华为王云鹤离任诺亚方舟实验室，引发业界关注

首页

热心网友

转载

2026-03-28

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

机器之心编辑部

今天，华为诺亚方舟实验室主任王云鹤在朋友圈官宣离职。

2026 年以来，国内 AI 圈的一系列高层人事变动，正在宣告整个行业正在经历一次深刻的结构性转折。

王云鹤：一位华为老兵

王云鹤，生于 1991 年，本科就读于西安电子科技大学数学与应用数学专业，2018 年博士毕业于北京大学智能科学系，主要研究方向包括深度学习、模型压缩、机器学习、计算机视觉等。

他从北京大学毕业前便已经在华为诺亚方舟实验室实习，毕业之后也自然加入其中，担任高级工程师，之后陆续升任主任工程师和技术专家。

2024 年，他开始担任华为算法应用部部长，负责高效 AI 算法的创新研发以及在华为业务中的应用，并凭借「大幅提升算力的高效能乘法器和加法神经网络」获选华为第四届「十大发明」。去年三月，王云鹤接班姚骏，担任华为诺亚方舟实验室主任。如今，王云鹤已经是一位在华为有 8 年多工作经历的老兵了。

此外，王云鹤也是一位相当活跃的知乎答主，更是深度学习（Deep Learning）话题的优秀答主。

王云鹤的研究与探索

作为一位资深研究者和工程师，王云鹤拥有非常亮眼的学术履历，其谷歌学术引用量已经突破了 3.3 万。

其中引用量最高的论文是与韩凯等人合作开发的 GhostNet—— 一种新型的端侧神经网络架构。

在这篇 CVPR 2020 论文中，韩凯、王云鹤等提出了一种全新的 Ghost 模块，旨在通过廉价操作生成更多的特征图。基于一组原始的特征图，作者应用一系列线性变换，以很小的代价生成许多能从原始特征发掘所需信息的「幻影」特征图（Ghost feature maps）。该 Ghost 模块即插即用，通过堆叠 Ghost 模块得出 Ghost bottleneck，进而搭建轻量级神经网络 ——GhostNet。

在 ImageNet 分类任务上，GhostNet 在相似计算量情况下 Top-1 正确率达 75.7%，高于 MobileNetV3 的 75.2%。

论文地址：https://arxiv.org/abs/1911.11907

从其谷歌学术论文列表也能看出，王云鹤在 Vision Transformer 等前沿计算机视觉方向上成绩斐然。在当前这股 Vision Transformer 研究热潮中，他参与发表的综述文章 A survey on vision transformer 引用量高达 5528 次，是该领域的重要参考资料。

同时，他与团队共同推出的 Pre-trained image processing transformer 以及 Transformer in transformer 两项重要研究，引用次数均逼近 3000 大关。这系列工作系统性地优化了自注意力机制在视觉特征提取中的计算效率，极大推动了 Transformer 架构在视觉任务中的应用与普及。

而作为知乎深度学习话题的优秀答主，王云鹤也经常分享他对于 AI 核心架构等话题的见解。比如在今年 1 月 24 日，他在个人知乎账号上发布了题为「对扩散语言模型开启了一次深度思考」的文章。在这篇文章中，他深入探讨了扩散语言模型在文本生成领域的潜力与面临的技术瓶颈。

面对大模型时代的主流技术路线，王云鹤提出了独到的见解。他回忆起多年前探讨「Transformer 的下一跳是什么」时的场景，并指出：「Transformer 是一个量变到质变长期积累得到的范式」。对于目前备受关注的扩散模型，他认为：「diffusion 本身也不算 transformer 的下一跳，但是从建模方式上，可能有潜力会对自回归带来很大冲击」。

在这篇技术分享中，他系统性地梳理了扩散语言模型当前面临的 10 个核心挑战与优化方向，涵盖了推理高效的架构设计、更适配的词表探索、更好的优化范式等多个维度。特别是在模型设计理念上，王云鹤强调：「最理想的 diffusion model 并不应该去 follow AR 现有的范式，应该像人思考一样具有结构性」。

他提出，未来的 AI 模型设计可以借鉴人类多尺度思考的特点，探索具有层级联系的词表结构；此外，将离散扩散模型与视觉、语言及动作模块在具身智能等场景下相融合，有望探索出更加统一的模型结构与训练范式。

在最近王云鹤主导的论文《DLLM Agent: See Farther, Run Faster》中，其团队探讨了一个基础但经常被忽视的问题：在智能体（Agent）框架、监督数据和交互预算完全相同的情况下，底层语言模型的生成范式（基于扩散的 DLLM 与基于自回归的 AR）是如何深刻影响智能体的规划、工具使用行为以及整体决策轨迹的。