清华高性能所钱学海教授

报告生成时间：2026年8月3日
个人主页：https://hpc.cs.tsinghua.edu.cn/info/1537/2682.htm
所属研究所：https://hpc.cs.tsinghua.edu.cn/

一、学者基本信息

钱学海是清华大学计算机科学与技术系长聘教授、高性能计算研究所副所长，2024年7月从美国普渡大学全职回国加入清华。他是清华高性能所近年引进的最重要的国际化人才之一，也是所内极少数完整走通"美国顶尖高校助理教授—副教授—终身教职"路径后再回国的体系结构学者。他在美国任教的九年间（南加州大学2015—2022、普渡大学2022—2024）完成了从新晋助理教授到国际知名体系结构学者的完整跃迁，其标志性成就是进入计算机体系结构全部四大顶级会议（ISCA、ASPLOS、MICRO、HPCA）的"名人堂"（Hall of Fame）——这在全球范围内也是相当稀缺的成就，通常意味着在这四个会议上均有足够数量的一作/通讯论文积累。回国后他将其在美创立的 ALCHEM 研究组整体迁移到清华，实验室主页从 alchem.usc.edu 到 alchem.cs.purdue.edu 再到 alchem.cs.tsinghua.edu.cn 的三次域名迁移，本身就是这条跨国学术轨迹的一个直观注脚。

项目	信息
姓名	钱学海（Xuehai Qian）
现职	清华大学计算机系长聘教授（Tenured Full Professor）；高性能计算研究所副所长
办公室	清华大学自强科技楼 615
邮箱	xuehaiq@tsinghua.edu.cn（所内页面另列 xuehai.qian.thu@gmail.com）
课题组	ALCHEM 研究组，https://alchem.cs.tsinghua.edu.cn
研究领域	计算机体系结构、计算机系统、硬件安全（近年扩展至量子计算体系结构、大模型系统）
研究重点	面向图计算与机器学习的领域定制加速体系结构与系统；基于原子块的缓存一致性协议；基于弱存储模型的并行调试体系结构支持
论文数量	OpenAlex 收录约 152 篇（含少量同名混入，见下文说明），实际体系结构领域论文约 130 余篇
总被引	约 4,700+ 次（OpenAlex 口径）
H 指数	34（OpenAlex 口径）
高被引论文	PipeLayer（HPCA'17）约 828 次；七篇论文引用超 200 次
ISCA Hall of Fame	2021 年入选
MICRO Hall of Fame	2021 年入选
ASPLOS Hall of Fame	2018 年入选
HPCA Hall of Fame	2019 年入选
IEEE 身份	Senior Member（2019年晋升）
学术兼职	SCIENCE CHINA (Information Sciences) 编委（2023年至今）；IEEE TPDS 机器学习体系结构与加速器特刊客座主编（2019）

需要说明一个数据层面的注意事项：OpenAlex 上"Xuehai Qian"这一 Profile 存在同名合并污染，其中掺入了华中科技大学力学方向（激光烧蚀、增材制造，与 Lv Zhao 合作）以及京东方（BOE）显示技术方向的若干论文，这些明显不属于本报告主角。剔除后，其体系结构领域的发表节奏呈现出典型的"助理教授爆发期"特征：2017年12篇、2018年27篇、2019年18篇、2020年26篇，这四年正是他在南加州大学冲击终身教职并同时进入四大顶会名人堂的窗口期。

二、教育背景与职业履历

钱学海的求学与职业轨迹横跨中美两国五所机构，是一条相当罕见的"北航—中科院计算所—UIUC—伯克利—USC—普渡—清华"链条。

他2004年本科毕业于北京航空航天大学计算机科学与技术专业。北航这一节点在他后来的学术网络中留下了长期印记——北航的钱德沛（Depei Qian）教授是他早期论文的固定合作者，从2013年 ASPLOS 的 Volition 到2020年 PLDI 的 SympleGraph，钱德沛在其署名列表中出现了至少10次，跨度长达八年。这种跨越读博、博后、独立任教三个阶段的持续合作，说明北航时期建立的关系并非一次性的本科毕设指导，而是延续为一种长期的学术伙伴关系（推测钱德沛在其本科阶段即为其研究启蒙者，但公开材料未明确说明二人的师承关系）。

2007年他在中国科学院计算技术研究所获得硕士学位。计算所时期的痕迹在其发表记录中体现为2007—2008年与范东睿（Dongrui Fan）等人的合作论文——范东睿是计算所"Godson-T"众核处理器项目的核心人物，这条线索表明钱学海的硕士阶段就已经进入国产处理器体系结构的研究语境。这一段渊源在他回国后具有特殊意义：中科院计算所是国内体系结构研究的另一重镇，也是龙芯、寒武纪等国产芯片力量的策源地，钱学海与该体系天然存在校友通道。

