华为诺亚方舟实验室主任汪云鹤离职
3月28日，华为诺亚方舟实验室主任王云鹤在朋友圈宣布离职。
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 👈
网传截图显示，王云鹤写道：“8年了，准确来说是9年了（2017年北京第一个实习生），怀着不舍的心告别曾经奋斗过的地方。感谢领导们同事们一直以来的支持，让我在波涛汹涌的AI时代在世界上最好的平台之一得以快速成长”。
公开信息显示，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。
2017年，王云鹤曾进入华为诺亚方舟实验室实习，2018年毕业后加入诺亚方舟实验室担任高级工程师，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。2025年三月，王云鹤接班姚骏，担任华为诺亚方舟实验室主任。
网传截图
在朋友圈的离职官宣中，王云鹤并未透露接下来的去向。科技媒体量子位获悉，此番出走，王云鹤将投身Agent创业，已在进行水下融资。
值得注意的是，王云鹤的名字，此前曾出现在盘古大模型风波的舆论中心。
2025年7月，一项发布于GitHub的研究称，华为推出的盘古大模型（Pangu Pro MoE）与阿里巴巴发布的通义千问Qwen-2.5 14B模型在参数结构上存在“惊人一致”，引发外界强烈关注。
随后，华为诺亚方舟实验室发布声明，称盘古Pro MoE开源模型是基于昇腾硬件平台开发、训练的基础大模型，并非基于其他厂商模型增量训练而来，在架构设计、技术特性等方面做了关键创新，是全球首个面向昇腾硬件平台设计的同规格混合专家模型，创新性地提出了分组混合专家模型（MoGE）架构，有效解决了大规模分布式训练的负载均衡难题，提升训练效率。
声明指出，盘古Pro MoE开源模型部分基础组件的代码实现参考了业界开源实践，涉及其他开源大模型的部分开源代码。“我们严格遵循开源许可证的要求，在开源代码文件中清晰标注开源代码的版权声明。这不仅是开源社区的通行做法，也符合业界倡导的开源协作精神。我们始终坚持开放创新，尊重第三方知识产权，同时提倡包容、公平、开放、团结和可持续的开源理念。”
相关攻略
网易汽车3月25日报道鸿蒙智行旗下家庭智慧旗舰SUV问界M8正式发布年度焕新版本，核心升级集中在智能驾驶感知硬件、外观配色及续航版本，同步推出问界M8 Max增程长续航版，最新起售价36 98万元，
“关山初度尘未洗，策马扬鞭再奋蹄。”在最新披露的2025年经营情况中，华为以一句略带进取意味的表述，为这一年的经营状态定调。3月31日晚间，华为在正式对外发布了2025年整体业绩情况。数据显示，20
4月21日OPPO将联合哈苏举办一场影像新品发布会，其中Find X9 Ultra和Find X9s Pro两款旗舰同台亮相，Pad Mini、Watch X3 Mini、Enco Clip2等新品
【CNMO科技消息】4月1日，有数码博主爆料称，华为WatchBuds2将于本月正式上市。作为华为首款智能手表与无线耳机二合一产品的迭代款，WatchBuds2在延续创新设计的同时，对耳机与手表功能
今日要闻速览1、苹果拟引入长江存储为国行iPhone供货，破解韩系垄断2、TCL 与索尼收购案落地，成立合资公司 Bravia Inc3、华为鸿蒙手机能养龙虾了！小艺 Claw 开启众测4、Clau
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展，由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计，配备液态金属蓝涂装与2+2座舱，设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统，百公里加速约2秒，设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU，与8GB版同步上市。两者均基于Blackwell架构，核心规格相同，仅显存容量不同。此举旨在缓解GDDR7芯片供应压力，为OEM提供灵活配置，加速笔记本产品布局，更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54，售价分别为2499元和6299元。均采用第四代WOLED面板，具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz，高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元，同比增长8 1%；净利润13 61亿元，同比增长0 4%。公司预计第二季度收入环比增长14%至16%，毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性，并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能，其背后都离不开人工智能（AI）技术的驱动。通常，AI模型的训练逻辑是：向模型展示大量“低质图像”与“优质图像”的配对数据，让它学习如何将前者转化为后者。然而，天津大学计算机视觉团队近期发表的一项研究（arXiv:2604 08172）揭