12月30日，西湖大學發(fā)布消息，紐約州立大學石溪分校帝國創(chuàng)新教授凌海濱全職加入西湖大學，創(chuàng)立智能計算與應用實驗室。

2024年6月，在西雅圖召開的CVPR會議上，凌海濱偶遇了博士同窗鄭冶楓。彼時，鄭冶楓已決定全職加入西湖大學，正著手籌建醫(yī)學人工智能實驗室。

“海濱，我下個月就去西湖大學了?！编嵰睏鏖_門見山，“你要不要考慮一起回國？”

這句話，如同一枚石子，精準地投入了凌海濱平靜的心湖。在美國學術界深耕十五年，從博士生一路成長為資深教授，他確實開始思考人生的下一篇章。

鄭冶楓的邀請來得恰逢其時。

2025年3月，凌海濱初次踏進西湖大學的校園。在云谷校區(qū)，他背著重重的書包，快步穿行在實驗室之間，與一眾已經入職的PI深入交流，看到了正在建設中的實驗室、充滿活力的年輕面孔，凌海濱心中已然有了確切的答案。

2025年夏，紐約州立大學石溪分校帝國創(chuàng)新教授、IEEE Fellow凌海濱全職加入西湖大學工學院，受聘講席教授，牽頭創(chuàng)立智能計算與應用實驗室。

數學帶來的正反饋

這不是凌海濱第一次“換地方”生活了。

18歲之前，他跟隨父母，生活在貴州山區(qū)。談及家鄉(xiāng)的偏遠，凌老師擔心我們沒聽說過，特意補充道，黃果樹瀑布你們知道吧？我家就在附近。

貴州安順，60年代初，是國家三線建設中很多廠礦的所在地。為了支援國家建設，父母從祖籍湖南舉家搬遷至貴州，年幼的凌海濱在安順的工廠里度過了平靜的童年時光。父母投身于車間的忙碌，對他的學業(yè)顧不上太多。母親對成績比較關注，考試考不好，便會重重地批評幾句，但也僅限于此了。輔導學習是奢侈的，從解題到學習規(guī)劃，路徑都得靠自己摸索。

小學，老師在講解循環(huán)小數時，凌海濱提出一個困擾自己的問題：“1/3等于0.3的無限循環(huán)，三個1/3相加等于1，那么三個0.3的無限循環(huán)相加得到0.9的無限循環(huán)，它和1之間是什么關系？”受限于山區(qū)教育資源的匱乏，這個小小的追問，“難”倒了站在講臺上的年輕老師。

到了初中，凌海濱對數學的興趣逐漸變得清晰?！案杏X這東西有‘想頭’，像游戲一樣可以琢磨。”他這樣形容。解題的過程帶來直接的愉悅感，想出解題方法、考試獲得高分、得到老師表揚，形成了一個正向反饋循環(huán)。他用自己的研究領域做比喻：“在強化學習里，這叫獎勵機制。你嘗到甜頭，就更有動力投入，自然就越做越好。” 凌海濱并不將此歸結于特別的天賦，而相信是興趣加上一點努力所帶來的結果。

于是，晦澀難懂的數學題，成了他眼中有趣的游戲。憑著這股琢磨的勁頭和樂此不疲的練習，凌海濱自然而然地走向了數學競賽的道路。高三那年，他便拿到數學奧林匹克冬令營的資格，提前保送北京大學。

“當時，在北京大學和清華大學之間猶豫了一下，班主任的兒子在北京讀書，聽他說北大環(huán)境比較寬松，就選了北大。”凌海濱這樣描述選擇大學的原因，對大學、對北京的模糊概念，只能靠返鄉(xiāng)人帶來的一點點消息，就這樣，“小廠青年”懵懵懂懂地踏入了燕園。

從西南山區(qū)到未名湖畔，跨越的不僅僅是地理距離。

“第一學期數學摸底大考，班上幾個拿金牌的，半個小時交卷了，我到最后都沒做完。”他回憶道。當時北大每年都有學生因無法適應巨大的落差而陷入自我懷疑，嚴重的還會出現心理問題，凌海濱也去探望過生病的同學。談到如何面對落差，他說：“接受就好，只要自己努力了，能做到多少算多少，不需要勉強自己。”

