深度｜華為 AI，迎來大變

新智元報道

編輯：艾倫

【新智元導讀】華為諾亞方舟實驗室主任王云鶴官宣離職。我們梳理了王云鶴的經歷。

王云鶴今日在朋友圈官宣，將辭去華為諾亞方舟實驗室主任職位，告別華為。

從 2025 年 3 月到今天，王云鶴恰好全面執掌了諾亞方舟實驗室整整一年。

華為諾亞方舟實驗室，是華為乃至中國的 AI 研究重鎮。

其人其事

王云鶴本科就讀于西安電子科技大學數學與應用數學專業，畢業后進入北京大學智能科學系攻讀博士學位，主攻深度學習、模型壓縮、機器學習與計算機視覺等方向。

2018 年，王云鶴博士畢業。

彼時，深度學習浪潮正席卷整個信息技術領域，模型壓縮（即如何以更少的參數和計算量實現相當精度）是業界最熱門也最緊迫的課題之一。

王云鶴在北大期間系統研究了這一領域，積累了若干學術成果，隨后順理成章地走向了離這些成果最近的產業出口。

華為諾亞方舟實驗室于 2012 年創立，隸屬于華為總研究組織「2012 實驗室」，是華為從事 AI 基礎研究的實驗室，研究領域覆蓋計算機視覺、自然語言處理、搜索與推薦、決策與推理、人機交互、AI 基礎理論等。

這里聚集著中國企業 AI 研究院中最高產的一批的論文產出者，也是在華為內部最接近「純研究」的一片土地——盡管「純研究」在任何一家以商業為根本的科技公司里，始終難逃周期性的質疑與審視。

博士畢業當年，王云鶴正式加入華為諾亞方舟實驗室，擔任高級工程師，并于 2020 年開始擔任該實驗室技術專家。

在這段積累期里，王云鶴并未讓自己的名字在論文列表里消失。

他參與提出的 GhostNet 輕量級神經網絡架構于 2020 年被 CVPR 接受，該架構可以在同樣精度下，速度和計算量均少于此前 SOTA 算法，成為業界引用頗廣的端側模型方案。

https://arxiv.org/pdf/1911.11907

與此同時，他參與研發的 AdderNet（加法神經網絡）在深度學習中以純加法運算代替乘法，理論上可大幅降低 AI 芯片的運算功耗，也在同年 CVPR 上以口頭報告形式發表，引發了不小的學術討論。

https://arxiv.org/pdf/1912.13200

兩篇論文在同一年同一頂會亮相，論文數量的密度令人印象深刻。

他已在相關領域發表 CCF-A 類學術論文 70 余篇，涵蓋 NeurIPS、ICML、CVPR、ICCV、IEEE TPAMI 等頂級會議與期刊，并曾擔任 NeurIPS 和 ICML 的領域主席，以及 VALSE 的高級領域主席。

70 余篇頂會論文，平均攤開來是每年將近 10 篇的節奏，這個數字在學術界無論如何都稱得上高產。

當然，高產既可以是深度思考的結晶，也可以是高效運轉的流水線。

這些論文幫助王云鶴在國內外 AI 學術共同體中建立了相當的可見度，為他日后更大舞臺的登場打下了足夠厚實的名片底色。

核心突破

王云鶴的研究路線，始終圍繞一個聽起來樸實、做起來極難的命題：如何在有限算力下讓AI跑得更快、更省。

這一思路與華為在芯片供應受限背景下的現實處境高度吻合——當高端 GPU 的獲取通道相繼收窄，算法效率的每一寸提升都不再只是學術指標，而是直接換算成可量化的戰略價值。

王云鶴就任華為算法應用部部長后，負責高效 AI 算法的創新研發以及在華為業務中的應用，并憑借「大幅提升算力的高效能乘法器和加法神經網絡」獲選華為第四屆「十大發明」。

