Dawn Song、Pieter Abbeel、Sergey Levine 等坐镇的 BAIR，联手 Dawn Song 主导的 RDI（去中心化智能研究中心），建立了评估 AI Agent「能否像人一样操作真实网站」的黄金标准 WebArena 系列基准——真实网站、长链任务、程序化验证，人类完成率约 78%，2023 年 GPT-4 仅 14%，2025 年前沿系统已追到 60%+。同时探索 TinyAgent：把工具调用能力蒸馏进 7B 小模型，让 Agent 脱离云端也能跑。RDI 每年举办 LLM Agents MOOC、Hackathon 和 Agentic AI Summit，是全球 Agent 研究社区的重要枢纽。
创造了 vLLM——全球使用最广泛的开源 LLM 推理引擎。核心创新 PagedAttention 把操作系统虚拟内存的分页思想搬进 KV 缓存管理，GPU 显存利用率从 30-60% 提到 90%+，服务吞吐量提升 2-4 倍，如今是 Anyscale、Perplexity、阿里云等公司的推理底座。实验室由 Ion Stoica（Spark/Ray/Databricks 缔造者）领衔的谱系延伸出更大命题「Sky Computing」——跨云、跨数据中心的统一算力调度，配套项目 SkyPilot 已支持 AWS/GCP/Azure 多云 AI 任务调度。
Graham Neubig 教授 2024 年发起（原名 OpenDevin），把 AI Agent 放进 Docker 沙箱，让它像人类工程师一样执行 Bash 命令、浏览网页、跑测试、提 PR。31,000+ GitHub Star，180+ 社区贡献者，在权威基准 SWE-bench（2,294 个来自 Django/Flask/NumPy 等真实项目的 bug 修复任务）上长期保持全球第一梯队成绩。Neubig 已联合创立 All Hands AI 公司将其产品化，是「学术实验室 12 个月内孵化 Agent 公司」的典型样本。
源自 1956 年 Herbert Simon 认知信息处理理论，是全球智能辅导系统（ITS）的发源地。30 年学习行为数据 + 知识追踪模型，让 AI 教师能诊断「学生为什么错」而非只判「对错」。2025 年与斯坦福合作的随机对照实验发现：人机协作辅导显著优于纯 AI 辅导——AI 擅长精准练习反馈，人类擅长情感联结与高阶引导。新框架 CogGen 正尝试用 LLM 自动生成认知模型，把 ITS 开发周期从数月压缩到数周。
Marco Hutter 主持的机器人系统实验室（RSL），是全球学术腿足机器人研究引用最广、产业转化最成功的团队——旗下 ANYmal 四足机器人已在核电站、矿井、海上平台真实作业，孵化商业公司 ANYbotics 估值超 $200M。2017 年率先解决 Sim-to-Real 迁移问题，与 NVIDIA 共建的 Isaac Lab 已成为全球腿足机器人训练的事实标准。ETH AI Center（37 位核心教授）另设医疗 AI（Gunnar Rätsch，重症监护基础模型）方向，并是 EU AI Act 技术标准制定的核心顾问。
2026 年 I/O 期间「主舞台之外」最重的信号是 AI for Science 矩阵：DeepMind + Google Research 5 月同日在 Nature 发表 Co-Scientist 与 ERA 两篇论文，配套 Gemini for Science 三件套上线，连接 30+ 生命科学数据库。Co-Scientist 的多代理「假设锦标赛」已在斯坦福肝纤维化、MIT+哈佛 ALS 研究中给出可验证的科学假设。基础设施侧同样密集：DiLoCo 跨数据中心训练、Gemma 4 开源四尺寸、AlphaEvolve 已在 BASF、Klarna 等企业落地——这是一家把「学术产出」当成核心竞争力经营的公司实验室。
Pranav Rajpurkar（CheXNet 作者，师从 Andrew Ng）在哈佛医学院生物医学信息学系押注「通科医疗 AI」——不是专科诊断模型的拼盘，而是能整合 CT 影像、病历文字、化验数据、生命体征做多模态推理的通用医疗大脑。联合创办的 a2z Radiology AI 已拿到 FDA 批准，是美国首个覆盖 20+ 异常发现的 CT 分诊 AI 产品，代表少见的「顶尖学术实验室直接走到 FDA 批准」路径。同时在 Nature Medicine 推动 ClinicalBench 评估框架，强调用执业医师评审而非标准 NLP 基准衡量临床 AI。
Ramesh Raskar 教授团队（核心研究员 Ayush Chopra）用「LLM Archetype」把百万级智能体的社会模拟带到 GPU 并行规模——不为每个 Agent 单独调用 LLM，而是按社会经济特征聚类成若干「原型」，一次调用后批量广播决策分布。已用于新西兰 500 万人口数字孪生（H5N1 禽流感、麻疹疫情应对）和明尼苏达州 COVID 疫苗研究，是少数把 LLM 认知能力和大规模社会仿真真正结合的系统。
100+ 教授、900+ 研究生的巨型研究集群，在 Agent 时代选了两条最容易被忽视但最基础的路：AI Agent Index（2025）发现 87% 的 Agent 缺乏安全说明文档；EnCompass 让 Agent 搜索逻辑代码量减少 80%；Palimpzest 自动化模型-推理配置选择。Algorithmic Alignment Group 的 Open-Universe Assistance Games 研究把对齐问题从「封闭行动空间」推广到 Agent 真正拥有的无限行动空间。
