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)思考如何落地的時候，卻有這么一群人，他們每一次的技術革新都推動著世界經濟的發(fā)展，回顧2020年的人工智能行業(yè)，有哪些人物在歷史的畫卷中留下了濃墨重彩的一筆呢？

1、潘建偉

2020年12月底，中國科學技術大學宣布，該校潘建偉團隊與中科院上海微系統(tǒng)所、國家并行計算機工程技術研究中心合作，成功構建 76 個光子的量子計算原型機 “九章”。根據現有理論，在經典數學算法 “高斯玻色取樣” 任務中，“九章” 一分鐘完成的任務，超級計算機需要一億年。

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

“九章” 量子計算機算得上領先全球的超級計算機，并且也創(chuàng)下全球最新記錄，這一成果牢固確立了我國在國際量子計算研究中的第一方陣地位�；�于 “九章” 的高斯玻色取樣算法，未來其在圖論、機器學習、量子化學等領域具有重要的潛在應用價值。

2、朱文武

清華大學朱文武教授帶領的網絡與媒體實驗室發(fā)布了全球首個開源自動圖學習工具包：AutoGL （Auto Graph Learning）。該工具支持在圖數據上全自動進行機器學習，并且支持圖機器學習中最常見的兩個任務：節(jié)點分類任務（node classification）與圖分類任務（graph classification）。

AutoGL Solver 使用四個主要模塊自動化解決給定任務，分別是特征工程（Feature Engineering）、圖學習模型（Graph Learning Model）、超參數優(yōu)化（HPO），以及模型自動集成（Auto Ensemble），每個部分在設計時都引入了對圖數據特殊性的考慮。

3、屠可偉

屠可偉作為上海科技大學信息學院視覺與數據智能中心的負責人之一，其所領導的課題組在 Empirical Methods in Natural Language Processing （EMNLP 2020） 發(fā)表3篇主會論文以及4篇擴展論文集論文，展示了他們在自然語言處理領域的最新研究成果。

這 3 篇主會論文分別是提出了一種將正則表達式轉化為循環(huán)神經網絡的方法，研究了自然語言處理結構預測問題上的對抗樣本生成以及研究了序列標注問題的快速并行方法。

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

4、林宙辰

12月24日，北京大學機器學習研究中心林宙辰課題組在處理球面數據的神經網絡結構上取得進展。球面數據已經出現在越來越多的應用領域，如地球氣象數據、行星數據、無人駕駛、腦電信號等，人們也開始更加關注如何更好的設計球面卷積神經網絡，來處理這些球面數據。最容易想到的，也是最簡單的處理球面數據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據。

然而，這種直接的投影處理往往表現不佳，這主要是因為投影后，球面數據本身就會產生明顯的畸變，而且卷積網絡本身所具有的平移等變性會失效。為了解決這一問題，機器學習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網絡，相關工作被AAAI 2021接收。

5、顏水成

對于顏水成教授很多人也有不同的觀點，其從微軟到360，再到依圖，現在則有消息稱，顏水成教授已經去Shopee任職。對此，很多用戶表示存在諸多疑問，但具體消息依然得等待顏成水教授自己解答。

但不可否認的是，顏水成教授在人工智能領域做出的貢獻：

在新加坡國立大學期間，顏水成博士團隊提出的“Network in Network”（NIN）網絡結構的核心1x1卷積是近年來幾乎所有計算機視覺深度學習模型的標準模塊，在學術界和工業(yè)界影響深遠，其思想也被后期的GoogleNet、殘差網絡（ResNet）等模型所采用。

在企業(yè)階段，在360時，其圍繞360核心能力打造了三個AI引擎：運動引擎、視覺引擎、交互引擎；在依圖帶領團隊進一步夯實依圖在人工智能基礎理論和原創(chuàng)算法方面的技術優(yōu)勢，為依圖在商業(yè)化場景落地方面提供強有力的技術支持，并提出“算法即芯片”的理論。

6、侯金龍

自從2019年5月以來，華為不僅僅被美國列入實體清單，同時也被美國卡住芯片“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)現華為逐步將重心放置在華為云與計算方面：即便華為大力宣傳并布局5G、WiFi-6、光通信、機器視覺等領域，但最終的接入點依然是華為云。