華為「十大發明」是一項內部評選獎項，由華為自己設立、自己評審、自己頒發。

對于獲獎者而言，它代表著公司層面的高度認可。

這枚勛章幫助王云鶴在華為內部的晉升路徑上踩實了關鍵一步。

相比內部的榮譽，他與團隊在中國天眼上的工作更具說服力。

他和團隊開發的高效 AI 算法，應用于中國天眼 FAST 的觀測工作中，協助中科院國家天文臺專家發現了數百個新的快速射電暴樣本。

快速射電暴是宇宙中最神秘的瞬變現象之一，每次爆發僅持續數毫秒，在海量射電數據中如同大海撈針。

將高效算法嵌入基礎天文學研究，是一次真正意義上的學科跨界——在這里，王云鶴團隊的工作沒有商業 KPI 的框架，有的只是數據、信號與星空。

2023 年底，華為諾亞方舟實驗室與北京大學等機構聯合提出了「盤古 π」網絡架構，嘗試構建更高效的大模型架構，以解決 Transformer 架構中非線性能力不足的問題，顯著降低特征塌陷，王云鶴在此論文中署名第一作者。

https://arxiv.org/pdf/2312.17276

Transformer 架構自 2017 年提出以來，已成為幾乎所有大語言模型的骨干。

隨著模型規模的暴力擴張，深層特征趨于同質化的「特征塌陷」問題日益凸顯。

盤古 π 提出了新的激活機制與結構設計，在一定程度上為華為的盤古大模型系列提供了理論支撐，也在學術層面確立了王云鶴作為大模型架構研究者的位置。

第一作者的署名，將這篇論文與他的名字牢牢綁定——在競爭激烈的頂會發表圈，對第一作者之爭的敏感程度，往往不亞于商場里的利益博弈，只是后者更少被公開談論。

登頂掌舵

2025 年 3 月，華為諾亞方舟實驗室進行人事調整，原主任姚駿內部轉崗，實驗室主任一職由王云鶴接任。

姚駿

彼時，他年僅 33 歲。

在中國科技企業的管理層敘事里，「90 后掌門人」是一個被反復使用的修辭，兼具媒體友好度與人才自信的雙重功效。

王云鶴的晉升速度確實不慢：從 2018 年的博士應屆生，到 2025 年的實驗室主任，七年時間完成了從高級工程師到技術專家、再到算法應用部部長、最終執掌諾亞方舟的全程攀升。

這條路走得流暢，幾乎沒有停頓。

流暢的晉升路徑，有時意味著出色的能力，有時意味著精準的站位，有時兩者皆有，旁人通常難以精確區分。

王云鶴的崛起折射出中國科技企業的代際傳承規律。

相較于前輩學者型管理者，新生代技術領袖普遍具備「學術根基+產業實戰」的雙重基因。

他的前任姚駿曾主導盤古 α 的研發，在那個以參數規模論英雄的時代留下了清晰的歷史坐標。

而王云鶴接任之后，迅速以盤古大模型 5.5 系列的發布宣示了自己的存在。

他介紹，盤古 5.5 在長序列處理、低幻覺生成、自適應快慢思考、Agent 能力等方面進行了創新，重點面向企業級實用性與可控性。

這些技術關鍵詞排列在一起，構成了一份面面俱到的發布詞。

在自然語言處理領域，盤古發布了 718B 參數的超大 MoE 模型「Pangu Ultra」，由 256 個專家組成，激活參數量為 39B，借助「通算掩蓋」、「MoGE 專家路由」以及三明治架構等技術，實現了訓練效率、推理吞吐和模型精度的大幅提升。

718B 的參數量在大模型軍備競賽的數字譜系里已屬頂端。

從加法神經網絡到盤古 π，從 GhostNet 到天眼快速射電暴，再到接掌諾亞方舟，王云鶴的職業軌跡描繪出一條完美的上升曲線——技術積累、榮譽加冕、學術背書、組織掌舵，每一個節點都踩得恰到好處，每一次亮相都備好了可供引用的成果清單。

在一個需要不斷自我營銷的時代，這種精準的節奏感本身就是一種能力。

只是，一所真正意義上的基礎研究實驗室，最終檢驗的從來不是履歷的完整度，而是那些無法在新聞稿里被簡潔概括的、真正漫長而寂寞的科學貢獻。

據悉，王云鶴的下一站，是 Agent 創業。

諾亞方舟實驗室和王云鶴后續會誕生哪些變化，讓我們拭目以待。

參考資料：

https://www.linkedin.com/in/yunhewangpku/

https://scholar.google.com/citations?user=isizOkYAAAAJ&hl=zh-CN&oi=ao

https://www.zhihu.com/search?q=%E7%8E%8B%E4%BA%91%E9%B9%A4

https://www.zhihu.com/question/658401579/answer/2002073924675060532