2013年他在伊利诺伊大学香槟分校（UIUC）计算机科学系获得博士学位。其博士导师为 Josep Torrellas 教授，这一点已获确证而非推测：他博士期间的两篇代表作——ASPLOS'13 的 Volition（Xuehai Qian, Benjamin Sahelices, Josep Torrellas, Depei Qian）与 ISCA'14 的 OmniOrder（Xuehai Qian, Benjamin Sahelices, Josep Torrellas）——均以 Torrellas 为末位通讯作者；OpenAlex 数据显示二人在2010—2014年间共同署名8篇论文，时间窗口与其博士阶段完全吻合。更有力的旁证是2025年3月18日 Torrellas 应邀访问清华计算机系作学术报告"Accelerating Cloud Native Environments"，该报告作为高性能所"前沿计算论坛"的首场讲座，正是由钱学海以高性能所副所长身份主持的——由学生主持导师的开场讲座，是典型的师承关系公开确认。Torrellas 本人是 ACM/IEEE/AAAS Fellow、前 IEEE 计算机体系结构技术委员会（TCCA）主席，现任 SRC/DARPA JUMP 2.0 "ACE" 可演化计算中心主任，在共享内存多处理器、推测多线程、硬件安全等方向有奠基性贡献。钱学海在博士期间获得 UIUC 计算机系的 W.J. Poppelbaum Memorial Award（2013），这是该系授予在计算机体系结构方向表现突出的博士生的荣誉。

值得注意的还有一位在其博士阶段高频出现的合作者：Benjamín Sahelices（西班牙巴利亚多利德大学 Universidad de Valladolid），2012—2014年间与其共同署名10篇，位列合作频次第10位。Sahelices 当时在 UIUC 访问，与 Torrellas 组深度合作，是钱学海在缓存一致性协议方向的直接协作伙伴。

2013年9月至2015年5月，钱学海在加州大学伯克利分校从事博士后研究。伯克利这一年半在其合作网络中留下了明确的印记：2016年与 Koushik Sen（伯克利 EECS 教授，软件测试与符号执行领域权威）、Costin Iancu 与 Paul Hargrove（均在劳伦斯伯克利国家实验室 LBNL）三人各有3篇合作论文。这组合作指向的是并行程序调试与 UPC/PGAS 并行编程模型方向，与他博士期间的确定性重放（deterministic record and replay）工作一脉相承。伯克利—LBNL 这条线也让他与美国国家实验室体系建立了接口。

2015年8月至2022年8月，钱学海任南加州大学（USC）助理教授，这是其学术生涯产出最密集的时期。他在此创立 ALCHEM 研究组，2016年8月招收第一批博士生（Chao Wang、Youwei Zhuo、Seyedeh Hanieh Hashemi），2017年8月招收第二批（Qinyi Luo、Gefei Zhang、You Wu）。这七年间他连续获得六项 NSF 项目资助，包括2017年首个 CCF CRII 项目（NVM 与 GPU 方向）、2017年 CCF 独立 PI 项目（图处理体系结构）、2017年 CSR 联合项目（基于忆阻器的嵌入式图处理，牵头 PI）、2019年 SPX 项目（基于 FPGA 的分布式训练，牵头 PI）、2021年 PPoSS 规划项目（流式数据科学，Award ID 2119816）、2021年图挖掘系统与体系结构项目（Award ID 2127543）。同期他还组织了 ISCA 2017 上的首届 Architecture for Graph Processing（AGP-1）研讨会，并在 USC 发起 Computer Engineering Research Seminar，这两项组织性工作显示他在助理教授阶段就已开始扮演社区建设者角色。

2022年8月至2024年6月，钱学海转任普渡大学副教授。这次跳槽通常意味着获得或即将获得终身教职，同时也是一次学术平台的升级——普渡的计算机体系结构与 EDA 生态（与 Notre Dame、Rutgers、MIT 的量子计算圈层紧邻）为他打开了量子计算体系结构这一新方向。这段时间他的研究重心明显向量子体系结构（与 Zhiding Liang、Yiyu Shi、Hanrui Wang、Song Han、Frederic T. Chong、Yongshan Ding 合作）和图模式挖掘系统（与 Jingji Chen 合作的 DecoMine、Khuzdul 两篇 ASPLOS'23）倾斜。

2024年7月，钱学海全职回国出任清华大学长聘教授，并很快担任高性能计算研究所副所长。值得注意的是，他回清华的时间点与2024年6月28—29日清华高性能所举办的"人工智能时代的计算机体系结构、计算系统和高性能计算挑战与发展"研讨会几乎重合——该会上他已以"清华大学"身份作了题为"面向领域的体系结构和系统"的报告，说明回国过渡是有充分准备的机构性安排，而非临时决定。

三、学生培养情况

钱学海在美期间指导的博士生规模不大但质量极高，其课题组主页公开的名单构成了理解其学术传承的核心线索。

第一批（2016年入学，USC）：Chao Wang、Youwei Zhuo、Seyedeh Hanieh Hashemi。其中 Youwei Zhuo（卓有为）是其第一位毕业博士，2022年获得博士学位，也是其学术家谱中的长子。Youwei Zhuo 与钱学海共同署名16篇论文，是其合作频次第二高的人（仅次于 Yanzhi Wang），代表作包括 GraphQ（MICRO'19，145次引用）、GraphP（HPCA'18，220次引用）、SympleGraph（PLDI'20）、HyPar（HPCA'19）。2018年10月他被南加州大学提名微软研究院博士奖学金（Microsoft Research PhD Fellowship）——这正是清华官网所述"其博士生先后被南加州大学提名微软博士奖学金"的具体所指。Chao Wang 与其共同署名3篇（2020—2021），是 GraphQ、GraphP 的共同作者。

