最近，电商与云计算巨头亚马逊旗下的AWS（亚马逊网络服务）最近又划拨了一笔高达1.1亿美元的巨额支出。

不是发布新模型，也不是上线新AI产品，而是投向美国高校！

更准确地说，是投向一个未来极具发展潜力的方向—— AI Infra（AI基础设施）。

首批参与这个项目的学校阵容，简直就是硅谷科技大厂的“核心目标校大点兵”：UC Berkeley、MIT、CMU、UIUC…全线封神。

项目名叫：Build on Trainium

Amazon将向高校研究人员开放自研AI芯片Trainium，用于科研和教学。

懂行的网友和留学圈的老行家看到这里，心里已然了解：Amazon这哪里是在赞助科研，这分明是在高校里提前“圈人”！

尤其是 AI Infra 方向的顶级人才。他们要在下一代科技精英里，刻下AWS的烙印，提前垄断优秀人。

而这，也正在预示着美国硕博申请的热门方向。

01-AI Infra是什么？

为什么让大厂疯狂揽人？

过去两年，大家聊AI时最关注的是什么？

做AI Agent、搭RAG、开发Chatbot、调用GPT API、做各种AI应用。

这些当然很重要。

但对于Amazon、Google、Microsoft这些大厂来说，真正烧钱的部分其实不是应用层。

而是AI的基础建设，比如：芯片、算力、云平台、分布式模型训练、推理部署、性能优化…

这正是近两年科技界和风投圈最常被提起的方向：AI Infra（AI Infrastructure，AI基础设施）。

AI Infra（AI Infrastructure）是整个 AI 产业链的物理基础，涵盖为 AI 训练与推理提供算力、网络、存储、电力的全部基础设施。

通俗理解：如果把AI应用（如ChatGPT）比作在公路上跑的车，那么 AI Infra 就是这条路本身，以及加油站、交通网络和发动机制造厂。

涵盖为AI训练与推理提供算力、网络、存储、电力的全部基础设施，主要包括云计算、AI芯片与硬件系统、分布式训练、推理服务、MLOps与平台工程等。

也就是 AI Infra = 支撑AI运行的一套底层系统。

它听起来可能不如“用AI做一个写小说软件”那么好玩、好理解，但它是AI真正能够实现规模化落地、不崩盘的底层支撑。

这次亚马逊推向高校的Trainium芯片，正是专门面向大规模机器学习训练和生成式AI模型开发的底层硬件。

甚至说谁掌握了Infra的标准，谁就掌握了AI时代的生杀大权。

02-不止亚马逊

其他大厂也在纷纷押注AI infra

除了亚马逊之外，微软、Google等科技巨头也在下注：

• Google：将在密苏里州建设一个150亿美元的巨型数据中心，专为支撑AI和云产品，而其选址极其挑衅地选在了亚马逊计划建设的350亿美元AWS数据中心附近！
• Microsoft：在威斯康星州推进70亿美元的AI数据中心项目，号称“全球最强大AI数据中心”，展现了微软在AI基础设施建设上的技术野心，同时在德克萨斯州疯狂规划新的AI Campus。

对于留学生而言，为什么说 AI Infra 是真正的“未来发展新风口”？

因为这个赛道离底层更近、技术壁垒更高、岗位的生命周期更长。

未来注定是AI的时代，但无论未来模型如何迭代，底层总需要有人解决这些问题：

模型如何训练？算力如何调度？

GPU如何利用得更充分？推理成本如何降低？

数百万用户同时访问时如何保证稳定运行？

这些问题不会因为某个新模型出现就消失。相反，模型越强大，对基础设施的要求反而越高。

03-哪些美国大学正迎接这波红利？

留学生怎么选专业？

先来看这次参与 “Build on Trainium” 计划的大学名单：

• 麻省理工学院；
• 卡内基梅隆大学；
• 加州大学伯克利；
• 伊利诺伊大学香槟分校；
• 加州大学洛杉矶分校；

都是计算机和AI领域的工科强校，那这些神校的学生和教授，是如何用大厂的顶级算力做科研的？

麻省理工学院

MIT设备实现实验室正在利用Trainium训练三维超声医学模型。

结果很惊人：与NVIDIA A100相比，训练吞吐量提升约50%，同时降低了训练成本。更夸张的是，通过32节点Trainium集群，团队完成了180多项实验验证。

原本需要数个月的训练周期，被压缩到了几周。

看到这里其实就会发现：MIT关注的已经不是“怎么用AI”，而是：如何让AI训练得更快、更便宜、更高效。

卡内基梅隆大学

CMU 的 Catalyst 研究小组专攻机器学习系统优化。

他们的教授和学生表示，Trainium 最爽的地方在于通过神经元内核接口 (NKI) 提供了极强的低级控制。他们的团队在短短一周内，就在极其核心的内核算法 FlashAttention 上完成了高级优化并取得突破。

这种对硬件底层的洞察力，就是CMU毕业生在硅谷横着走的底气。

加州大学伯克利分校

伯克利的计算机科学副教授透露，通过这个项目，他的学生拿到了 AWS Neuron 全新的 NKI 开源编译器堆栈的完全访问权限，能直接查看 Trainium 的底层指令集架构（ISA）和 API。

