隨著人工智能在近幾年的發(fā)展，人工智能從所謂的PPT走向了落地，然而在眾多企業(yè)思考如何落地的時(shí)候，卻有這么一群人，他們每一次的技術(shù)革新都推動(dòng)著世界經(jīng)濟(jì)的發(fā)展，回顧2020年的人工智能行業(yè)，有哪些人物在歷史的畫(huà)卷中留下了濃墨重彩的一筆呢？

1、潘建偉

2020年12月底，中國(guó)科學(xué)技術(shù)大學(xué)宣布，該校潘建偉團(tuán)隊(duì)與中科院上海微系統(tǒng)所、國(guó)家并行計(jì)算機(jī)工程技術(shù)研究中心合作，成功構(gòu)建 76 個(gè)光子的量子計(jì)算原型機(jī) “九章”。根據(jù)現(xiàn)有理論，在經(jīng)典數(shù)學(xué)算法 “高斯玻色取樣” 任務(wù)中，“九章” 一分鐘完成的任務(wù)，超級(jí)計(jì)算機(jī)需要一億年。

“九章”成為世界級(jí)重大科研成果，也讓被媒體譽(yù)為中國(guó)“量子之父”的中國(guó)科技大學(xué)教授、中科院院士潘建偉成為“頂流明星”。

“九章” 量子計(jì)算機(jī)算得上領(lǐng)先全球的超級(jí)計(jì)算機(jī)，并且也創(chuàng)下全球最新記錄，這一成果牢固確立了我國(guó)在國(guó)際量子計(jì)算研究中的第一方陣地位�；�于 “九章” 的高斯玻色取樣算法，未來(lái)其在圖論、機(jī)器學(xué)習(xí)、量子化學(xué)等領(lǐng)域具有重要的潛在應(yīng)用價(jià)值。

2、朱文武

清華大學(xué)朱文武教授帶領(lǐng)的網(wǎng)絡(luò)與媒體實(shí)驗(yàn)室發(fā)布了全球首個(gè)開(kāi)源自動(dòng)圖學(xué)習(xí)工具包：AutoGL （Auto Graph Learning）。該工具支持在圖數(shù)據(jù)上全自動(dòng)進(jìn)行機(jī)器學(xué)習(xí)，并且支持圖機(jī)器學(xué)習(xí)中最常見(jiàn)的兩個(gè)任務(wù)：節(jié)點(diǎn)分類(lèi)任務(wù)（node classification）與圖分類(lèi)任務(wù)（graph classification）。

AutoGL Solver 使用四個(gè)主要模塊自動(dòng)化解決給定任務(wù)，分別是特征工程（Feature Engineering）、圖學(xué)習(xí)模型（Graph Learning Model）、超參數(shù)優(yōu)化（HPO），以及模型自動(dòng)集成（Auto Ensemble），每個(gè)部分在設(shè)計(jì)時(shí)都引入了對(duì)圖數(shù)據(jù)特殊性的考慮。

3、屠可偉

屠可偉作為上海科技大學(xué)信息學(xué)院視覺(jué)與數(shù)據(jù)智能中心的負(fù)責(zé)人之一，其所領(lǐng)導(dǎo)的課題組在 Empirical Methods in Natural Language Processing （EMNLP 2020） 發(fā)表3篇主會(huì)論文以及4篇擴(kuò)展論文集論文，展示了他們?cè)?span id="zhvdtjj" class='hrefStyle'>自然語(yǔ)言處理領(lǐng)域的最新研究成果。

這 3 篇主會(huì)論文分別是提出了一種將正則表達(dá)式轉(zhuǎn)化為循環(huán)神經(jīng)網(wǎng)絡(luò)的方法，研究了自然語(yǔ)言處理結(jié)構(gòu)預(yù)測(cè)問(wèn)題上的對(duì)抗樣本生成以及研究了序列標(biāo)注問(wèn)題的快速并行方法。

EMNLP是自然語(yǔ)言處理領(lǐng)域三大頂級(jí)會(huì)議（ACL、EMNLP 和 NAACL）之一，在國(guó)際上享有很高的聲譽(yù)，根據(jù)Google Scholar Metrics，在人工智能領(lǐng)域所有期刊與會(huì)議中排名前十。EMNLP 2020的論文錄用率為22％。

4、林宙辰

12月24日，北京大學(xué)機(jī)器學(xué)習(xí)研究中心林宙辰課題組在處理球面數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)上取得進(jìn)展。球面數(shù)據(jù)已經(jīng)出現(xiàn)在越來(lái)越多的應(yīng)用領(lǐng)域，如地球氣象數(shù)據(jù)、行星數(shù)據(jù)、無(wú)人駕駛、腦電信號(hào)等，人們也開(kāi)始更加關(guān)注如何更好的設(shè)計(jì)球面卷積神經(jīng)網(wǎng)絡(luò)，來(lái)處理這些球面數(shù)據(jù)。最容易想到的，也是最簡(jiǎn)單的處理球面數(shù)據(jù)的方法就是把它投影到二維平面上，然后用平面卷積處理投影后的數(shù)據(jù)。