第二批（2017年入学，USC）：Qinyi Luo、Gefei Zhang、You Wu。Qinyi Luo（骆沁毅）是钱学海最知名的学生，其经历几乎构成一条完整的荣誉链条：2018年10月被南加州大学提名微软研究院 Ada Lovelace Fellowship（面向女性与少数群体的研究奖学金）；2020年6月获得高通 Top-Off Fellowship；2021年入选 Facebook 博士奖学金（机器学习系统方向）finalist——全球两千余名申请者中入围率低于2.5%；2021年9月当选 USC 明谢（Ming Hsieh Institute）Scholar；2022年2月正式获得 Meta PhD Research Fellowship，获奖领域为"人工智能系统软硬件协同设计"，资助额4.2万美元，该年度从24所高校中仅选出37人，机器学习系统方向的资助率低于1%。这正是清华官网所述"一名博士在2021年获得Meta博士奖学金"的对应人物（官网记为2021年，Meta 官方公布时间为2022年2月，属评选年度与公布年度的口径差异）。骆沁毅本科毕业于清华大学电子工程系，这一点使她成为钱学海与清华之间一条有趣的早期人脉伏笔——在钱学海本人回清华之前，他已经培养出了清华出身的顶尖学生。她的代表作是 HOP（ASPLOS'19）与 Prague（ASPLOS'20）两篇异构感知去中心化训练的工作。从 OpenAlex 记录看，骆沁毅毕业后已进入工业界，2024—2025年的论文 FIITED（面向推荐系统的训练期细粒度嵌入维度优化）署名机构包括 Meta 相关团队与 Amazon，合作者含 Xiaohan Wei、Jiachen Mao 等推荐系统工程团队成员（推测其现任职于 Meta 或亚马逊的推荐/排序基础设施团队，具体职位未见公开确认）。You Wu 与其合作3篇，2025年仍有合作论文 Low-Overhead Reversible Coherence Protocol（署名机构同时含 USC 与清华），说明这位学生的博士工作延续到了钱学海回清华之后。

第三批（2019—2020年入学，USC，后随迁普渡）：Jingji Chen（2019年8月加入）、Gengyu Rao（2020年8月加入）。Jingji Chen（陈京骥）是钱学海跨机构培养的典型案例——他2018年暑期以清华大学本科生身份到 ALCHEM 实习，随后2019年正式入组读博，跟随钱学海从 USC 迁到普渡，与钱学海共同署名的论文包括 ASPLOS'23 的两篇（DecoMine、Khuzdul，均为二人独立署名的"师生二人组"论文，这在体系结构顶会中相当少见，体现出高强度的一对一指导）、SparseCore（ASPLOS'22）、GNNPipe（2023）以及2025年的 Mithril（可扩展深度 GNN 训练系统，署名机构含普渡、CMU 与清华）。Gengyu Rao 是 SparseCore（ASPLOS'22）的第一作者。这两位学生的工作构成了钱学海从"图处理加速"向"图模式挖掘系统"与"GNN 训练系统"演进的主线。

第四批（2022年入学，普渡）：Lingfeng Chen、Shilong Lei，这是其课题组主页记录的最后一批新生。另有 Jinglei Cheng（2017年暑期以清华本科生身份实习，后成为其博士生），是其量子计算体系结构方向的主力，代表作 AccQOC（ISCA'20）及一系列量子脉冲优化工作，与其共同署名达13篇（跨 USC 与普渡两个阶段）。

一个值得单独指出的现象是清华本科生"暑期实习—赴美读博"的人才通道：其课题组主页的"Undergraduate Interns"名单中，2016—2018年连续三年招收清华本科生——Fangke Ye（2016年暑期，后赴佐治亚理工 SCS 读博）、Jinglei Cheng（2017年暑期，后成为其博士生）、Jingji Chen 与 Jinkun Lin（2018年暑期，Jingji Chen 后成为其博士生）。也就是说，在正式回国的八年之前，钱学海就已经在系统性地从清华吸纳本科生源。这条通道在他回国后逻辑上发生了反转：他不再需要把清华学生送到美国，而是可以直接在清华本土培养。

关于回清华后的招生情况，公开信息尚不充分。其清华 ALCHEM 主页的"Current Ph.D. Students"栏目截至查询时仍列的是 USC/普渡时期的名单（Chao Wang、Qinyi Luo、You Wu、Jinglei Cheng、Jingji Chen、Gengyu Rao、Shilong Lei、Lingfeng Chen），尚未更新清华本土招收的学生。但从2024—2025年论文的署名机构看，多篇论文（Mithril、Low-Overhead Reversible Coherence Protocol、FIITED、Falic）已同时挂上清华大学地址，说明清华课题组已实质运转。结合他在2024年 CCF Computility 大会上的报告题目"图神经网络和大模型的训练和推理系统"以及2025年的"针对混合专家和后训练优化的大模型系统"，可以推测其在清华的新课题组正在大模型系统（MoE 训练、后训练优化、推理服务）这一方向上快速集结新生力量——这是一个既能承接其分布式训练与图计算积累、又能对接国内算力产业迫切需求的方向选择。

四、学术合作网络

钱学海的合作网络呈现出鲜明的"三大板块"结构：美国机器学习加速器圈层、中国清华—中科院系统圈层、以及新兴的量子计算体系结构圈层。这三个板块的形成时间依次为2016—2021、2016—至今、2022—至今，恰好对应他的 USC 期、贯穿全程、以及普渡期。