也就是说，伯克利的学生能接触到顶级资源！

还有UIUC和UCLA：

伊利诺伊大学香槟分校UIUC

UIUC 的研究人员正在用 Trainium 平台进行超硬核的“专家混合训练（MoE）”和“推理优化”。

团队利用 Neuron 堆栈的开放性，正在开发能超越传统 GPU 架构的稀疏性、内存层次结构和通信效率创新的新技术。

加州大学洛杉矶分校

UCLA 的教授和学生们正在利用 AWS Trainium 显著加快量子电路的模拟速度。这个项目聚集了一批顶尖学生，共同构建高性能模拟器，进行前所未有的大规模动手实验。

在洛杉矶阳光下搞着最前沿的量子与AI交叉研究，前途无量。

很多同学听到这里，会不会觉得：“起来太硬核了，这会不会太难了？我是学CS/DS的，是不是无缘了？”

不用焦虑， AI Infra并不是一个孤立的死板专业，而是一个庞大的工程大方向。

如果你数理基础扎实、不排斥跟物理层和硬件打交道，希望自己的职业越老越值钱，那么除了纯CS之外，以下几个专业更值得认真考虑：

一、电子与计算机工程（EE/ECE）：

最直接硬核专业

这是美国半导体公司和云服务巨头招聘最多的专业之一。

很多院校把EE和CE整合形成了规模更大的ECE专业，方便计算机方向的资源合并和研究，也有部分院校设置了EECS部门。

在AI Infra时代，他们负责的是从芯片到软件栈的无缝衔接。

• 名校推荐：MIT、斯坦福、UCB、加州理工、UIUC、密歇根大学、CMU、康奈尔、佐治亚理工、普渡的ECE/EE 都很强势。

二、计算机工程（CE）：

偏芯片设计与计算机架构

如果你希望往超大规模集成电路或处理器架构设计方向发展，希望未来能去英伟达、AMD或者亚马逊芯片团队，这是很精准的专业。

像这次CMU在FlashAttention内核上的高级优化，就极度依赖底层架构功底。

• 名校推荐： MIT、UCB、斯坦福、CMU、佐治亚理工、UIUC、密歇根大学、德州奥斯汀、康奈尔、普林斯顿、普渡，这个方向的专排都在全美前10。

三、光电信息工程和光子学（Photonics）：

未来可能爆发的黑马

AI训练越强，对数据传输速度和智算中心带宽的要求就越高。而未来解决“算力瓶颈和功耗墙”的核心技术之一，就是光通信与光子芯片。

目前光子学产业是美国科技行业的重要支柱，不过全美系统开设这个方向的学校很少。

• 名校推荐： 亚利桑那大学、罗彻斯特大学、中佛罗里达大学是传统三强；MIT、斯坦福、加州理工、UCSB 也都在该领域拥有顶级实力。

受AI Infra和算力基建的暴力驱动，全球半导体行业预计在2026年增长率将加速至26%，销售额猛增至9750亿美元，至2036年年销售额仍有望突破2万亿美元。

• 美国是全球半导体产业的发源地，有众多世界级半导体公司，硅谷是全球创新的中心，吸引了大量的技术人才和投资。

未来10年左右，半导体领域的优秀毕业生也是人才市场的“香饽饽”，若想进来，可重点关注以下几个方向：

四、材料科学与工程（Materials Engineering）

半导体产业链的基础学科

很多人低估了材料的重要性，但现实是：芯片性能提升，很多时候拼的不是代码，而是材料。

谁能做出更先进的半导体材料，谁就可能决定下一代芯片的上限。

• 名校推荐：MIT、西北、斯坦福、UCB、UIUC、UCSB、加州理工、佐治亚理工、密歇根安娜堡、康奈尔 专排在全美长期稳居前十。

五、微电子/半导体器件方向：

核心产业之一

通常在ECE/EE系或材料科学与工程学院，部分学校有独立项目。

• 名校推荐：MIT、斯坦福、UCB、佐治亚理工、普渡、密歇根 有很强的半导体研究团队和产业合作关系。

六、还有一个值得留意的前沿方向是

量子信息科学

目前还偏研究阶段，但IBM、谷歌、Intel都在疯狂投入量子计算。

• 名校推荐：MIT、加州理工、科罗拉多大学博尔德分校、马里兰大学 在这个领域的实力处于全球第一梯队。

当然，这个方向门槛也非常高：数学、物理、编程，一个都不能弱。

END

每隔几年，科技行业都会出现一次大的产业迁移。

比如十年前的移动互联网、云计算、再到近三年的生成式AI。

而现在，随着越来越多科技巨头把数十亿、数百亿美元砸向数据中心、AI芯片和云平台，一个新的趋势正在变得清晰：

AI的竞争，正在从应用层走向基础设施层。

对于准备申请美国硕士、博士的同学来说，也许最值得思考的问题已经不是：

“AI还值不值得学？”因为答案是肯定的，一定值得学！

而真正应该思考的问题是：“未来AI产业链里，哪个环节最缺人？”

系统、算力、云平台、芯片和基础设施，或许正是下一轮机会所在。

当然，这并不意味着所有人都要转去学芯片、学硬件。

但至少在选校、选专业、规划科研和实习的时候，可以多关注那些正在被顶尖高校和科技巨头共同押注的方向，给自己的未来有更广阔的选择！

美研27Fall申请准备中！

如果想了解更多申请资讯或是申请协助，或者对选校、文书、留学规划有疑问的话，可以进一步咨询小助手~

明德立人教育
明德立人深耕美国高端留学10年+，哈耶普斯麻大满贯，福布斯中国留学行业领军品牌，一家有“教育良心”的机构，让每位学生「行稳致远」。