而現任華為云與計算 BG 總裁的侯金龍，則不斷帶領華為云與計算 BG前行，而華為云與計算 BG也在2020年1月14日，正式升至華為第四大BG，與運營商BG、企業(yè)BG、消費者BG并行。

根據IDC第三季度數據顯示，華為服務器占全球市場份額為 4．9％，位居第五位，收入為 72 億元。2020 年 Q1 華為公有云市場份額為8．6％，位居第三位，收入18．5 億元。存儲業(yè)務位居全球市場第四位，市場份額為9．4％，收入為 41 億元。

7、陳天石

對于2020年來說，上市是一個新的起點，而寒武紀也同樣如此，其上市被稱為“AI 芯片第一股高光上市”，歷時68天便首發(fā)過會，到同意注冊前后也不過89天，寒武紀一路上通關速度也是相當快。

而寒武紀CEO陳天石的個人履歷，也讓寒武紀在IPO路上頗被資本市場看好，但因尚未盈利、對大客戶依賴程度高、商業(yè)化難落地等因素惹來部分質疑，募資亦未及預期。招股書中預計募資28．01億元，最終募資25．82億元，依股本計算發(fā)行后市值為257．62億元。

科創(chuàng)板上市首日，寒武紀發(fā)行價為64．39元／股，開盤大漲288．26％，盤中最高漲幅達358．15％，市值迅速沖破1000億元大關，截至收盤單日市值大增592．18億元。

按照寒武紀上市首日中午收盤市值860億計算，陳天石的身價已經達到280億元。

對于寒武紀來說，上市之后的日子并不好過——AI芯片要有落地的載體，才能產生價值。目前，主流的落地載體無非三個：終端、云端（即數據中心）和邊緣端。

但寒武紀主營業(yè)務的不確定性，以及激烈的市場競爭，讓寒武紀不得不面臨股東的質疑，而AI芯片作為一個快速增長中的市場，不管是云端、邊緣端還是終端，寒武紀處于一條足夠長的“雪道”上，陳天石的道路也一樣漫長。

8、王海峰

王海峰作為百度乃至中國的AI領軍人才，創(chuàng)造了AI科學家在產學研用的新高度。他是ACL首位華人主席，是百度大腦的技術中樞，更是把國產深度學習平臺飛槳推向大規(guī)模生產的百度CTO。在他治下，百度各項業(yè)務都在加速智能化。

在2020年，百度AI在CVPR、ACL等全球AI學術會議和競賽上，獲冠軍30多次，論文收錄260多篇；在人工智能專利申請量和授權量方面，百度以9364件專利申請和2682件專利授權處于中國第一位。

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，并加入李開復創(chuàng)辦的創(chuàng)新工場。

1999年，周明加入微軟亞洲研究院后，作為AI產學研結合的代表，周明在學術領域也取得了很高的成就，目前已經發(fā)表了200余篇重要會議和期刊論文（包括50篇以上的ACL文章），擁有國際發(fā)明專利60余項。

離職后，周明將加入李開復創(chuàng)建的創(chuàng)新工場，“以一種新方式尋求學術界和企業(yè)界合作之路”。

10、王學欽

12 月 16 日，中科大王學欽團隊研究成果發(fā)表于美國《國家科學院院刊》�，F代科技的發(fā)展，數據的收集越來越便利，然而現有的算法難以在上萬級別的實際問題中尋找到最優(yōu)子集。

針對線性回歸模型的基準問題 —— 最優(yōu)子集選取，中國科學技術大學管理學院教授王學欽團隊與美國耶魯大學公共衛(wèi)生學院教授張和平合作，利用排序和剪接的思想，結合一個新的信息準則發(fā)展出一種新的算法，使得算法在有限步內就能得到穩(wěn)定解。

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

小結：

2020年3月，科技部發(fā)布了《關于科技創(chuàng)新支撐復工復產和經濟平穩(wěn)運行的若干措施》，在重點舉措的“培育壯大新產業(yè)新業(yè)態(tài)新模式”中，明確提出要大力推動關鍵核心技術攻關，人工智能是其中的一項。同時，工信部在2020年3月的《關于開展產業(yè)鏈固鏈行動推動產業(yè)鏈協同復工復產的通知》中也提到，要加快人工智能等新基礎設施建設，加快制造業(yè)智能化改造。

由此可見當前我國對人工智能的希望和重托，但不可避免的是，目前我國人工智能領域的人才依然缺乏，如何彌補龐大的產業(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題。