一个从印度小城走出的学生，凭什么能连续拿下国家级奖学金、进入顶尖实验室，最终成为微软研究院的核心成员？

「考试机器」的另一面

打开网易新闻 查看精彩图片

德文德拉·辛格·查普洛（Devendra Singh Chaplot）的履历像一份标准答案：NTSE国家奖学金、奥林匹克竞赛排名、印度理工学院计算机系、卡内基梅隆硕士加博士。

但这份履历的密度值得细看——NTSE是印度全国 Talent Search Exam，每年从百万中学生中筛选约1000人；IIT Bombay的计算机系录取率低于1%；而卡内基梅隆的机器人研究所，每年全球招生不足百人。

连续通关的背后不是运气，是一套可复制的路径：用竞赛建立早期信号，用顶尖平台获取资源密度，用博士阶段完成从解题到定义问题的跃迁。

从学术到产品的关键一跳

查普洛的研究方向是具身智能（Embodied AI）——让AI不仅理解世界，还能在物理环境中行动。这恰好是2023-2024年大模型落地的 hottest 赛道。

他在博士期间主导的 Habitat 模拟器项目，被 Meta 开源后成为行业标准工具。2022年加入微软研究院后，团队成果直接支撑了 Copilot 的视觉理解能力。

学术履历与产业价值的衔接点在这里：选择一个技术周期早期的领域，做出基础设施级别的工具，等待应用层爆发。

印度AI人才的「系统出口」

查普洛的路径并非孤例。IIT + 美国顶尖博士项目 + 硅谷/西雅图大厂实验室，已成为印度技术精英的标准路由。

这个系统的效率惊人：印度每年产出约150万工程毕业生，IIT体系筛选出前1%，其中再经海外博士项目精炼，最终进入全球AI核心研发层的人数，足以影响技术走向。

微软、谷歌、Meta 的 AI 研究部门中，印度裔负责人占比超过30%。这不是偶然，是三十年人才管道建设的结果。

查普洛的履历之所以被反复传播，是因为它验证了一个假设：在AI这样高度依赖人才密度的领域，个人奋斗与系统筛选的结合，仍能产生超额回报。