何恺明：写了21世纪被引最多论文的广东男孩
副标题：从高考状元到MIT教授，他写的每一行代码都定义了我们今天看到的AI
你今天打开ChatGPT，问它一个问题。
在它的神经网络深处，有一条细细的数据通路在运转。这条通路不处理你的问题内容，不涉及语义理解，不做任何”智能”的事情。它只做一件事——把上一层网络的原始输入，原封不动地复制到下一层。
它的名字叫残差连接（skip connection）。
如果没有这条”偷懒”的通路，ChatGPT的几百层Transformer根本训练不出来。
而这条通路，来自一篇2015年的论文。论文的第一作者——
一个广东男孩。那年他31岁。
2025年4月，《自然》杂志做了一件有意思的事。他们整合了五个数据库（Web of Science、Scopus、OpenAlex、Dimensions、Google Scholar），覆盖21世纪发表的数千万篇论文，问了一个问题：这25年里，地球上被引用次数最多的论文是哪一篇？
答案是《Deep Residual Learning for Image Recognition》。中文叫”深度残差学习”。圈内叫ResNet。
Google Scholar上，这篇论文已被引用超过31万次。
31万次是什么概念？爱因斯坦1905年那篇狭义相对论论文，被引大约1.8万次。克里克和沃森1953年的DNA双螺旋论文，被引大约1.5万次。21世纪所有学科所有论文——生物、化学、物理、经济、材料、临床医学——加起来，被引次数最多的那篇，是一个广东人在北京中关村的一个格子间里写出来的。
而更令人意外的是：这篇论文的核心idea，只有一句话。
“在输入和输出之间加一条短线。“
一、900分的人，选了更hard的模式
2003年夏天，广东高考放榜。
广州市执信中学有一个学生，标准分900分——满分。广东省那一年的9位满分状元之一。
这个学生叫何恺明。
但在此之前，他已经拿到了清华大学的保送资格。保送的专业是机械工程及自动化。全国物理竞赛一等奖拿到保送名额——这是无数高中生梦寐以求的”上岸”。
他做了什么呢？
他先去参加了高考，拿了满分。然后，放弃了保送的机械工程专业，选择了清华大学基础科学班。
（ps：基础科学班是什么？清华1998年成立的一个跨系跨学科尖子班。本科生要学物理系和数学系的大部分基础课程，同时接受科研训练。当年清华流传一句话：“基科班——清北之上，基科之下。“意思是基科班的难度在清华之上还有一层。这是全校最hard的模式。）
为什么放弃已经到手的保送专业，选一个更难的路？
何恺明自己从没解释过。但如果你看他后来所有的选择——你会发现这是他的一种本能。
不是选最难的。是选最本质的。
物理比机械更本质。数学比工程更本质。基础科学班是清华最接近”本质”的地方。他要去那里。
2003到2007年，何恺明在清华物理系基础科学班读了四年。连续三年拿清华奖学金。
2007年，还没毕业，他进入微软亚洲研究院（MSRA）视觉计算组实习。实习导师叫孙剑。
（ps：这个名字等一下会反复出现。记住他。他是中国计算机视觉领域最重要的导师之一。2022年，他突发疾病离世，年仅45岁。但在此之前，他带出了一整代改变了世界的人。）
那时候的何恺明，是一个物理学背景的本科生，对计算机视觉几乎一无所知。
但孙剑给了他一个方向：图像处理。
何恺明开始在MSRA尝试各种研究。尝试了很多方向，都不太成功。
然后有一天——
他打游戏。
二、打游戏打出的”暗通道”
2008年的某一天，何恺明在打一个3D游戏。游戏里有一个雾气弥漫的场景。他突然想到一个问题——
“有没有办法，从一张有雾的照片里，把雾去掉？”
这听起来像个游戏宅的奇思妙想。但它本质上是计算机视觉领域一个经典的开放问题：单幅图像去雾（single image haze removal）。
