”的語言模型，深度轉向具備自主學習、邏輯推理與規劃能力的智能體演進，周浩此前在 DeepMind 的核心探索顯得至關重要。
周浩的加入，意味著千問在追趕甚至對標 Gemini 系列的最前沿特性上，獲得了一條“近路”。
[1] 量子位
，《阿里批準林俊旸離職，CTO周靖人接管千問，Gemini周浩確定加盟》，
https://36kr.com/p/3709665960636552
[2] Linkedin，https://www.linkedin.com/in/hao-henry-zhou-ml/
Google Scholar，
https://scholar.google.com/citations?hl=en&user=6Va6E-gAAAAJ
[4] UniFunc，shttps://s.unifuncs.com/?sid=d5fbe097-19f8-449a-9f29-4e8647c8b265
加入ZF討論群，請先添加小助手微信
我們相信認知能夠跨越階層，
致力于為年輕人提供高質量的科技和財經內容。
稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。
我們正在招募新一期的實習生
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