（一）美国机器学习加速器圈层——最密集的合作簇

这一板块以 Yanzhi Wang（王雁智，现东北大学 Northeastern University，此前雪城大学 Syracuse）为核心，合作29篇，是钱学海合作频次最高的学者，远超第二名。二人的合作从2017年持续到2021年，覆盖 SC-DCNN（ASPLOS'17，154次引用）、ADMM-NN（ASPLOS'19，165次引用）、VIBNN（ASPLOS'18）、E-RNN（HPCA'19）、Mix and Match（2021）等一系列深度神经网络压缩与 FPGA 加速工作。围绕 Yanzhi Wang 形成了一个庞大的次级合作群：Caiwen Ding（15篇，现康涅狄格大学/明尼苏达大学）、Xue Lin（12篇，东北大学）、Ao Ren（11篇）、Qinru Qiu（10篇，雪城大学）、Zhe Li（8篇）、Geng Yuan（7篇，现佐治亚大学）、Zhengang Li（7篇）、Xiaolong Ma（6篇，现克莱姆森大学）、Sheng Lin（5篇）、Ruizhe Cai（4篇）、Shaokai Ye（4篇，现 EPFL）。这实际上是一个以"结构化矩阵/权重剪枝 + 硬件高效执行"为共同主题的跨校研究联盟，钱学海在其中承担体系结构侧的设计。清华官网所称"通过结构化矩阵的方法同时获得对深度学习模型压缩和高效硬件执行"，指的正是这一系列工作。

第二个重要簇是 Duke 大学的 Yiran Chen（陈怡然，14篇）与 Hai Li（李海，13篇）夫妇团队。这条线的产出是钱学海引用最高的成果：PipeLayer（HPCA'17，828次引用），作者为 Linghao Song、Xuehai Qian、Hai Li、Yiran Chen——这正是清华官网所述"2017年发表的基于存内计算的模型训练体系结构论文已被引近800次"的确切对应，用户背景资料中的"推测为 PipeLayer"得到确证。同一团队还产出了 GraphR（HPCA'18，295次引用，首个基于 ReRAM 的图计算加速器）、HyPar（HPCA'19，103次）、AccPar（HPCA'20，62次）。Linghao Song（宋凌昊，10篇）当时是 Duke 的博士生，是这几篇高被引论文的第一作者。陈怡然—李海团队是美国存内计算（PIM/ReRAM）研究的标杆力量，钱学海通过与其的深度绑定，成为该方向体系结构侧最有影响力的合作者之一。

第三个簇是 Bo Yuan（袁博，11篇，现罗格斯大学）与 Siyu Liao、Chunhua Deng 的张量分解/结构化压缩线，代表作 TIE（ISCA'19）、GoSPA（ISCA'21）。

（二）中国清华—中科院系统圈层——回国的伏笔

这是本报告最值得强调的发现：钱学海与清华高性能所的合作关系，早在他回国之前八年就已建立并持续深化，绝非2024年才开始。

在其合作者排行榜上，清华学者的密度惊人：Yongwei Wu（武永卫，16篇，2016—2023）、Mingxing Zhang（章明星，15篇，2016—2023）、Kang Chen（陈康，14篇，2017—2023）、Weimin Zheng（郑纬民院士，合计10篇，2016—2022）、Xiongchao Tang（6篇）、Jidong Zhai（翟季冬，6篇）、Wenguang Chen（陈文光，5篇）、Mengxing Liu（5篇）、Wei Xue（薛巍，3篇）、Teng Ma（3篇）。这些人几乎构成了清华高性能所的核心阵容——武永卫（计算机系副主任、高性能所教授）、陈康（研究员）、章明星（副教授）、郑纬民（中国工程院院士）、翟季冬（教授、高性能所副所长）、陈文光（教授）、薛巍（教授）目前全部在高性能所师资名单上。

这条合作线的起点是2016—2017年的存储系统工作：DudeTM（ASPLOS'17，166次引用，作者含 Mengxing Liu、Mingxing Zhang、Kang Chen、Xuehai Qian、Yongwei Wu、Weimin Zheng）——这是一篇关于持久内存事务的经典工作。随后是 GraphP（HPCA'18，220次引用，作者含 Mingxing Zhang、Youwei Zhuo、Chao Wang、Mingyu Gao、Yongwei Wu、Kang Chen、Xuehai Qian），把清华的图计算系统积累与 USC 的 PIM 体系结构积累结合起来。到2023年仍有 Achieving Sub-second Pairwise Query over Evolving Graphs（作者含 Hongtao Chen、Mingxing Zhang、Kang Chen、Yongwei Wu、Xuehai Qian，署名机构为普渡+清华+悉尼大学）。

这一发现从根本上改写了"海归引进"的叙事：钱学海对清华高性能所而言并不是一个陌生的外来者，而是一个合作了八年的老伙伴。这也解释了为什么他能在回国不到一年内就出任副所长——机构信任是通过近十年的共同发表逐步积累的，而非空降。

需要说明的是，与用户背景资料中提到的张悠慧、汪东升、渠鹏等所内体系结构方向教师，目前在公开发表记录中尚未检索到共同署名论文。张悠慧（研究员）的类脑计算/神经形态芯片方向、汪东升（教授）的处理器体系结构与硬件安全方向、渠鹏（助理研究员）的通用处理器前端瓶颈软硬件协同设计方向，与钱学海的研究都有相当明显的接口。特别是渠鹏与钱学海在2024年6月的高性能所研讨会上是同场报告人（钱学海讲"面向领域的体系结构和系统"，渠鹏讲"面向前端瓶颈的通用处理器软硬件协同设计"），推测未来在处理器微体系结构与领域定制加速的交叉地带存在合作可能。汪东升在硬件安全方向的积累与钱学海列出的"硬件安全"研究领域高度重合，也是一个自然的潜在合作点（推测）。

