汤林鹏
RISC-V AI Systems / AI Infrastructure / Physical AI & Agentic RL
- 🚀 进迭时空 首席 AI 科学家 | 🎓 Princeton CS PhD |
墨奇科技联合创始人 & CTO | Meta Systems - 👑 Technical Leadership: 复合研发团队管理与技术战略视野，打通算法、系统到软硬件协同，确保复杂项目与高价值行业应用对齐
你好，我是一名 AI 系统领域的研究员、工程师与技术负责人，现任进迭时空（SpacemiT）首席 AI 科学家，牵头 RISC-V AI 基础软件体系与开放生态建设。我长期致力于 AI 算法与高性能底层系统的深度交叉设计优化：从 Meta (Facebook) 的大规模分布式存储与缓存系统，到千亿级的生物特征比对与边缘端采集，再到 SQL 向量高效融合的 MyScaleDB AI 数据库，以及面向大模型与智能体的新一代 AI 数据基础设施。当前，我的核心工作是立足开放的 RISC-V AI 架构，打通从底层指令扩展、编译优化、算子加速到端侧大模型/具身智能的高效软件全栈与开发者生态，为 AI 计算构建开放、灵活、高能效的软硬件协同底座。
我在普林斯顿大学获得了计算机科学博士学位，师从李凯教授（美国工程院院士）。我的工作曾获得 WAIC 世界人工智能大会 SAIL 奖及 KDDCup 数据挖掘比赛第一名等荣誉。
技术思考
2026-06-06物理世界的数据飞轮：分层视觉 AI 系统设计与优化2026-05-16物理 AI 的建模：从 VLA 到 World Model2026-05-05Agentic RL (Part III)：Verl、SkyRL 架构分析到 Retool-RL 案例实践2026-05-02从语料加工到经验飞轮：大模型数据工程的下一站2026-04-28Agentic RL (Part II)：面向真实世界任务的 RL 系统2026-04-26Agentic RL (Part I): 自我进化的大模型新范式
荣誉与认可
- 🏆 WAIC (世界人工智能大会) SAIL 奖, 2024
- 🥇 HICOOL 全球创业者峰会 一等奖, 2022
- ⚙️ 产品系统: RISC-V AI 基础软件生态，Data-Centric AI 平台，MyScale AI 数据库，千亿级生物特征比对系统
- 📚 顶会论文: NSDI, KDD, FAST, CIKM 最佳学生论文，KDDCup 数据挖掘比赛第一名
工作经历
进迭时空 (SpacemiT)
首席 AI 科学家 ｜ 2026 - 至今
算法创新研究院
数智中心 | 2024 - 2026
墨奇科技
联合创始人 & CTO | 2017 – 2024
Meta
研究顾问 | 2013 – 2016
北京惠普实验室
研究实习生 | 2011 - 2012
教育背景
普林斯顿大学 (Princeton University), 美国
博士，计算机系 | 2012 – 2018
导师：李凯教授，美国工程院院士 & 中国工程院外籍院士
上海交通大学 (Shanghai Jiao Tong University), 上海
学士，计算机系，ACM 班 | 2008 – 2012
产品和项目经历
RISC-V AI 基础软件栈与开放生态 2026 – 至今
- 全栈 AI 软件与编译体系：针对 RISC-V Vector 及 Tensor AI 计算单元，构建涵盖 AI 编译器、高性能算子库、低比特量化与推理运行时的基础软件栈，以及软硬件协同迭代优化。
- 端侧大模型与具身智能落地：推动轻量化 LLM/VLM、视觉与具身/物理世界 AI 模型在 RISC-V 芯片平台上的软硬协同优化，实现高能效比与低延迟端侧推理。
- 开源生态与标准化建设：深度连接主流开源生态（PyTorch / vLLM / LLVM 等）与 RISC-V 社区，推动 RISC-V 成为 AI 计算的开放标准与主流选择。
Data-Centric AI 平台 2024 – 2026
- Data-Centric AI：带领团队研发面向大模型与智能体的自动化数据管线系统。基于 Ray 与自研 DataFlow 框架，实现数据清洗、评估、合成等算子的分布式异构混合编排与高性能调度，将 AI-Ready 数据生产的人工介入率降低 80% 以上，高效赋能多模态语料运营与科学语料库。(框架成果发表于 arXiv '25 (DataFlow))
- Agentic RL：针对基于多层 verifier、后验反馈、Bridge Thought 与过程奖励模型（PRM）的强化学习训练，在 verl 与 SkyRL 框架下设计高并发显存优化与多阶段流水线并行机制，著提升大模型与智能体在数 学及科学推理场景的精度性能。
- Memory³：共同提出 Explicit Memory 大模型系统，将事实性知识外置为稀疏的 Attention Key-Value 键值对，打破传统大模型知识存储对参数量和 RAG 检索的过度依赖。(成果发表于 arXiv '24 (Memory³))
MyScaleDB AI 数据库 2020 – 2024
- SQL 向量融合检索：在业内率先提出并落地 AI 数据库。基于列式存储引擎内核，设计实现百亿级结构化数据与非结构化数据（向量、文本）的融合查询优化器与执行引擎。
- 软硬件协同优化：自研 MSTG 向量索引算法并深度结合 NVMe SSD 内存映射缓存机制进行软硬件协同优化，在保障毫秒级复杂联合查询的前提下，实现向量存储密度 10 倍提升，单节点硬件成本降低 70% 以上。
- 落地成效：管理跨方向团队实现从底层自研到全球 SaaS 开发者生态的闭环。产品成功应用于工业制造、科学智能及金融决策等大规模知识库系统场景。
千亿级生物特征检索与边缘端采集 2016 – 2022
- 千亿级异构比对：负责海量生物特征比对核心系统架构设计及核心深度学习模型研发。首创多尺度向量表征方案，引入主动式深度学习（Active Deep Learning）机制驱动模型迭代，底层通过 CPU 和 GPU 联合调度与自定义算子加速，攻克千亿级特征索引和高并发搜索技术瓶颈。
- 高精度 3D 采集：主导全球首款大面积、高质量非接触指掌纹采集终端的产品定义。结合双目视觉与自研结构光系统，实现亚毫米级别的手指高精度三维重建；引入多源多波段光学设计与深度学习图像增强，突破环境光源干扰，推动了生物特征采集硬件的跨代升级。
- 落地成效：管理复合研发团队攻克算法、系统与硬件瓶颈，将检索比对速度和精度提升 100 倍以上，成功部署于全国指纹中心，单中心支撑 20 亿+ 图像，千亿级多尺度特征的全自动、高速高精度比对，产生巨大社会与安全价值。
大规模分布式存储与缓存系统 2013 – 2016
- RIPQ SSD 缓存系统：负责基于 SSD 固态存储的大规模缓存调度系统的核心算法设计及系统实现。首创 RIPQ (Restricted Insertion Priority Queue) 缓存算法，从底层解决传统缓存 eviction 算法在固态硬盘中固有的非顺序写放大及性能降低难题，在 Facebook 全网 CDN 及核心缓存系统部署，并发环境下缓存命中率提升 20% 以上。(成果发表于 FAST '15)
- f4 温数据分布式存储系统：参与设计针对温数据（Warm BLOB）的高效分布式存储系统，成功解决海量图片与视频的超低成本冗余存储与高可用性难题。(成果发表于 OSDI '14)