多大碾压滑铁卢赢麻了！OpenAI选加拿大天才7人中6人来自多大

OpenAI 把这批人分成三类：Creators（造东西的）、Explorers（做研究的）、Advocates（做社会影响的）。

多大怎么就"赢麻了"？

加拿大此次共有 7 位参与者入选。翻开名单，滑铁卢大学出了 1 位，剩下 6 位，全部来自多伦多大学（UofT）。

6 位中，3 位是化工系研究生团队，1 位是天体物理学博士生，1 位是 AI 与计算机科学方向的研究生——覆盖了三个完全不同的领域。他们没有一个是"泛泛学了 AI 就拿来包装简历"的类型，每一个人的项目都已经有了可核查的具体成果：论文发表、工具开源、研究者采用。对于任何一所大学来说，单届 6 人入选这个名单，都不是小事。

https://chatgpt.com/futures/

Kyle Scenna：从发现问题到造出产品，鸿沟有多小？

加拿大唯一的 Creators 类代表，来自滑铁卢大学，24 岁，Waterloo, Ontario 本地人。

Kyle Scenna 的标签是"在校创业者"。他的核心路数是用大模型做催化剂，把概念转化为真实落地产品的周期压到最短——不等资金，不等许可，直接动手。他向 OpenAI 说的那句话，值得记一下："我从未想过，从发现一个问题到构建出真实产品之间的鸿沟，竟然可以变得如此之小。"（I never thought the gap between noticing a problem and building something real could get this small.）

这种"创作者心态"，正是 OpenAI 选中他的原因。同届 Creators 类别里类似的项目方向还有同行学习平台、医疗内容无障碍转化、残障学生辅助工具——都是把 AI 能力直接嫁接到一个具体的现实问题上，快速验证。

化工三人组：碳捕获研究，已登顶级期刊

多大化工系研究生 Thomas Pruyn、Amro Aswad、Sartaaj Khan 以团队形式入选，三人同属 Mohamad Moosavi 教授课题组。

他们的项目叫 MOF-ChemUnity，专注于具有碳捕获潜力的材料研究，利用高级 AI 工具辅助科研分析与材料科学创新。2025 年 12 月，相关研究成果已正式发表在化学界顶级期刊《美国化学会志》（JACS）——这不是"在做"，是"已发表"。

除了 1 万美元资助和前沿模型访问权限，三人团队还将获得额外的研究 API 额度，并已确认于 6 月前往旧金山 OpenAI 总部参访。OpenAI 选中他们的理由很明确：这三位展示了新兴研究人员如何用 AI 工具突破传统学术研究的效率边界，推进硬核环保方向的科研。

Nolan Koblischke：用自然语言搜索 1 亿张星图

如果说化工三人组是在地球上解决问题，Nolan Koblischke 的视野就要远得多——他在研究宇宙。

Nolan 是多伦多大学天体物理学博士生（2023-2028），他的项目 AION-Search 是一个能对超过 1 亿张天文望远镜图像进行语义查询的搜索引擎，让天文学家能用自然语言去搜索那些几乎无法靠人工识别的罕见天体。底层实现方式：用 GPT-4.1-mini 为近 30 万张未标注的星系图像生成描述信息，从而训练出这个庞大的多模态搜索引擎。

成果不是停留在论文里的概念：Nolan 已经用 AION-Search 识别出 36 个罕见星系，该工具目前正被用于研究暗物质的相关线索。他的研究方向一句话概括，就是"用于巡天搜索和发现的基础模型"。

Adibvafa Fallahpour：3000+ 研究者，19 个国家，几周之内

多大 AI 与计算机科学方向研究生 Adibvafa Fallahpour 做的事，落在药物发现这个方向——精确来说，是蛋白质功能预测。

海量蛋白质的功能至今仍然未知，这是药物发现的核心瓶颈之一。Adibvafa 和合作者（来自 UPenn 的 Parsa Idehpour，两人通过"伊朗生物奥赛社区"结识）一起，在多大 Bo Wang 实验室等机构支持下，做出了 BioReason Pro——一个蛋白质功能预测与多模态生物推理 AI 模型。

技术路径：用 OpenAI API 从生物学数据中生成推理轨迹，再训练出一个更小的模型，让它能像科学家一样对未见过的蛋白质进行推理。开源之后的传播速度，有点惊人：短短几周内，来自 19 个国家的 3000+ 研究人员开始使用。评估数据显示，在 80% 的情况下，该模型预测的质量高于人类专家的注释。

Seyone Chithrananda

在 OpenAI 官方实际公布的 37 人全球「Class of 2026」名单里，Seyone Chithrananda 确实是入选者之一。

他因为早年构建了面向化学领域的语言模型 ChemBERTa（该模型在生物和化学研究中被广泛应用）而获得认可。有趣的是，Seyone 本人其实也曾就读于多伦多大学，后转入斯坦福大学。所以当前的机构归属未将他计算在多伦多大学内。

他们有什么共同点？

回头看这 6 个人，几个特征是共通的。

年轻、跨界、快速落地。 没有人是"等论文发表了再说"——化工三人组已登 JACS，Nolan 已识别 36 个罕见星系，Adibvafa 的工具开源几周就被 3000+ 研究者采用，Kyle 的逻辑是把鸿沟压到最小。他们不是在纸上用 AI，是在做出来给人用。

把 AI 当工具，不把 AI 当目的。 这批人的项目核心是碳捕获、暗物质、蛋白质、创业——AI 是他们解决真实问题的方式，而不是他们的研究对象本身。这个区别值得注意。

还有一个细节：Advocates 类别（搞社会影响的），目前公开资料里没有检索到来自加拿大高校的学生。Advocates 里有秘鲁街头小贩记账、费城无家归学生案例管理、20 万盲人学生音频教育游戏——这些项目地理上更靠近美国和南美的社区议题。加拿大入选者集中在科研端，这大概也反映了多大和滑铁卢本身的强项所在。

你身边有没有在用 AI 做类似跨界研究的年轻人？