华中大“天才少年”入职不到一年，让数千万台华为手机用上新技术！

2019年，左鹏飞、钟钊

2020年，张霁、姚婷

  2021年， 廖明辉、武敏颜

3年时间里

华中科技大学为华为公司

输送了6位“天才少年”

华中科技大学的“天才少年”

在华为干得如何？

近日，小科就了解到其中

本科就读于华中科技大学软件工程专业

钟钊的工作近况

华为这样评价他的工作——

他在深度学习爆炸的年代，冷静判断趋势，敢于投身主流研究领域之外的新兴方向AutoML。他是业界最早提出可实用网络模型结构搜索算法的研究者之一，创建了国内第一代AutoML算法，并在TPAMI、 CVPR、 NIPS、 ICLR、ICCV等顶级期刊会议发表了多篇论文。他执着地想做能work的research。

入职不到一年，他就带领团队把AutoML技术应用到数千万台华为手机上，做到了在业界第一次将AutoML大规模商用的突破。第二年，他又带领团队研发端到端像素级AutoML流水线，成功将视频摄影原型算法的复杂度降低百倍，再次突破业界与学术界的极限。

钟钊（白衣居中）在华中科技大学与同学合影

钟钊（居中）团队合影

钟钊博士毕业照

WoW！

小科不禁为他获得的成绩

发出感慨！

太强了！！！

就让我们跟着

师兄钟钊的成长脚步

一同探索

学在华中大

建设大中华

的华中大故事

种下一颗种子，繁衍成一片森林

——立志做能work的research，撼动业界的技术革新

讲述/钟钊

文/黄颖玲

春天，万物复苏，草长莺飞。在田间地头，在车水马龙的城市里，蜿蜒的溪流，巍峨的大山，到处充满了春天生机盎然的气息。春天，是播种希望的季节。

01

在春天，种下一颗种子

那年还在华中科技大学读本科的我，在实验室里做科研助理，第一次接触到人工智能算法，就对这个领域很感兴趣。大概那时候，我开始在心底埋下了一颗小小的种子。读博期间，经过一段时间的学习和科研实践以后，我发现做深度学习或者智能算法的过程中，多数工作是在一个现有的大框架下小修小改，而且看似精妙的人工智能算法，本质上还是统计学、数据科学等传统科学的结合和再创造，并不像电影里呈现出来的人工智能会战胜人类那样的“聪明”。

当时还有人调侃：有多少AI工程师就有多少智能，搞AI的都是调参侠。我懵懂的感觉局限在完全靠人来做AI算法这条路可能再走10年就走不通了。那时候刚好是AutoML（Automated Machine Learning）的“文艺复兴”，特别是工业界认为，我们不能一直仅依靠人类专家的先验知识做人工智能，或许通过自动化算法和强大的算力，我们能发现人类专家都无法想到的优秀算法和模型。这个在当时与主流研究领域不那么一致的新兴方向AutoML——用算法来设计算法，深深地吸引了我。

02

汲取养分，种子扎根生长了

2018年，我受邀去美国参加CVPR（IEEE Conference on Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议）做千人主会场的口头会议报告。遇到华为的与会人，他们提到华为也正在布局AutoML这个技术（2018年，AutoML技术逐渐进入试商用加速阶段，工业界各大厂商纷纷开始布局），希望我能加入一起合作。回国以后，华为的工作人员邀请我到北京研究所作交流，这就见到了现在的部门主管，还记得他给我描绘道：华为是有能力自己造AI芯片的，芯片都是 “沙子”做的，华为做AI的成本可以很低，你可以有无穷的算力和各式各样的落地场景……这是当时最触动我的，并让我最终决定加入华为的原因。因为如果有足够强的算力与平台支持，以及众多真实的业务场景来实践验证，我们从研究到应用再到创造价值就会更加畅顺。

加入华为后，我专注在多媒体业务相关的研究创新，概括地说，就是用智能技术构建媒体内容从生成、编码、传输、处理、识别与分析、呈现等一系列过程中的核心竞争力，图像、视频、音频、AR（Augmented Reality，增强现实）、VR（Virtual Reality，虚拟现实）等都是我现在的部门所涵盖的范畴。我现在研究的智能技术主体是AutoML，就是自动化机器学习，还包括新型算子和动态网络等。简单来讲，AutoML就是用人工智能的方式来写AI算法，用AI来设计AI。

我做研究的目标很简单，就是要在真实的业务里——做能work的research（有用的研究），这也是我的长期愿景。

03

向下扎到根，沐风栉雨，终将破土而出

入职后不久，我们团队就接到一个巨大的挑战。手机拍照的竞争力一直是手机产品线关注的重点。由于手机上的光源器件很小，但是又需要它达到单反相机的效果，所以我们部门一直在努力研究如何用算法来弥补光学的不足，实现手机拍照超越单反拍照的效果。