然而，這種直接的投影處理往往表現(xiàn)不佳，這主要是因?yàn)橥队昂�，球面�?shù)據(jù)本身就會(huì)產(chǎn)生明顯的畸變，而且卷積網(wǎng)絡(luò)本身所具有的平移等變性會(huì)失效。為了解決這一問(wèn)題，機(jī)器學(xué)習(xí)研究中心林宙辰課題組提出基于偏微分算子的等變球面卷積神經(jīng)網(wǎng)絡(luò)，相關(guān)工作被AAAI 2021接收。

5、顏水成

對(duì)于顏水成教授很多人也有不同的觀點(diǎn)，其從微軟到360，再到依圖，現(xiàn)在則有消息稱(chēng)，顏水成教授已經(jīng)去Shopee任職。對(duì)此，很多用戶(hù)表示存在諸多疑問(wèn)，但具體消息依然得等待顏成水教授自己解答。

但不可否認(rèn)的是，顏水成教授在人工智能領(lǐng)域做出的貢獻(xiàn)：

在新加坡國(guó)立大學(xué)期間，顏水成博士團(tuán)隊(duì)提出的“Network in Network”（NIN）網(wǎng)絡(luò)結(jié)構(gòu)的核心1x1卷積是近年來(lái)幾乎所有計(jì)算機(jī)視覺(jué)深度學(xué)習(xí)模型的標(biāo)準(zhǔn)模塊，在學(xué)術(shù)界和工業(yè)界影響深遠(yuǎn)，其思想也被后期的GoogleNet、殘差網(wǎng)絡(luò)（ResNet）等模型所采用。

在企業(yè)階段，在360時(shí)，其圍繞360核心能力打造了三個(gè)AI引擎：運(yùn)動(dòng)引擎、視覺(jué)引擎、交互引擎；在依圖帶領(lǐng)團(tuán)隊(duì)進(jìn)一步夯實(shí)依圖在人工智能基礎(chǔ)理論和原創(chuàng)算法方面的技術(shù)優(yōu)勢(shì)，為依圖在商業(yè)化場(chǎng)景落地方面提供強(qiáng)有力的技術(shù)支持，并提出“算法即芯片”的理論。

6、侯金龍

自從2019年5月以來(lái)，華為不僅僅被美國(guó)列入實(shí)體清單，同時(shí)也被美國(guó)卡住芯片“脖子”，但即便如此，華為依然不斷前行。但值得注意的是，隨著華為的發(fā)展及布局，不難發(fā)現(xiàn)華為逐步將重心放置在華為云與計(jì)算方面：即便華為大力宣傳并布局5G、WiFi-6、光通信、機(jī)器視覺(jué)等領(lǐng)域，但最終的接入點(diǎn)依然是華為云。

而現(xiàn)任華為云與計(jì)算 BG 總裁的侯金龍，則不斷帶領(lǐng)華為云與計(jì)算 BG前行，而華為云與計(jì)算 BG也在2020年1月14日，正式升至華為第四大BG，與運(yùn)營(yíng)商BG、企業(yè)BG、消費(fèi)者BG并行。

根據(jù)IDC第三季度數(shù)據(jù)顯示，華為服務(wù)器占全球市場(chǎng)份額為 4．9％，位居第五位，收入為 72 億元。2020 年 Q1 華為公有云市場(chǎng)份額為8．6％，位居第三位，收入18．5 億元。存儲(chǔ)業(yè)務(wù)位居全球市場(chǎng)第四位，市場(chǎng)份額為9．4％，收入為 41 億元。

7、陳天石

對(duì)于2020年來(lái)說(shuō)，上市是一個(gè)新的起點(diǎn)，而寒武紀(jì)也同樣如此，其上市被稱(chēng)為“AI 芯片第一股高光上市”，歷時(shí)68天便首發(fā)過(guò)會(huì)，到同意注冊(cè)前后也不過(guò)89天，寒武紀(jì)一路上通關(guān)速度也是相當(dāng)快。

而寒武紀(jì)CEO陳天石的個(gè)人履歷，也讓寒武紀(jì)在IPO路上頗被資本市場(chǎng)看好，但因尚未盈利、對(duì)大客戶(hù)依賴(lài)程度高、商業(yè)化難落地等因素惹來(lái)部分質(zhì)疑，募資亦未及預(yù)期。招股書(shū)中預(yù)計(jì)募資28．01億元，最終募資25．82億元，依股本計(jì)算發(fā)行后市值為257．62億元。

科創(chuàng)板上市首日，寒武紀(jì)發(fā)行價(jià)為64．39元／股，開(kāi)盤(pán)大漲288．26％，盤(pán)中最高漲幅達(dá)358．15％，市值迅速?zèng)_破1000億元大關(guān)，截至收盤(pán)單日市值大增592．18億元。

