突發｜華為諾亞方舟實驗室主任王云鶴離職

機器之心編輯部

今天，華為諾亞方舟實驗室主任王云鶴在朋友圈官宣離職。

2026 年以來，國內 AI 圈的一系列高層人事變動，正在宣告整個行業正在經歷一次深刻的結構性轉折。

王云鶴：一位華為老兵

王云鶴，生于 1991 年，本科就讀于西安電子科技大學數學與應用數學專業，2018 年博士畢業于北京大學智能科學系，主要研究方向包括深度學習、模型壓縮、機器學習、計算機視覺等。

他從北京大學畢業前便已經在華為諾亞方舟實驗室實習，畢業之后也自然加入其中，擔任高級工程師，之后陸續升任主任工程師和技術專家。

2021 年，他開始擔任華為算法應用部部長，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」。去年三月，王云鶴接班姚駿，擔任華為諾亞方舟實驗室主任。如今，王云鶴已經是一位在華為有 8 年多工作經歷的老兵了。

此外，王云鶴也是一位相當活躍的知乎答主，更是深度學習（Deep Learning） 話題的優秀答主。

王云鶴的研究與探索

作為一位資深研究者和工程師，王云鶴擁有非常亮眼的學術履歷，其谷歌學術引用量已經突破了 3.3 萬。

其中引用量最高的論文是與韓凱等人合作開發的 GhostNet—— 一種新型的端側神經網絡架構。

在這篇 CVPR 2020 論文中，韓凱、王云鶴等提出了一種全新的 Ghost 模塊，旨在通過廉價操作生成更多的特征圖。基于一組原始的特征圖，作者應用一系列線性變換，以很小的代價生成許多能從原始特征發掘所需信息的「幻影」特征圖（Ghost feature maps）。該 Ghost 模塊即插即用，通過堆疊 Ghost 模塊得出 Ghost bottleneck，進而搭建輕量級神經網絡 ——GhostNet。

在 ImageNet 分類任務上，GhostNet 在相似計算量情況下 Top-1 正確率達 75.7%，高于 MobileNetV3 的 75.2%。

論文地址：https://arxiv.org/abs/1911.11907

從其谷歌學術論文列表也能看出，王云鶴在 Vision Transformer 等前沿計算機視覺方向上成績斐然。在當前這股 Vision Transformer 研究熱潮中，他參與發表的綜述文章 A survey on vision transformer 引用量高達 5528 次，是該領域的重要參考資料 。

同時，他與團隊共同推出的 Pre-trained image processing transformer 以及 Transformer in transformer 兩項重要研究，引用次數均逼近 3000 大關。這系列工作系統性地優化了自注意力機制在視覺特征提取中的計算效率，極大推動了 Transformer 架構在視覺任務中的應用與普及。

而作為知乎深度學習話題的優秀答主，王云鶴也經常分享他對于 AI 核心架構等話題的見解。比如在今年 1 月 24 日，他在個人知乎賬號上發布了題為「對擴散語言模型開啟了一次深度思考」的文章。在這篇文章中，他深入探討了擴散語言模型在文本生成領域的潛力與面臨的技術瓶頸。

面對大模型時代的主流技術路線，王云鶴提出了獨到的見解。他回憶起多年前探討「Transformer 的下一跳是什么」時的場景，并指出：「Transformer 是一個量變到質變長期積累得到的范式」。對于目前備受關注的擴散模型，他認為：「diffusion 本身也不算 transformer 的下一跳，但是從建模方式上，可能有潛力會對自回歸帶來很大沖擊」。

在這篇技術分享中，他系統性地梳理了擴散語言模型當前面臨的 10 個核心挑戰與優化方向，涵蓋了推理高效的架構設計、更適配的詞表探索、更好的優化范式等多個維度。特別是在模型設計理念上，王云鶴強調：「最理想的 diffusion model 并不應該去 follow AR 現有的范式，應該像人思考一樣具有結構性」。

他提出，未來的 AI 模型設計可以借鑒人類多尺度思考的特點，探索具有層級聯系的詞表結構；此外，將離散擴散模型與視覺、語言及動作模塊在具身智能等場景下相融合，有望探索出更加統一的模型結構與訓練范式。

在最近王云鶴主導的論文《DLLM Agent: See Farther, Run Faster》中，其團隊探討了一個基礎但經常被忽視的問題：在智能體（Agent）框架、監督數據和交互預算完全相同的情況下，底層語言模型的生成范式（基于擴散的 DLLM 與基于自回歸的 AR）是如何深刻影響智能體的規劃、工具使用行為以及整體決策軌跡的。

論文地址：https://arxiv.org/abs/2602.07451

其提出的 DLLM 智能體可以實現更高效的全局規劃，在最終準確率相當的情況下，端到端速度更快，交互與工具調用更少，并減少了冗余與回溯。

結語

作為一名在華為效力 8 年有余的 AI 領軍人物，王云鶴的離職無疑是行業內的一大焦點。他從實習生一路成長為諾亞方舟實驗室主任，主導了多項具有國際影響力的底層算法創新。

如今，帶著對擴散語言模型與通用人工智能統一架構的深刻思考，他的下一段職業旅程將駛向何方，依然值得整個行業持續關注。