中科院系统方面，钱学海的合作分为三支。一是计算所（ICT）：2007—2008年硕士阶段与 Dongrui Fan（范东睿）等人的早期合作，以及后来与 Sheng Xu、Xiaoming Chen、Ying Wang、Yinhe Han、Xiaowei Li 合作的 PIMSim（IEEE CAL 2018，58次引用，一个存内计算模拟器）——这条线接的是计算所的芯片设计力量。二是信息工程研究所（IIE）：与 Rui Hou（侯锐）、Dan Meng（孟丹）、Lutan Zhao、Peinan Li 在2020—2022年间的3—4篇合作，方向是硬件安全（推测涉及推测执行侧信道防御），这是他"硬件安全"标签的实际支撑。三是深圳先进技术研究院（SIAT）：与 Zhibin Yu（喻之斌，7篇，2018—2024）、Yongkui Yang 的合作，方向包括大数据集群配置自动调优（78次引用）、GPGPU 功耗压力测试生成器 Guser（2024）、以及2024年的 Falic——面向零知识证明的 FPGA 多标量乘法加速器（署名机构含深圳先进院、北邮、清华）。

（三）量子计算体系结构圈层——普渡期开辟的新战场

2022年转任普渡后，钱学海迅速切入量子计算体系结构。这一板块的合作者包括 Zhiding Liang（11篇）与 Yiyu Shi（11篇，圣母大学 Notre Dame）、Hanrui Wang（8篇，MIT，现加州大学洛杉矶分校）、Song Han（韩松，5—9篇，MIT）、Yongshan Ding（6篇，耶鲁）、Zhixin Song（4篇，佐治亚理工）、Frederic T. Chong（4篇，芝加哥大学）、Tongyang Li（李彤阳，北京大学）。代表作包括 AccQOC（ISCA'20，量子最优控制脉冲生成加速）、NAPA（2024）、Hybrid Gate-Pulse Model（2023）、RobustState（2023）、以及一篇探索大语言模型用于量子编程的工作（2023）。Frederic Chong 是美国量子计算体系结构领域的旗帜性人物，Song Han 是模型压缩与高效 AI 系统领域的顶级学者——能在两年内进入这个圈层，说明钱学海的跨方向迁移能力很强。

（四）其他重要节点

华中科技大学的 Xuanhua Shi（石宣化，4篇，2020—2025）与 Hai Jin（金海）团队是另一条持续的国内合作线，产出 Capuchin（ASPLOS'20，138次引用，GPU 内存管理）以及2025年的 DawnPiper（内存可扩展流水线并行训练）、Redox（模型训练 I/O 效率）、CFP（算子内并行）三篇——这条线在2025年明显加速，是其回国后最活跃的国内校际合作。此外还有北京大学的 Yun Liang（梁云，HASCO，ASPLOS'21，72次引用）、上海交通大学的 Minyi Guo（过敏意）与 Chao Li（图处理内存优化综述）、新加坡国立大学的 Bingsheng He（何丙胜，3篇）、罗切斯特大学的 Michael Huang（3篇）、微软亚洲研究院的 Jinglei Ren（5篇）。

五、业界合作关系深度分析

钱学海的产业界连接是理解其价值定位的关键，也是清华引进他的核心考量之一。

（一）在美期间的两项企业合作项目

清华官网提及"2项企业合作项目支持"，通过其课题组新闻可以精确定位这两项：

第一项是 2020年6月来自 Facebook（现 Meta）的协作研究经费（collaborative grant），方向为分布式与安全机器学习（distributed and secure machine learning）。这项资助与其学生 Qinyi Luo 在去中心化训练方向的工作（HOP、Prague）直接相关，也为她后来获得 Meta 博士奖学金乃至进入 Meta 生态埋下伏笔。这是一条典型的"企业资助课题—学生获企业奖学金—学生进入企业"的完整产学闭环。

第二项是 2020年8月来自 Intel Mindshare Curriculum Program 的经费，用于将 DPC++（Intel oneAPI 的数据并行 C++ 编程模型）引入其并行计算课程。这是一项教育性质的产业合作，反映 Intel 在异构编程生态推广上对其课程影响力的认可。

除这两项显性资助外，其合作者网络中还能看到若干隐性的产业接口：Samsung（美国）出现在3篇论文中（推测与 GraphQ 中的 Dimin Niu、Rui Wang 等三星美国半导体研究院的存内计算团队相关——GraphQ 一文的作者列表中确实包含 Dimin Niu，此人长期在三星/阿里达摩院从事存算一体研究）；Amazon（美国）出现在2篇中（Siyu Liao 毕业后入职亚马逊，以及 Qinyi Luo 的 FIITED 工作）；AMD（加拿大）与 Alibaba Group（中美两地）各出现1次。此外 Qualcomm 通过 Top-Off Fellowship 资助过其学生。

