如果你關注 AI 圈，最近應該刷到過一個詞：ChatGPT Futures。
OpenAI 把它叫做 ChatGPT Futures 項目，官方稱呼是“Class of 2026”——第一批從入學到畢業全程有 ChatGPT 為伴的新生代，也就是 OpenAI 眼中的”超級大學生”。
入選者 18-25 歲，來自 Stanford、Harvard、MIT、Yale、Caltech、Oxford 等頂尖高校，共 37 人，每人獲得 1 萬美元無償資助、前沿模型訪問權限，並受邀 6 月赴舊金山 OpenAI 總部參訪。
OpenAI 把這批人分成三類：Creators(造東西的)、Explorers(做研究的)、Advocates(做社會影響的)。
多大怎麼就”贏麻了”?
加拿大此次共有 7 位參與者入選。翻開名單，滑鐵盧大學出了 1 位，剩下 6 位，全部來自多倫多大學(UofT)。
6 位中，3 位是化工系研究生團隊，1 位是天體物理學博士生，1 位是 AI 與計算機科學方向的研究生——覆蓋了三個完全不同的領域。
他們沒有一個是”泛泛學了 AI 就拿來包裝簡歷”的類型，每一個人的項目都已經有了可核查的具體成果：論文發表、工具開源、研究者採用。對於任何一所大學來說，單屆 6 人入選這個名單，都不是小事。
Kyle Scenna：從發現問題到造出產品，鴻溝有多小?
加拿大唯一的 Creators 類代表，來自滑鐵盧大學，24 歲，Waterloo, Ontario 本地人。
Kyle Scenna 的標籤是”在校創業者”。他的核心路數是用大模型做催化劑，把概念轉化為真實落地產品的周期壓到最短——不等資金，不等許可，直接動手。他向 OpenAI 說的那句話，值得記一下：”我從未想過，從發現一個問題到構建出真實產品之間的鴻溝，竟然可以變得如此之小。”(I never thought the gap between noticing a problem and building something real could get this small.)
這種”創作者心態”，正是 OpenAI 選中他的原因。同屆 Creators 類別里類似的項目方向還有同行學習平台、醫療內容無障礙轉化、殘障學生輔助工具——都是把 AI 能力直接嫁接到一個具體的現實問題上，快速驗證。
化工三人組：碳捕獲研究，已登頂級期刊
多大化工系研究生 Thomas Pruyn、Amro Aswad、Sartaaj Khan 以團隊形式入選，三人同屬 Mohamad Moosavi 教授課題組。
他們的項目叫 MOF-ChemUnity，專注於具有碳捕獲潛力的材料研究，利用高級 AI 工具輔助科研分析與材料科學創新。2025 年 12 月，相關研究成果已正式發表在化學界頂級期刊《美國化學會志》(JACS)——這不是”在做”，是”已發表”。
除了 1 萬美元資助和前沿模型訪問權限，三人團隊還將獲得額外的研究 API 額度，並已確認於 6 月前往舊金山 OpenAI 總部參訪。OpenAI 選中他們的理由很明確：這三位展示了新興研究人員如何用 AI 工具突破傳統學術研究的效率邊界，推進硬核環保方向的科研。
Nolan Koblischke：用自然語言搜索 1 億張星圖
如果說化工三人組是在地球上解決問題，Nolan Koblischke 的視野就要遠得多——他在研究宇宙。
Nolan 是多倫多大學天體物理學博士生(2023-2028)，他的項目 AION-Search 是一個能對超過 1 億張天文望遠鏡圖像進行語義查詢的搜索引擎，讓天文學家能用自然語言去搜索那些幾乎無法靠人工識別的罕見天體。底層實現方式：用 GPT-4.1-mini 為近 30 萬張未標註的星系圖像生成描述信息，從而訓練出這個龐大的多模態搜索引擎。
成果不是停留在論文裡的概念：Nolan 已經用 AION-Search 識別出 36 個罕見星系，該工具目前正被用於研究暗物質的相關線索。他的研究方向一句話概括，就是”用於巡天搜索和發現的基礎模型”。
Adibvafa Fallahpour：3000+ 研究者，19 個國家，幾周之內
多大 AI 與計算機科學方向研究生 Adibvafa Fallahpour 做的事，落在藥物發現這個方向——精確來說，是蛋白質功能預測。
海量蛋白質的功能至今仍然未知，這是藥物發現的核心瓶頸之一。Adibvafa 和合作者(來自 UPenn 的 Parsa Idehpour，兩人通過”伊朗生物奧賽社區”結識)一起，在多大 Bo Wang 實驗室等機構支持下，做出了 BioReason Pro——一個蛋白質功能預測與多模態生物推理 AI 模型。
技術路徑：用 OpenAI API 從生物學數據中生成推理軌跡，再訓練出一個更小的模型，讓它能像科學家一樣對未見過的蛋白質進行推理。開源之後的傳播速度，有點驚人：短短幾周內，來自 19 個國家的 3000+ 研究人員開始使用。評估數據顯示，在 80% 的情況下，該模型預測的質量高於人類專家的注釋。
Seyone Chithrananda
在 OpenAI 官方實際公布的 37 人全球“Class of 2026”名單裡，Seyone Chithrananda 確實是入選者之一。
他因為早年構建了面向化學領域的語言模型 ChemBERTa(該模型在生物和化學研究中被廣泛應用)而獲得認可。有趣的是，Seyone 本人其實也曾就讀於多倫多大學，後轉入斯坦福大學。所以當前的機構歸屬未將他計算在多倫多大學內。
他們有什麼共同點?
回頭看這 6 個人，幾個特徵是共通的。
年輕、跨界、快速落地。 沒有人是”等論文發表了再說”——化工三人組已登 JACS，Nolan 已識別 36 個罕見星系，Adibvafa 的工具開源幾周就被 3000+ 研究者採用，Kyle 的邏輯是把鴻溝壓到最小。他們不是在紙上用 AI，是在做出來給人用。
把 AI 當工具，不把 AI 當目的。 這批人的項目核心是碳捕獲、暗物質、蛋白質、創業——AI 是他們解決真實問題的方式，而不是他們的研究對象本身。這個區別值得注意。
還有一個細節：Advocates 類別(搞社會影響的)，目前公開資料里沒有檢索到來自加拿大高校的學生。Advocates 里有秘魯街頭小販記賬、費城無家歸學生案例管理、20 萬盲人學生音頻教育遊戲——這些項目地理上更靠近美國和南美的社區議題。加拿大入選者集中在科研端，這大概也反映了多大和滑鐵盧本身的強項所在。
你身邊有沒有在用 AI 做類似跨界研究的年輕人?
