亚马逊向30所高校发放34项Trainium科研奖，聚焦负责任AI
Build on Trainium项目为高校提供价值1.1亿美元的算力额度，本轮资助责任AI领域五大优先方向的研究。
AI解读：亚马逊通过Build on Trainium项目向30所大学的34个研究团队提供AWS Trainium算力额度，总额达1.1亿美元，本轮聚焦负责任AI。算力成本是高校做AI研究的核心瓶颈，Trainium芯片的价格优势让更多团队能跑起大模型实验。获奖者除了算力，还能使用亚马逊700多个公开数据集、获得AWS技术人员的咨询支持。这轮资助覆盖五个方向：AI安全对齐、多语言模型、表征工程、可持续性与小模型、合成数据生成。获奖课题包括UIUC在一千多块Trainium芯片上训练万亿参数的混合专家模型、UCLA的多语言语音模型、多所学校的机器遗忘研究。要注意，1.1亿美元是整个项目的总额，不是每个团队拿到的钱。实际能推进到什么程度，取决于这些算力能否跑通可持续的大规模实验。
亚马逊研究奖团队于2026年8月5日宣布，来自30所大学的34个研究团队获得Build on Trainium项目资助，研究方向为在AWS Trainium基础设施上推进负责任AI（Responsible AI）。
Build on Trainium是一个总额1.1亿美元的算力额度项目，面向AI研究和大学教育，为在Trainium上进行的新型AI研究提供计算额度。获资助团队可使用AWS促销额度调用AWS AI/ML服务与工具，并访问超过700个亚马逊公开数据集；亚马逊还为每个团队指派一名研究联系人提供咨询与建议，并提供Trainium教程和动手实践资源。
本轮资助来自2025年秋季发布的Build on Trainium: Responsible AI提案征集。提案按科学内容质量以及对研究界和社会的潜在影响进行评审。资助方向覆盖五个优先主题：AI安全与对齐、多语言语言模型、表征工程、可持续性与小语言模型、用于合成数据生成的深度学习模型——全部要求使用AWS Trainium基础设施。
代表性研究课题
AWS AI首席应用科学家Yida Wang在公告中举例说明了两项研究：伊利诺伊大学厄巴纳-香槟分校团队正在研究面向大规模混合专家（MoE）模型的拓扑感知并行化策略，模型参数规模最高达一万亿，在最多1024块Trainium芯片上运行；华盛顿大学团队正在开发推理优化框架，目标是提升所有基于Trainium开发者的token效率，实现可移植、高性能的LLM推理。
34个项目中具体包括：悉尼大学吴维保负责联邦对抗协同训练以提升LLM安全性与鲁棒性；新南威尔士大学周边涉及差分隐私合成数据生成、多模态诈骗内容检测、可编辑扩散语言模型、稀疏与量化LLM的算法-系统协同设计；UCLA的Saadia Gabriel开展多模态基础模型语音AI研究；约翰霍普金斯大学Tinoosh Mohsenin负责通过线性注意力与结构化剪枝实现碳高效LLM部署；伦敦大学学院姚璐研究低资源语言模型预训练的合成数据扩展；麻省理工学院的沈申从事MCP特定LoRA缓解的工具使用安全基准测试。
获奖高校与研究方向分布
获得资助的高校包括：加州大学洛杉矶分校、佐治亚理工学院、伦敦帝国理工学院、伊利诺伊大学厄巴纳-香槟分校、约翰霍普金斯大学、伦敦大学学院、麻省理工学院、明尼苏达大学双城分校、加州大学圣迭戈分校、卡内基梅隆大学、俄亥俄州立大学等。
研究主题覆盖多语言医疗对话基准（匹兹堡大学Ryan Shi）、临床AI知识注入时间序列预训练（明尼苏达大学双城分校Jaideep Srivastava）、LLM幻觉检测与缓解（西北大学Naichen Shi）、LLM规模扩展的安全格局（密歇根州立大学Jun Wu）、多语言模型的对齐（香港中文大学吕松涛）等。