2019年，M手机决定要上线我们部门的一个重要的拍照算法，但是当时M手机的拍照算法包含了一个很大的AI模型，虽然拍照效果很好，但功耗、出图速度一直不能达到产品交付标准，这严重影响了整个产品的交付进度。

当时我的导师，也是部门最顶级的专家提出让我们AutoML团队来解决这个难题，通过AutoML技术在保证拍照出图效果的前提下，把算法简化下来，满足产品功耗、速度等指标的要求。这是一个看似不可能完成的任务！关于功耗速度问题，之前已有好多算法专家努力了很久，都没有完全解决，我们可以吗？还有AutoML这个技术虽然在学术界很火，但是还从来没有在业界大规模商用过，我们可以吗？我们团队刚组建，大家都是新兵蛋子没经验，我们可以吗？但是俗话说，箭在弦上，不得不发。在这么关键的时刻，这么重要的项目，部门能果断让我们上，是给我们机会，我们不能辜负信任，必须顶住压力迎难而上。

作为AutoML研究组的leader，我必须带领好大家完成这个挑战目标。而此时正是“天时地利人和”，“天时”是因为虽然AutoML是一个很新的热门技术，但部门对这个技术高度重视，投入了大量资源；前期我们也和兄弟部门——媒体工程技术实验室的同事们验证了方向的可行性，为后续的研究打好了基础。“地利”是指在过去的一年，我在华为实习期间已经积累了一定的AutoML算法研究，并构建了基础计算平台雏形，这颗“种子”正待春暖花开时破土而出。“人和”就是我们团队的小伙伴虽然都很年轻，但是都非常努力，而且专业能力也很强、很团结。后来经过将近一个月的实践，我们就从一些数值指标中看到了实实在在的成果和进步，大家的信心也越来越强了。这是一个循序渐进、良性循环的过程。

通过两个月的拼搏，我们的攻关取得了显著成效，一个近乎不可能的目标竟然这么快就实现了！2019年到2021年，我们的拍照算法在M、P系列多款手机中不断取得突破，可以说我们的AutoML这套系统或者说算法都发挥了不可替代的作用。

我们团队也真正做到了在业界第一次将AutoML大规模商用，把这个技术应用到数千万台华为手机上，极大地提升了用户体验。

团队攻关成功后举杯相庆

04

枝繁叶茂，生生不息

我相信社会在发展，人类在进步，技术的极限也可以不断被突破。AutoML的研究和应用任重道远，我和团队的小伙伴们也在不断接受新的挑战。很快我们又接到了新的攻关任务——将视频摄影算法的复杂度降低100倍，让Demo的视频效果能真正在手机上实时地跑出来。

如果说之前M系列手机的问题是一个“看似不可能”完成的任务，那么将Video做100倍的简化，简直就是“完全不可能”实现的挑战！我接到这个任务的第一个反应就是：这实在是太难了，领导只会下任务，不考虑实际情况嘛。100倍，这不可能！业界学术界一般的压缩加速类算法只能做到2-3倍。如今既没有理论基础的保证，也没有前人探索的积累，我们只能自己摸着石头过河！

三个月后，当小伙伴们带着自己新的idea、demo回来，再次碰撞时，果然有了新的视角和突破。很快，我们构建了一整套全新的AutoML pipeline，从数据生成开始到模型设计、训练调参、压缩量化，整个流程都由AutoML来驱动，端到端的每一模块都进行了优化，终于得到了极致性能和效果的模型。通过这一整套技术的处理，自动化设计出的模型比之前人设计的基础模型小了100倍，但仍能达到不错的成像效果！这个技术已经部分地应用在了最新的手机里，并且会全量落到未来的终端旗舰产品中。

目前AutoML技术已成为部门的核心公共能力，也支持了视频、ARVR、河图等众多媒体的关键业务。同时我们也注重AutoML算法和框架在公司内部开源，目前已经与 Cloud-EI 等部门合作共建，形成了公有云服务AutoSearch，帮助公司多个业务部门的算法工程师提升算法效力。现在AutoSearch已经成为云上的第三大常用AI引擎，占云上总训练任务的10%以上。

特别值得一提的是，前两年，我们即使在业务非常繁忙的时候，仍然保持对动态网络和新算子的基础研究工作，这些研究成果部分发表后，也得到了学术界的认可。在基础研究探索和解决实际问题工程实战这两个看似间隔很大的方向上，我们做到了“反复横跳”，这是我们实现能work的Research的必经之路。我不希望我们的探索和创新束之高阁，我希望亲手将研究落地到产品中，真正给人类带来价值。

实现AutoML的初步商用落地，这只是我们终极目标中的一个阶段性目标，未来十年，随着技术的迭代成熟，算力的进一步增长，我们希望AutoML能真正实现自动化，解放生产力，更长远来看，我们希望AutoML能够真正脱离专家干预，超越人类设计。这就是我想要做的能work的research！

为在各个领域不断突破的

华中大人

点赞！