這種“接受現實，專注當下”的態(tài)度，后來成為凌海濱面對許多人生選擇時的性格底色。

在熱門的浪潮外

在北大完成從數學到計算機的專業(yè)跨越后，凌海濱開始著手選擇博士研究方向。

2000年代初，當生物信息學憑借人類基因組計劃的東風成為學術界的絕對焦點時，他卻選擇了一個在當時看來頗為“冷門”的方向：如何教會計算機識別形狀多變的樹葉，屬于計算機視覺的研究范疇。

“那時候生物信息學有多熱？”凌海濱回憶道，“一位剛入職的教授，已經有幾十篇頂刊論文，也發(fā)了

Nature

凌海濱也曾嘗試接觸過這個熱門領域?！拔胰ヂ犨^那些課，但說實話，我聽不進去?！蹦欠N感覺，就像他后來描述的，有些問題雖然熱門，卻無法真正點燃他內心的好奇。一位剛找到教職的師兄坦誠相告：“學術界的熱點變得很快，你現在跟風，等四五年后畢業(yè)時，這個方向可能就不熱了?！?strong>因此，他選擇跟隨自己的興趣，研究樹葉識別這個“小而美”的問題。

博士期間，凌海濱跟隨導師與美國史密森尼博物館的植物學家合作，為野外考察的專家開發(fā)一個輔助工具：拍一張樹葉照片，就能快速鑒定它的種類。這個任務最大的挑戰(zhàn)在于樹葉形狀的復雜多變性。同一種樹葉，在不同季節(jié)、不同樹齡、甚至不同部位，其輪廓、大小以及是否帶有附屬的小葉片都有可能天差地別。傳統(tǒng)的圖像匹配方法在面對這種“非剛性形變”時，顯得力不從心。

如何為這些變幻無窮的樹葉形狀，找到一個穩(wěn)定、可靠的描述方法？

凌海濱最初的靈感，源于對“距離”這一基本概念的重新思考。他打了個比方：要描述一個形狀，最基本的就是描述其上各個點之間的關系，而點和點之間最直接的關系就是距離。但問題來了，如果直接用兩點間的直線距離（即歐式距離）來測量，結果會極其不穩(wěn)定——比如一片楓葉的兩個葉尖，當葉片卷曲時，它們在三維空間中的直線距離很近；當葉片舒展時，這個距離又變得很遠。計算機無法理解這其實是同一片樹葉。

很快，凌海濱找到了解題方法。他為“距離”加了一個巧妙的約束條件，創(chuàng)造性地提出了“內距離”這一概念。想象一下，你不是在空中測量兩個葉尖的直線距離，而是要求測量的尺子必須沿著葉片的內部來走。這樣一來，無論這片樹葉如何彎曲、折疊，只要它的拓撲結構沒變，那么其內部兩點間的“內距離”就保持了相對的穩(wěn)定性，更進一步，在此基礎上構建的形狀描述也能保持相對穩(wěn)定。無論樹葉在四季變化的影響下如何形變，計算機都能精準識別它們的種類。

這個始于“如何識別一片樹葉”的樸素思考，最終結晶為“內距離”理論，成為凌海濱叩開學術界大門的重要研究成果之一。而當時的他或許沒有料到，這把為解決樹葉識別而打造的“新尺子”，很快便量出了遠超實驗室圍墻的廣闊天地。

凌海濱在院子里種下一棵小樹

就在凌海濱博士畢業(yè)前后，生物信息學領域的教職市場開始趨于飽和，計算機視覺這個曾經相對“冷門”的方向，正開始積蓄變革的力量，逐步走向人工智能舞臺的中央。而幾乎在同時，他博士期間的研究竟意外地催生了全球第一款手機植物識別APP——LeafSnap。這款應用迅速走紅，被CNN等主流媒體報道，成為后來無數識花應用的先驅。一個始于興趣的研究，就這樣走進了千萬普通用戶的生活。