已有的方法都很复杂。需要多张图像。需要专门的硬件。需要对场景的先验知识。
但何恺明注意到一件事——
在玩了大量image matting（半透明物体边界提取）研究之后，他发现雾的方程和matting的方程非常相似。而他之前研究的matting框架可以直接迁移到去雾问题上。利用这个框架，只需要找到一个能局部估算雾的浓度的方法。
但关键不是框架。关键是找到一个本质规律。
他做了大量实验，观察了无数张无雾的自然图像。然后发现了一个令人惊讶的统计规律——
在无雾图像中，每一个局部区域，总会有至少一个颜色通道（R、G或B）的值非常低——接近于零。
大树投下的阴影。绿叶间隙的黑暗。纯色墙面某个通道的低值。这些东西在任何一张自然照片里都存在。
何恺明把这个现象命名为——暗通道先验（Dark Channel Prior）。
（ps：这个发现妙在哪里？它不是一个复杂的数学构造。它是一个你看到了就”啊！原来如此”的东西。它简单到可以被一句话描述，却强大到可以解决一个困扰领域多年的问题。这种”简单”——不是简陋，是本质。）
论文写出来了。何恺明和孙剑、汤晓鸥一起投稿。
但在投稿之前，孙剑做了一件导师该做的事。他没有让何恺明停在工程方案上。他说——
“继续研究，找到成功背后的本质原因。”
这句话刻在了何恺明的职业基因里。
2009年，CVPR（计算机视觉和模式识别大会）颁奖现场。最佳论文奖宣布——
《Single Image Haze Removal Using Dark Channel Prior》。
作者：何恺明、孙剑、汤晓鸥。
这是CVPR创办25年来，第一次有华人学者站在那个领奖台上。
何恺明那年25岁。
三、一条线改变了全世界
暗通道让何恺明在CV圈声名鹊起。但这只是序章。
2011年博士毕业后，他正式加入MSRA。接下来五年，他和他所在的视觉计算组——导师孙剑、搭档任少卿（中科大的90后）、后辈张祥雨（西安交大的90后），开始了一段中国计算机科学史上最具传奇色彩的创造期。
他们的战场是ImageNet——当时计算机视觉领域最顶级的竞赛，谷歌、英特尔、高通等全球巨头全都在抢冠军。
2014年，何恺明等人提出了SPPNet（空间金字塔池化网络），拿了ImageNet检测亚军。
2015年，他们提出Faster R-CNN——第一个真正”端到端”的目标检测系统，把物体检测的速度提升了100倍。
但最大的突破，是2015年底那篇改变一切的论文。
问题是这样的——
当时所有人都知道：更深的神经网络，理论上能学到更复杂的东西。但在实践中，当你把网络从20层加到56层，性能反而变差了。不是过拟合。是训练不出来。梯度在传播过程中消失了。
这个问题堵住了整个深度学习领域的天花板。
2014年Google推出了22层的GoogLeNet。2015年初牛津大学出了19层的VGG。大家都在20层上下打转。
然后何恺明和张祥雨、任少卿、孙剑一起，做了一个大胆的实验——
他们给网络里的每一块加了一条”短线”。输入直接跳到输出。网络不用从头学整个映射，只需要学”输入和输出之间的差异”。
“差异”= residual = 残差。这条线叫残差连接。
（ps：这个idea有多简单？你可以在白板上画出来。输入→卷积层→卷积层→加→输出。那条跳线把输入加到输出上。就这样。全世界最难的问题——怎么把网络做深——解决方案是一个加法操作。）
但就是这个不可思议简单的idea，让他们把网络推到了——
152层。
8倍深于VGG。复杂度更低。
2015年ImageNet大赛结果公布：
何恺明团队的ResNet-152获得了——分类冠军、检测冠军、定位冠军、COCO检测冠军、COCO分割冠军。五冠王。
击败了谷歌。击败了英特尔。击败了高通。击败了全世界。
2016年，这篇论文毫无悬念地获得了CVPR最佳论文奖。何恺明成为全球极少数两次获CVPR最佳论文的学者。