Josh Tenenbaum（2019 MacArthur Fellow）是对 LLM 最有实验数据支撑的异见者——2015 年 Science 封面论文用概率程序归纳证明：儿童仅需 1 个样本就能学会新概念，深度学习需要数千个。2023 年「From Word Models to World Models」论证语言只是理解世界的入口，物理、因果、心理直觉不能靠语言统计涌现。CoCoSci 不反 AI，2025-26 年最新工作正把 LLM 生成候选程序、贝叶斯方法筛选假设结合起来，是「若 Scaling 撞墙」的备选范式储备。
Daron Acemoglu（2024 诺贝尔经济学奖）、David Autor、Simon Johnson 三位顶级经济学家联手的 Stone Center on Inequality，结论与硅谷乐观叙事正面冲突：AI 高暴露职业中 22-25 岁年轻工作者就业率相对下降 16%；约 80% 美国工人至少 10% 工作任务受 LLM 影响；当前自动化导向的 AI 路径会提高资本回报、压低劳动收入，且"新任务创造"速度尚未被证明能跟上自动化速度。核心工具「工作任务模型」把职业拆解成任务级别分析技术/经济可行性。
Andrew Lo（提出「适应性市场假说」替代有效市场假说）押注：5 年内 AI 将能自主管理个人投资组合——不只是聊天建议，而是理解用户风险偏好、动态调仓、识别恐慌抛售并干预的完整财富管理民主化。团队同时研究用 LLM 解析财报和电话会议提取情绪因子（量本一体投资）、以及 AI 在金融监管中的系统性风险监测。Lo 本人身兼 AlphaSimplex 对冲基金首席策略师，是少见的「学者-真实资金基金经理」双重身份。
Sanjeev Arora、Danqi Chen、Karthik Narasimhan 2023 年创立，不追逐 Agent 应用层军备竞赛，而是在语言模型的基础层——构建、对齐、理解——制造未来 Agent 天花板的优势。Danqi Chen 研究模型知识编辑与幻觉来源；Narasimhan 是最早把 NLP 与强化学习结合的研究者之一，聚焦工具使用与长程推理。2024 年新增 AI²（AI 加速发明）与 NAM（自然与人工思维）两个方向。SimCSE、知识编辑等成果被广泛引用，博士毕业生持续输送给 Anthropic、OpenAI、DeepMind。
Percy Liang 2021 年带队发表 200 页报告，命名了「Foundation Models」这个范式——GPT-4、Claude、Gemini 之所以能被放进同一叙事框架讨论，CRFM 功不可没。核心产出 HELM 整体性评估框架（2026.06 进入维护模式）与 FMTI 透明度指数已被欧盟 AI Act 实施团队引用为监管语言原型。2024 年启动 Marin 项目——完全开放训练自己的基础模型，权重/数据/代码/日志全公开，回答「只评估别人是否有公信力」的问题。
Erik Brynjolfsson 的 Digital Economy Lab 用真实企业数据测量 AI 影响：客服团队引入 AI 后生产率提升 14%，新手受益是专家的 2 倍以上；Diyi Yang 的 SALT Lab 则做 1,500 名工人 + 52 位 AI 专家的四象限调研，划出「AI 能做 × 工人愿意」的绿灯/红灯区，并提出 Human Agency Scale（H1-H5）标注每项任务人类介入的必要程度。两个实验室互补构成对「AI 改变工作」最系统的学术回答。
Monica Lam 教授团队打造的深度研究 Agent STORM：给一个话题，自动模拟不同专家视角互相提问、检索、合成，最终输出带引用的 Wikipedia 级报告，全程无需人工干预，上线以来约 100 万用户使用。升级版 Co-STORM（EMNLP 2024）引入人机协同打断/确认机制。相比 OpenAI/Google 的同类深度研究产品，STORM 完全开源、可复现、模块化——正在向生物医学文献的隐性联系发现延伸。
Daniel Ho 领导，同时回答「AI 如何帮政府做事」和「社会如何管控 AI」两个问题——罕见的双向研究。STARA 工具帮旧金山检察官清理数千页过时法规；与普林斯顿、圣克拉拉县合作，用 AI 从 500 万份房产契约中数周内标注出种族性限制条款（人工需数十年）；与圣地亚哥市合作用计算机视觉优化道路维护资源分配，避免系统性忽视低收入社区。2025 年起联合 Stanford HAI 为各级政府官员开办 AI 训练营。
Azalia Mirhoseini 在 Google Brain 时期用强化学习训练 AlphaChip，6 小时生成的芯片布局全面优于人类工程师，已用于谷歌 TPU 生产设计（2024 年 Nature 发过更正说明实验条件，争议本身证明这一领域已进入严肃视野）。2023 年创立的实验室追问更大命题：递归自我改进——AI 设计更好芯片，芯片训练更强 AI，能否闭环加速？她也是混合专家（MoE）架构的早期贡献者之一，2024 年联合创立 Ricursive Intelligence 继续这条路线。
华盛顿大学 Allen School 与非营利 Ai2（Paul Allen 2014 年创立）构成美国最紧密的学术-非营利 AI 协作——教职联合任命，OLMo 项目由同时身兼教授和 Ai2 高级总监的人共同领导。OLMo 是全球最「真开源」的 LLM 系列：不仅开放权重，还开放训练数据、代码、日志，与 Llama 只开权重形成本质区别；配套的 OLMoTrace 能把模型输出溯源回具体训练文档。2025 年 8 月启动的 OMAI（$152M，NSF + NVIDIA）是美国学术界最大的单笔开放 AI 基础设施投入。