按照寒武紀(jì)上市首日中午收盤(pán)市值860億計(jì)算，陳天石的身價(jià)已經(jīng)達(dá)到280億元。

對(duì)于寒武紀(jì)來(lái)說(shuō)，上市之后的日子并不好過(guò)——AI芯片要有落地的載體，才能產(chǎn)生價(jià)值。目前，主流的落地載體無(wú)非三個(gè)：終端、云端（即數(shù)據(jù)中心）和邊緣端。

但寒武紀(jì)主營(yíng)業(yè)務(wù)的不確定性，以及激烈的市場(chǎng)競(jìng)爭(zhēng)，讓寒武紀(jì)不得不面臨股東的質(zhì)疑，而AI芯片作為一個(gè)快速增長(zhǎng)中的市場(chǎng)，不管是云端、邊緣端還是終端，寒武紀(jì)處于一條足夠長(zhǎng)的“雪道”上，陳天石的道路也一樣漫長(zhǎng)。

8、王海峰

王海峰作為百度乃至中國(guó)的AI領(lǐng)軍人才，創(chuàng)造了AI科學(xué)家在產(chǎn)學(xué)研用的新高度。他是ACL首位華人主席，是百度大腦的技術(shù)中樞，更是把國(guó)產(chǎn)深度學(xué)習(xí)平臺(tái)飛槳推向大規(guī)模生產(chǎn)的百度CTO。在他治下，百度各項(xiàng)業(yè)務(wù)都在加速智能化。

在2020年，百度AI在CVPR、ACL等全球AI學(xué)術(shù)會(huì)議和競(jìng)賽上，獲冠軍30多次，論文收錄260多篇；在人工智能專(zhuān)利申請(qǐng)量和授權(quán)量方面，百度以9364件專(zhuān)利申請(qǐng)和2682件專(zhuān)利授權(quán)處于中國(guó)第一位。

9、周明

周明曾在微軟亞洲研究院工作21年，但在2020年12月選擇從微軟離職，并加入李開(kāi)復(fù)創(chuàng)辦的創(chuàng)新工場(chǎng)。

1999年，周明加入微軟亞洲研究院后，作為AI產(chǎn)學(xué)研結(jié)合的代表，周明在學(xué)術(shù)領(lǐng)域也取得了很高的成就，目前已經(jīng)發(fā)表了200余篇重要會(huì)議和期刊論文（包括50篇以上的ACL文章），擁有國(guó)際發(fā)明專(zhuān)利60余項(xiàng)。

離職后，周明將加入李開(kāi)復(fù)創(chuàng)建的創(chuàng)新工場(chǎng)，“以一種新方式尋求學(xué)術(shù)界和企業(yè)界合作之路”。

10、王學(xué)欽

12 月 16 日，中科大王學(xué)欽團(tuán)隊(duì)研究成果發(fā)表于美國(guó)《國(guó)家科學(xué)院院刊》�，F(xiàn)代科技的發(fā)展，數(shù)據(jù)的收集越來(lái)越便利，然而現(xiàn)有的算法難以在上萬(wàn)級(jí)別的實(shí)際問(wèn)題中尋找到最優(yōu)子集。

針對(duì)線性回歸模型的基準(zhǔn)問(wèn)題 —— 最優(yōu)子集選取，中國(guó)科學(xué)技術(shù)大學(xué)管理學(xué)院教授王學(xué)欽團(tuán)隊(duì)與美國(guó)耶魯大學(xué)公共衛(wèi)生學(xué)院教授張和平合作，利用排序和剪接的思想，結(jié)合一個(gè)新的信息準(zhǔn)則發(fā)展出一種新的算法，使得算法在有限步內(nèi)就能得到穩(wěn)定解。

同時(shí)，他們證明了在一定條件下，依大概率，該算法具有多項(xiàng)式的時(shí)間復(fù)雜度，而且能夠選出最優(yōu)子集。

小結(jié)：

2020年3月，科技部發(fā)布了《關(guān)于科技創(chuàng)新支撐復(fù)工復(fù)產(chǎn)和經(jīng)濟(jì)平穩(wěn)運(yùn)行的若干措施》，在重點(diǎn)舉措的“培育壯大新產(chǎn)業(yè)新業(yè)態(tài)新模式”中，明確提出要大力推動(dòng)關(guān)鍵核心技術(shù)攻關(guān)，人工智能是其中的一項(xiàng)。同時(shí)，工信部在2020年3月的《關(guān)于開(kāi)展產(chǎn)業(yè)鏈固鏈行動(dòng)推動(dòng)產(chǎn)業(yè)鏈協(xié)同復(fù)工復(fù)產(chǎn)的通知》中也提到，要加快人工智能等新基礎(chǔ)設(shè)施建設(shè)，加快制造業(yè)智能化改造。

由此可見(jiàn)當(dāng)前我國(guó)對(duì)人工智能的希望和重托，但不可避免的是，目前我國(guó)人工智能領(lǐng)域的人才依然缺乏，如何彌補(bǔ)龐大的產(chǎn)業(yè)集群中人才短板的難題，或許是行業(yè)下一步需要面臨的問(wèn)題。