3月10日消息，谢赛宁宣布以联合创始人兼首席科学官的身份加入AMI Labs，并写道："AMI不是一个传统实验室，我们也不打算成为传统实验室。关于为什么这个时刻很重要，有太多可说的，但现在我们正埋头构建。"
谢赛宁是纽约大学Courant数学科学研究所计算机科学助理教授，此前同时担任Google DeepMind研究科学家（参与了Nano Banana图像生成模型团队）。在加入DeepMind之前，他在Meta的FAIR实验室（Facebook AI Research）担任研究科学家长达四年，直接在杨立昆的领导下工作。他的Google Scholar引用量超过9.8万次。
代表性研究贡献
谢赛宁是计算机视觉领域多个里程碑式架构的核心作者：
ResNeXt（2017）——与何恺明、Ross Girshick等合作提出，引入"基数"（cardinality）这一新维度来增强深度网络表征能力，成为图像分类的基础架构之一，论文被广泛引用。
ConvNeXt（2022）——一篇极具影响力的论文，系统性地将标准ResNet逐步"现代化"到Vision Transformer的设计空间，证明纯卷积网络仍能与Transformer正面竞争（ImageNet top-1准确率87.8%），在COCO检测和ADE20K分割上超越Swin Transformer。这篇工作重新点燃了学界对卷积网络的信心。
DiT（Scalable Diffusion Models with Transformers）——将Transformer架构引入扩散模型，成为后续图像/视频生成研究的重要基础。OpenAI的Sora据信参考了DiT的架构思路。 HED（Holistically-Nested Edge Detection）——早期代表作，提出深度监督的全卷积网络用于边缘检测，是计算机视觉经典工作。
他个人网站上列出的最新研究方向是世界模型，包括Solaris（在Minecraft中构建多人视频世界模型）等项目，这与AMI Labs的核心方向高度一致。
学术谱系："桃李满AI圈"
谢赛宁培养和指导的学生/实习生如今遍布AI行业核心位置：Bill Peebles（OpenAI Sora负责人）、Eric Mintun（OpenAI Sora团队）、Sanghyun Woo（Google DeepMind Nano Banana团队）、Zhuang Liu（普林斯顿教授）、Demi Guo（Pika联合创始人）、Norman Mu和Suppakit Waiwitlikhit（xAI）等。这个名单本身就说明了他在领域内的学术影响力和人才网络。
为什么是AMI Labs？
谢赛宁的研究理念与杨立昆高度一致。他在个人网站上写道："大多数人类和动物的知识来自感官体验及其与环境的交互。我相信实现人类级智能需要超越纯语言系统，走向直接从连续的真实世界感官输入中学习的世界模型。"
他与李飞飞团队在空间智能（Spatial Intelligence）方面也有深入合作，共同推进视觉-空间推理研究。在AMI Labs，他将负责世界模型的核心科学方向——这意味着他的研究重心正式从学术界的探索转向产业界的大规模实现。
从FAIR到DeepMind再到AMI Labs，谢赛宁的职业轨迹清晰地映射了AI视觉研究的演进方向：从图像分类（ResNeXt）到生成模型（DiT/ConvNeXt）再到世界模型——每一步都踩在了领域最前沿。
AI 速览