但最惊人的数据在后面。
这篇论文发表至今，Google Scholar被引超过31万次。它是Google Scholar 2020年和2021年报告中”五年内所有学科被引最多的论文”。2025年Nature综合五个数据库，给出的结论是：21世纪所有学科被引次数最高的论文。
不是计算机科学第一。是所有学科第一。
而且它的影响力远远超出了视觉领域。ChatGPT里的Transformer，最核心的组件之一就是残差连接。AlphaFold预测蛋白质结构，底层用了残差网络。语音合成、机器翻译、强化学习——任何需要”深度”的地方，都有ResNet那条短线。
21世纪的AI大厦是建在ResNet的地基上的。
四、“简单与本质”
ResNet之后，何恺明没有停下来。
- 2017年，Mask R-CNN——像素级实例分割，ICCV最佳论文（Marr Prize）。何恺明第三次拿顶会最佳论文。
- 2017年，Focal Loss——解决了密集物体检测中的样本不平衡问题，ICCV最佳学生论文。
- 2018年，Group Normalization——让小batch训练成为可能。
- 2019年，“Rethinking ImageNet Pre-training”——**他证明了一件反常识的事：不需要ImageNet预训练也能取得顶级结果。**整个领域的”常识”被他推翻了。
- 2020年，MoCo——自监督学习的新范式。
- 2021年，MAE——掩码自编码器，用”遮蔽还原”的简单思路做视觉预训练。CVPR最佳论文荣誉提名。
每篇论文，核心idea都极其简单。简单到让人觉得——“这么简单的东西，为什么之前没人想过？”
但这恰恰是何恺明和孙剑一脉相承的哲学。
2023年，未来科学大奖颁奖现场。何恺明、任少卿、张祥雨三人获得了数学与计算机科学奖。颁奖词是——
“通过引入深度残差学习对人工智能做出根本性贡献。”
但孙剑不在场。2022年6月，孙剑突发疾病离世，年仅45岁。
在颁奖发布会上，张祥雨说了一句话，让很多人记住了——
“简单和本质——这是孙剑和何恺明教我最重要的原则。”
这句话精准地概括了何恺明的方法论。
你去读ResNet论文，它没有复杂的数学推导。你去读Mask R-CNN论文，摘要第一句是”我们提出一个概念上简单、灵活且通用的框架（a conceptually simple, flexible, and general framework）“。你去读去雾论文，核心是一个统计观察——“无雾图像的局部区域总有暗像素”。
不是把问题搞复杂。是找到问题最本质的那个点，然后用最简单的方法击中它。
（ps：在这个行业里，大量论文在做加法——加一个模块、换一个激活函数、堆一种新技巧。何恺明做的是减法——去掉所有不是本质的东西，剩下那个one idea。某种意义上，他是AI界的奥卡姆剃刀。）
五、在所有人往外跑的时候，他回去了
2016年，何恺明离开MSRA，加入Facebook AI Research（FAIR），成为研究科学家。
在FAIR的8年里，他继续产出改变世界的工作——Mask R-CNN、MoCo、MAE，每一篇都在全球AI实验室里被反复实现和引用。
但2023年7月，他又做了一个”本质”的选择。
他在个人网站上宣布：将于2024年加入MIT电气工程与计算机科学系，担任副教授。
什么意思？他要从工业界回到学术界。
（ps：你知道现在全球AI人才的流动方向吗？是学术界→工业界。顶级AI教授被谷歌、Meta、OpenAI以千万美元年薪挖走。博士生还没毕业就被大厂预定。有人开玩笑说：“AI学术界正在被工业界掏空。”）
何恺明逆着这个趋势走了。
2024年2月，他正式加入MIT。同年7月获任Douglas Ross软件技术职业发展教授。2025年拿到终身教职（tenure），同时当选美国国家人工智能科学院Fellow，兼任Google DeepMind杰出科学家。
