当前观察 › 来源档案 › 陈天奇 陈天奇：长期主义与开源系统创新之路 本期访谈中，陈天奇回顾了从高中自学编程到成为CMU教授的完整历程。他分享了在XGBoost、MXNet、TVM等里程碑项目背后的技术思考与人生哲学，探讨了如何在不确定性中保持初心，以及开源项目如何从学术研究走向商业落地。
这份材料帮助我们理解什么？ 访谈/对话 · 自动转录 · 已找到对应文本，不代表完整性或事实已经核验
以下保留原有自动整理内容，尚未完成逐句复核；日期与人物沿用档案记录。当前答案和重新核对的依据，请看上方问题页。
导语 陈天奇是华人AI系统领域的标志性人物，其名字与XGBoost、MXNet、TVM、MLC LLM等一系列定义时代的开源项目紧密相连。在本期访谈中，他罕见地串联起了自己近二十年的技术人生：从浙江小城县城中学的自学者，到上海交大ACM班的学员，再到华盛顿大学的博士、OctoML的联合创始人与CMU的教授。他不仅分享了这些著名项目诞生的幕后故事，更深入剖析了其“问题驱动、长期主义”的底层价值观。在技术路径快速更迭的今天，陈天奇的思考为那些在不确定性中探索的科研者与创业者，提供了一份关于勇气、初心与系统思维的珍贵参考。
大纲与深读 9 章 展开「深读」看每一段讨论的问题与论据。
01
童年启蒙与计算机兴趣 在县城中学通过互联网自学编程，从C语言入门并参加信息学竞赛 高二时出于兴趣自学写了一个能将Pascal转译为C语言的迷你编译器 这段经历培养了不畏挑战、敢从零开始的自信心 深读这一段 讨论的问题： 如何在一个资源有限的环境中，通过互联网和自驱力打开计算机世界的大门？
论据 / 案例： 高二时花费一个暑假，从零开始写了一个能运行的Pascal到C的迷你编译器，没有现成教程和GitHub。
02
ACM班与科研启蒙 08:00 高考考入上海交大ACM班，受于勇老师“低调做人，高调做事”理念影响 参与传承式的编译原理大作业，从零构建编译器，奠定了系统级训练基础 本科加入APEX实验室，对科研感到困惑，但在KDD Cup比赛中首次接触深度学习与GPU加速 深读这一段 讨论的问题： ACM班的训练如何塑造了陈天齐的技术基础和做事风格？
论据 / 案例： 编译原理大作业由学生设计并代代传承；为做深度学习实验，自行购买GTX 380显卡和外部电源，搭建了实验室第一台GPU服务器。
03
早期科研挫折与醒悟 16:00 本科至研究生阶段，坚持用限制玻尔兹曼机在ImageNet上做分类，两年未出成果 错误地将正确的问题（大规模图像识别）与错误的方法（受限玻尔兹曼机）锁定在一起 参加KDD Cup转机，并赴香港实习后，才意识到“科研视野”比解决问题本身更重要 深读这一段 讨论的问题： 早期科研失败的核心教训是什么？
论据 / 案例： 在ImageNet分类任务上坚持了两年，始终无法超越SVM基线；后来在KDD Cup中通过切换至矩阵分解方法才取得好成绩。
04
XGBoost：从挑战到极致 32:00 为验证“数据与计算规模比算法更重要”的假说，开始做决策树系统的极致优化 秉持“做一件事做到极致”的信念，在速度和易用性上做到当时世界第一 内置自动处理缺失值的特性，极大提升了开箱即用的体验 深读这一段 讨论的问题： XGBoost成功的关键因素是什么？
论据 / 案例： 论文引用量接近7万；在发布时是世界上最快的GBDT工具；内置了让模型自动处理缺失值的机制。
05
MXNet：协作与巅峰 40:00 集结多位博士生（李沐、许昕等），融合CXXNet与Minerva，打造混合编程模式的深度学习框架 在TensorFlow发布前已立项，凭借多卡并行性能优势成为NVIDIA官方推荐框架 从巅峰到淡出，认识到用户体验和持续工程投入比纯性能更重要 深读这一段 讨论的问题： MXNet从众多框架中脱颖而出的原因，以及它后来没落的教训是什么？
论据 / 案例： 框架名称来自CXXNet与Minerva的混合（Mix）；NVIDIA曾长期在内部用MXNet进行基准测试；最终因用户体验不及PyTorch而逐渐退出主流。
06