（二）存内计算（PIM）研究对产业界的影响

这是钱学海产业价值最高的部分。他在2017—2020年间围绕 ReRAM/HMC/HBM 存内计算的一系列工作，构成了该领域被引用最多的体系结构文献群之一：

PipeLayer（HPCA'17，828次引用）：首个基于 ReRAM 的流水线化深度学习训练加速器。在此之前的存内计算工作（如 ISAAC、PRIME）主要面向推理，PipeLayer 把 ReRAM 存算一体推进到训练场景，提出了层间流水线与权重复制并行的组合方案。这篇论文是该方向的必引文献。
GraphR（HPCA'18，295次引用）：首个基于 ReRAM 的图计算加速器，把图算法映射为稀疏矩阵-向量乘，从而利用 ReRAM 交叉阵列的模拟域并行计算能力。
GraphP（HPCA'18，220次引用）与 GraphQ（MICRO'19，145次引用）：基于 HMC（混合存储立方）的图处理加速，核心贡献是通信优化与数据组织，与清华团队合作完成。
FORMS（ISCA'21，73次引用）：细粒度极化 ReRAM 原位计算，与三星/Meta 研究人员（Ali Shafiee、Payman Behnam）合作。
他还在 SCIENCE CHINA (Information Sciences) 上发表了《Graph processing and machine learning architectures with emerging memory technologies: a survey》，作为该方向的权威综述。

这批工作的产业意义在于：它们为存算一体芯片提供了架构层面的设计参考与性能评估基线。当前国内存算一体创业公司（知存科技、后摩智能、亿铸科技、苹芯科技等）以及国际厂商（三星、SK 海力士的 PIM 产品线、美光的 HMC 遗产）在做架构选型时，PipeLayer/GraphR 这一系列工作是绕不开的参考文献。钱学海本人虽未见公开的芯片公司任职或顾问记录，但他在这一领域的"引用权重"本身就是一种产业影响力。

（三）回国后与国产 AI 芯片厂商的潜在合作

这一部分目前尚无公开的正式合作协议，以下为基于现有信号的分析（推测）：

首先，华为是最直接的可能对象。2024年6月他参加的清华高性能所研讨会上，华为派出了两位重量级报告人（高耀清讲"智能时代计算机架构、编程编译技术的挑战与发展"、姚骏讲"盘古大模型和大模型训推的挑战"），并在议程末尾安排了"华为企业报告，交流合作"专场。钱学海在同一天下午作了"面向领域的体系结构和系统"报告。考虑到华为昇腾（Ascend）NPU 在图神经网络训练与 MoE 大模型训练上的迫切需求，以及钱学海在分布式训练并行策略（HyPar、AccPar、HOP、Prague、DawnPiper）方面的深厚积累，这是一条匹配度极高的合作路径。

其次，中科院计算所—寒武纪体系。钱学海的硕士母校与其 PIMSim 合作者（Xiaoming Chen、Ying Wang、Yinhe Han、Xiaowei Li 均为计算所研究员）构成了通往寒武纪、龙芯等国产芯片力量的天然通道。

第三，阿里巴巴（含平头哥/达摩院）。其合作者网络中已出现 Alibaba Group 的中美两个实体，且 GraphQ 的合作者 Dimin Niu 后来长期在阿里达摩院从事存算一体研究。2025年 CCF Computility 大会上，他与阿里云基础设施网络研究负责人翟恩南同场作报告。

第四，零知识证明加速这条"意外"的产业线。2024年的 Falic 工作（FPGA 多标量乘法加速器，面向零知识证明）署名机构含清华，合作方为深圳先进院与北邮。ZKP 硬件加速在区块链与隐私计算产业中有明确的商业需求，这可能是其在国内开辟的一个新的产业接口（推测）。

（四）研究方向的产业价值评估

研究方向	产业需求方	成熟度	变现路径
图计算加速（GraphR/GraphP/GraphQ/SparseCore）	金融风控、社交推荐、知识图谱、反欺诈	高，已有专用加速器产品	与国产 DSA 厂商联合定义指令集扩展
图模式挖掘系统（DecoMine/Khuzdul）	反洗钱、社区发现、生物网络分析	中，多为软件系统	开源系统 + 云服务集成
GNN 训练系统（GNNPipe/Mithril）	推荐系统、药物发现	中高	与 AI 框架厂商（华为 MindSpore、百度飞桨）集成
大模型训练/推理系统（MoE、后训练优化）	所有大模型厂商与算力平台	极高，当前最热	直接对接智算中心与芯片厂商
存内计算体系结构（PipeLayer/FORMS）	存算一体芯片创业公司	中，产品化爬坡期	架构咨询、联合实验室
硬件安全（与中科院信工所合作）	国产 CPU 厂商（安全需求刚性）	中	处理器安全特性设计
量子计算体系结构（AccQOC/NAPA）	量子计算硬件公司（本源量子等）	低，长周期	前瞻布局
ZKP 硬件加速（Falic）	隐私计算、Web3 基础设施	中	FPGA/ASIC 加速卡

六、重要奖项与学术兼职

奖励与荣誉（按时间倒序）：

MICRO Hall of Fame，2021年——国际微体系结构研讨会名人堂
ISCA Hall of Fame，2021年——国际计算机体系结构研讨会名人堂，四大顶会中门槛最高
IEEE Senior Member（高级会员），2019年5月
美国首届华人计算机新星奖（ACSIC Rising Star Award），2019年6月——全称 American Chinese Scholar In Computing Rising Star Award，由美国华人计算机学会（ACSIC）颁发，该奖首届仅两人获奖
HPCA Hall of Fame，2019年——高性能计算机体系结构国际研讨会名人堂
ASPLOS Hall of Fame，2018年——编程语言与操作系统体系结构支持国际会议名人堂
美国自然科学基金职业成就奖（NSF CAREER Award），2018年1月——美国 NSF 面向青年教授的最高荣誉，旨在选拔全美有潜力成为研究与教育领域领导者的年轻学者
W.J. Poppelbaum Memorial Award，2013年——UIUC 计算机系授予体系结构方向优秀博士生的荣誉