为什么回学术界？
他没有公开解释。但如果你理解他的逻辑——回到最本质的地方——你就会明白。
学术界是”为什么”的地方。工业界是”做什么”的地方。何恺明的天赋在”为什么”——找到那个最本质的问题，用最简单的方法回答它。
在MIT的官网上，他写下了自己的长期目标——
“构建能从复杂世界中学习表征和发展智能的计算机模型。长期来看，旨在用改进的AI增强人类智能。”
没有提到任何产品。没有提到任何商业应用。
他还是那个在执信中学选了”更难模式”的广东男孩。
六、时代注脚：中关村格子间里的”世界论文”
让我回到中关村。
2012年到2016年。微软亚洲研究院。视觉计算组。
这个组很小。四个人。何恺明、孙剑、任少卿、张祥雨。一台台电脑。一个又一个不眠夜。
他们写出了ResNet。这本论文后来被Nature认定为21世纪被引最多。
他们写出了Faster R-CNN——十年后拿了NeurIPS Test of Time Award。
他们写出的代码，后来跑在了世界上每一台训练大模型的GPU上。
但最让人感慨的不只是这些数字。
2023年未来科学大奖颁奖，孙剑已经不在了。45岁。他带出了何恺明，带出了任少卿，带出了张祥雨。他在MSRA的工位上写过无数论文审稿意见、辅导过数不清的实习生、说过那句后来被反复引用的”找到本质原因”。
但他的名字在2023年颁奖礼上被打上了括号——孙剑（已故）。
任少卿如今在蔚来汽车担任自动驾驶研发负责人。张祥雨在旷视研究院带领基础研究。何恺明在MIT。
一个北京格子间里走出来的四个人。各自在世界的不同角落，以不同方式，继续做同一件事——用最简单的方法，解决最本质的问题。
（ps：如果你问”中国AI最核心的竞争力是什么”，世界上大多数人会说是数据、市场、应用场景。但ResNet的故事回答了另一个维度——在中国本土，能不能产生定义全球AI发展方向的原创性工作？答案是可以。）
不是只有硅谷才能定义未来。中关村也可以。一个广东男孩证明了这一点。
七、暗通道
让我回到那个发现”暗通道”的时刻。
2008年的何恺明，坐在微软亚洲研究院的工位上，对着屏幕。他打的那个游戏，雾气弥漫，场景昏暗。
他注意到，在那些暗处——在那些看起来没有信息的地方——其实藏着最关键的信息。每一个局部，总有一个通道的值很低。这个”低”不是缺陷，它是一种结构。它告诉你：雾在哪里，光在哪里，距离在哪里。
最本质的东西，往往藏在最暗的地方。
这很像他做研究的方式。
ResNet那条跳线，太简单了——简单到最初有人怀疑”这也能work？“但它背后是对梯度传播本质的深刻理解。
Mask R-CNN那个”加一个分支”的idea，简单到”怎么之前没人想过”。但它解决了像素级分割最核心的空间对齐问题。
MoCo、MAE——每一个都是”一句话就能说清楚”的idea。
“简单和本质——这是孙剑和何恺明教我最重要的原则。”
2003年，一个广东男孩拿着900分的高考成绩单，放弃了保送的机械工程，选择了基础科学班。他在选最本质的路。
2009年，一个25岁的博士生站在CVPR领奖台上——不是因为他比所有人都聪明，是因为他在那个游戏里的雾气场景中，问了一个本质的问题。
2015年，一个31岁的研究员在北京中关村写出了21世纪被引次数最多的论文——不是因为他的数学比别人厉害，是因为他找到了梯度消失问题最简单、最本质的答案。
2025年，一个41岁的MIT终身教授，还在做同一件事——在”为什么”的问题上，找到那个最简单的解。
最本质的东西，从来不在光最亮的地方。你得去暗通道里找。
中美博弈大变局，百年未有新财富。
龙鹰镖局出品。
本文为《中国人工智能领军人物》系列第3期。上一期：姚期智——卖掉美国房子，只为培养中国的图灵奖得主。下期预告：汤晓鸥与孙剑——AI双子星与未完成的梦。