TVM：解决部署瓶颈 56:00 为解决不同硬件平台手动编写底层算子（kernel）的瓶颈，创立深度学习编译器TVM 秉持“用更少资源自动化做更多事”的理念，挑战从头设计硬件指令集与编译器 核心创新包括自动调度和针对NPU设计的VTA可编程加速器 深读这一段 讨论的问题： TVM的诞生是为了解决什么样的核心技术瓶颈？
论据 / 案例： 为NPU设计了支持超线程（Hyperthreading）和指令级编程的VTA架构；项目从构想到首个可用版本耗时约11个月。
07
MLC：大模型时代的部署 80:00 面对大模型部署挑战，将TVM技术延伸为MLC-LLM，实现跨平台统一推理引擎 坚信端侧部署因隐私和实时性需求将变得至关重要 通过编译技术降低机器学习系统开发门槛，目标是让写系统像写神经网络一样简单 深读这一段 讨论的问题： 在后GPT时代，MLC-LLM项目如何应对模型趋同与硬件多样化的挑战？
论据 / 案例： MLC-LLM已实现在iPhone、安卓、AMD显卡及MacBook上部署大模型；项目核心目标是让更少的人用更少的工程资源解决部署问题。
08
开源、创业与教授之路 112:00 坚信开源是高校成果落地和学生获得架构训练的最佳途径 创办OctoML是为反哺开源社区，但商业模式最终转向API服务并被NVIDIA收购 作为CMU教授，坚持写代码以保持一线手感，并认为“做优秀的技术始终没有错” 深读这一段 讨论的问题： 如何平衡开源社区的成功与商业公司的利益，以及教授与创业者的双重身份？
论据 / 案例： OctoML商业模式从硬件部署工具转变为模型API服务商；2024年底被NVIDIA收购；目前仍坚持使用Cursor等AI工具编写核心代码。
09
长期主义与人生智慧 136:00 认为“做一件平庸的事和一件重要的事花的时间是一样的”，因此必须选择重要的问题 最难的事情是“保持初心”，并接受失败是科研和创业中的常态 成功是“问心无愧”地影响世界，理想状态是“和大家一起解决想解决的问题” 深读这一段 讨论的问题： 在跨越科研、创业与教职后，陈天齐认为支撑他走过不确定性的核心价值观是什么？
论据 / 案例： 引用随机过程理论，认为只要付出足够时间和耐心，随机过程总会收敛到和付出相称的稳态；认为勇气往往来自于过去自己给自己的约定。
金句
"You do a mediocre problem and an important problem, the time spent is almost the same. Time is limited, so you must do what you want to do." ——你去做一件比较平庸的问题和一个重要的问题，花的时间几乎是一样的。时间是有限的，说一定要做想要做的事情。
"Many times, your courage is a promise you made to your past self." ——我觉得很多时候你的勇气可能是你过去的自己给你自己的约定。
"After you start a startup, what you want to do and what you end up doing will definitely be different. You have to be able to reinvent yourself." ——所有东西你都去必须要能够reinvent yourself。继续抱着我们原来的技术路线，就是继续去优化resnet。这个我觉得最后我们会输的很惨。
"Failure isn't that scary, and you have to accept the fact that you can fail." ——失败也没那么可怕，然后要接受可以失败这个事实。
"I think the hardest thing for me now is still to stay true to my original intention." ——其实我觉得现在的我最难的事情还是要保持初心。
← 上一篇 科技企业如何应对未来趋势与挑战 下一篇 → 前县委书记陈行甲：从政与做公益，守住道就不难 