四大顶会名人堂的集齐（ASPLOS 2018 → HPCA 2019 → ISCA 2021 → MICRO 2021）分布在四年之内完成，这个速度在体系结构领域是相当罕见的，也直接印证了其2017—2020年的高强度产出（这四年累计发表83篇，其中包括2019年11月一次性录用五篇 ASPLOS'20、2021年3月一次性录用三篇 ISCA'21 这样的爆发式记录）。

科研项目（在美期间，共6项 NSF + 2项企业）：

2017年2月：NSF CCF CRII 项目（首个 NSF 项目），方向为非易失存储与 GPU
2017年7月：NSF CCF 独立 PI 项目，方向为图处理体系结构
2017年8月：NSF CSR 联合项目（牵头 PI），方向为基于忆阻器的嵌入式系统图处理
2019年8月：NSF SPX 协作项目（牵头 PI），方向为基于 FPGA 的分布式训练
2021年9月：NSF PPoSS 规划项目（Award ID 2119816），方向为流式数据科学
2021年9月：NSF 项目（Award ID 2127543），方向为图挖掘系统与体系结构
2020年6月：Facebook 协作研究经费，方向为分布式与安全机器学习
2020年8月：Intel Mindshare Curriculum Program，用于并行计算课程引入 DPC++

学术兼职与社区服务：

SCIENCE CHINA (Information Sciences) 编委，2023年至今——值得注意的是，他在2023年（尚在普渡任职期间）就已出任这份中国顶级英文期刊的编委，这可以视为回国的一个前置信号
IEEE Transactions on Parallel and Distributed Systems（TPDS）机器学习体系结构与加速器特刊客座主编，2019年
ISCA 2017 首届 Architecture for Graph Processing（AGP-1）研讨会组织者——他是这一细分方向的国际社区发起人
USC Computer Engineering Research Seminar 发起人，2016年
计算机体系结构聚合名人堂（Computer Architecture Aggregated Hall-of-Fame）维护者——他在 USC 期间维护了这一社区公共资源（alchem.usc.edu/portal/cathof.html），汇总四大顶会名人堂数据，这是一项被全球体系结构社区广泛引用的服务性工作
清华大学计算机系高性能计算研究所副所长，2024年至今——2025年3月主持高性能所"前沿计算论坛"首场讲座
CCF Computility 大会特邀报告人：2024年（长春，"图神经网络和大模型的训练和推理系统"）、2025年（兰州，"针对混合专家和后训练优化的大模型系统"，并担任"算力网软件技术论坛"共同主席）

七、Connection 圈层总结

综合以上分析，钱学海的学术关系网络可以分为五个圈层，其结构与所内"清华土著"教师有本质差异。

第一圈层：师承与学术根系（UIUC—北航—计算所）

核心是博士导师 Josep Torrellas（UIUC，ACM/IEEE/AAAS Fellow，前 IEEE TCCA 主席，SRC/DARPA JUMP 2.0 ACE 中心主任，合作8篇），以及博士期间的协作伙伴 Benjamín Sahelices（巴利亚多利德大学，10篇）。这一圈层给了他体系结构领域最正统的学术血统——Torrellas 门下的学者遍布美国各大高校与 Intel、AMD、NVIDIA 的架构团队，是全球体系结构界最有影响力的师门之一。2025年3月 Torrellas 访问清华并由钱学海主持，标志着这条师承线已被成功"移植"到清华，成为高性能所可以直接调用的国际资源。

向前追溯，钱德沛（北航，10篇，2013—2020）代表其本科母校的长期纽带；范东睿等计算所研究人员（2007—2008）代表其硕士阶段的国产处理器语境。这两条线让他在国内体系结构圈内并非"无根之木"。

第二圈层：美国合作联盟（USC—Duke—Northeastern—Rutgers—MIT/Notre Dame）

这是其影响力的主体，可细分为三个子群： - 深度学习压缩与加速群：Yanzhi Wang（29篇，东北大学）为核心，辐射 Caiwen Ding、Xue Lin、Qinru Qiu、Geng Yuan、Xiaolong Ma 等十余人的跨校联盟 - 存内计算群：Yiran Chen（14篇）+ Hai Li（13篇）+ Linghao Song（10篇）的 Duke 团队，产出其最高被引成果 - 量子体系结构群：Yiyu Shi（Notre Dame）、Hanrui Wang（MIT）、Song Han（MIT）、Frederic T. Chong（芝加哥大学）、Yongshan Ding（耶鲁），2022年后新建

这一圈层的价值在于：它是一个仍在运转的活跃网络，而非历史遗产。2024—2025年他仍与 Qinyi Luo（Meta/Amazon）、Zhiding Liang、Jinglei Cheng 等有共同发表，说明回国并未切断这些连接。对清华高性能所而言，这意味着一条现成的、可用于联合培养、访问学者互派、国际会议组织的通道。

第三圈层：清华内部同事——"回国前就已建立"的意外优势

这是本报告最重要的判断。钱学海与清华高性能所核心成员的合作始于2016年，早于他回国八年：武永卫（16篇）、章明星（15篇）、陈康（14篇）、郑纬民院士（10篇）、翟季冬（6篇）、陈文光（5篇）、薛巍（3篇）。共同成果包括 DudeTM（ASPLOS'17）、GraphP（HPCA'18）等重量级论文，最近一次合作在2023年。

这意味着他与所内的融合成本极低。他的到来不是"引进一个陌生人"，而是"把一个长期外部合作者转为内部成员"。这也是他能在回国不足一年即出任副所长的合理解释。

与所内其他体系结构方向教师——张悠慧（类脑计算与神经形态芯片）、汪东升（处理器体系结构与硬件安全）、渠鹏（通用处理器前端软硬件协同设计）——目前尚无共同发表记录，但研究接口清晰：汪东升的硬件安全与钱学海和中科院信工所的侧信道防御工作直接对口，渠鹏的处理器微体系结构与钱学海的领域定制加速可以在"通用核 + 加速器"的异构设计上互补，张悠慧的类脑芯片与钱学海的存内计算在器件层面共享 ReRAM 等技术基础（以上均为推测）。这三条潜在合作线是高性能所内部整合的下一步观察点。

第四圈层：中国机构合作网络（中科院系统 + 兄弟高校）

中科院信息工程研究所：侯锐、孟丹、赵路坦、李佩楠（硬件安全，2020—2022）
中科院深圳先进院：喻之斌、杨永奎（大数据调优、GPGPU、ZKP 加速，2018—2024，且在2024年的 Falic 工作中已使用清华署名）
中科院计算所：陈晓明、王颖、韩银和、李晓维（PIMSim 存内计算模拟器）
华中科技大学：石宣化、金海（Capuchin、DawnPiper、Redox、CFP，2020—2025，其中三篇在2025年发表，是其回国后最活跃的国内校际合作线）
北京大学：梁云（HASCO，ASPLOS'21）、李彤阳（量子）
上海交通大学：过敏意、李超（图处理内存优化）
新加坡国立大学：何丙胜

第五圈层：产业与资源网络

Meta（Facebook 协作经费 + 学生获博士奖学金 + 学生就业）、Intel（课程经费）、Samsung（存内计算合作署名）、Amazon（学生就业与合作论文）、Qualcomm（学生奖学金）、Microsoft Research（学生奖学金提名 + MSRA 合作者任菁磊）、Alibaba（少量署名）；国内则通过高性能所平台与华为形成潜在对接（2024年研讨会的企业专场）。

对高性能所国际化的意义

把上述五个圈层放在一起看，钱学海对清华高性能所的价值可以概括为三点。

其一，他补上了高性能所在"国际主流体系结构会议"上的短板。高性能所的传统强项在超算、存储、并行编译（郑纬民、杨广文、翟季冬、舒继武一系），代表性成果集中在 SC、FAST、PPoPP、IPDPS 等会议以及"神威·太湖之光"这类国家重大工程。而 ISCA/MICRO/HPCA/ASPLOS 四大体系结构顶会一直是国内机构的相对弱项。钱学海是国内极少数在这四个会议上都有名人堂级别积累的学者，他的加入使高性能所在体系结构主赛道上具备了直接对话能力。

其二，他带来的是一个"仍在运转"的国际网络，而非静态的履历。Torrellas 访华、与 MIT/Notre Dame 量子团队的持续合作、与已入职 Meta/Amazon 的学生的继续发表，都说明这条网络具备现实的可调用性。高性能所"前沿计算论坛"由他主持并以 Torrellas 开场，是这一网络转化为机构资产的第一步。从论坛后续期数（第5期"Reflections on Doing Systems Research at an AI University"、第6期"面向新型 LLM 工作负载的高效服务系统"、第7期"高性能计算基础建设演进与生态、产业相关主题"）看，这一机制已常态化运转。

其三，他的"海归引进"路径与所内"清华土著"教师形成互补而非冲突。高性能所现有20名教师，其中相当比例（武永卫、翟季冬、陈文光、薛巍、张广艳、陆游游等）是清华本硕博培养后留校的"纯清华血统"，成长路径高度同质。钱学海代表的是另一种模式：北航本科—计算所硕士—UIUC 博士—伯克利博后—美国两所高校九年任教。这条路径带来的不只是论文和人脉，更是一整套不同的科研组织方式——从其在 USC 的运作看，他习惯于小规模、高强度、师生一对一深度绑定的产出模式（DecoMine 和 Khuzdul 两篇 ASPLOS 均为"钱学海 + 一名学生"的二人署名），并且擅长通过组织 workshop、维护社区公共资源、担任期刊编委来积累学术声望资本。这些做法对高性能所的年轻教师（渠鹏、王豪杰、金煜阳、闪英迪、韩旭等）具有直接的示范意义。

同时也应看到这一定位的潜在挑战：他在美国建立的经费获取方式（NSF 单项目独立 PI + 企业协作经费）与国内以国家重点研发计划、自然科学基金重点项目、企业横向课题为主的资助生态差异较大；其学生培养的"小而精"模式在国内博士生规模化培养的压力下也需要调整。从他2025年在 CCF 大会上主动承担论坛主席、报告题目紧扣"混合专家和后训练优化的大模型系统"这一国内最热议题来看，这种本土化调适正在快速发生。

清华高性能所 钱学海 教授