LeafSnap官網

這段經歷也成為了凌海濱學術生涯的一個隱喻。有時候選擇那條看似冷清的小路，反而可能通向更廣闊的風景。重要的或許不是追逐當下的熱點，而是找到那個真正能點燃你好奇心的問題。

巧解目標追蹤難題

博士畢業(yè)后，凌海濱便將“解題方向”聚焦在計算機視覺領域，主攻動態(tài)目標追蹤這一難題。這不僅是安防監(jiān)控中的關鍵技術，更是醫(yī)療影像、AR/VR手勢交互等諸多領域的底層支撐。

今年暑期熱映的電影《捕風追影》中，成龍飾演的老警察有一幕令人印象深刻。在監(jiān)控室面對數百個實時畫面，他僅憑嫌疑人變換服裝后的幾個細微動作，一個習慣性的聳肩、一次獨特的步態(tài)節(jié)奏，就能在人群中重新鎖定目標。這一出現在電影作品中的虛構情節(jié)，正是凌海濱團隊一直攻堅的難題所在：如何在動態(tài)變化的視頻中完成對目標物體的追蹤。

與電影中依賴經驗的刑警不同，現實中的技術挑戰(zhàn)要復雜得多。凌海濱團隊研究的是難度最高的“通用目標追蹤”：用戶隨手框選視頻中的任意物體，可以是一只鋼筆、一個水杯，亦或是人物的一片衣角，AI都必須能在后續(xù)每一幀中持續(xù)鎖定它，即使目標被他人遮擋、短暫地離開畫面再返回、甚至在光線劇烈變化的極端環(huán)境下，依然要保持穩(wěn)定追蹤。

這對人眼來說或許不算難，但對AI來說，卻需要大量的訓練和精確的測算。凌海濱解釋了其中的技術細節(jié)。

視覺目標追蹤的本質，是為動態(tài)目標建立一個不斷更新的 “坐標軸” 。在最簡化的場景中，假設人臉在畫面中的大小和比例固定，那么追蹤就可以簡化為尋找一個二維點（X, Y坐標）。此時，每一幀的任務就是從圖像中解算出這兩個數字。當目標結構更復雜時，坐標軸的復雜度會急劇上升。以追蹤手部關節(jié)為例，若定義16個關節(jié)點，每個點有X、Y坐標，那么每幀圖像就需要解算出32個數字。如果追蹤的是一件衣服就更難了，因為衣服是柔軟的，那就需要用10×10的網格來描述它的曲面，坐標軸方程就變成了200個數字（100個點×2），每幀畫面的計算量都會顯著上升。

更進一步，如果要追蹤一把已經進入患者體內的手術刀呢？不僅要追蹤它的位置，還要知道它的旋轉角度，那么狀態(tài)至少需要包含X、Y和旋轉角θ。在三維空間中，則需擴展為包含三維位置（XYZ）和三維旋轉的6個或更多變量。

因此，視覺追蹤聽起來通俗易懂，被影視作品演繹的神乎其神。但它并非一個單一的技術，而是一個根據目標屬性（點、剛體、柔性體）和應用需求（只需位置，還是需要全姿態(tài)）來定義不同復雜度，并持續(xù)通過圖像匹配來求解方程的系統(tǒng)性框架。

從鎖定屏幕上瞬息萬變的物體，到追蹤體內柔性的導管，目標跟蹤技術正在為機器賦予一雙能夠像人類一樣持續(xù)觀察的眼睛。早期依靠精確的數學模型，如今借助深度學習與大模型，凌海濱團隊讓AI學會了動態(tài)學習、軌跡預測與綜合判斷。他們的研究，讓機器之眼看得更深、更穩(wěn)，從而更懂這個充滿未知的動態(tài)世界。

凌海濱與學生合影

西湖新章

從石溪到西湖，并非一次簡單的職場轉換，而是一位頂尖學者在經過嚴謹的實地考察后，為自己學術人生的下一階段，主動選擇的最優(yōu)實驗場。

“傳統(tǒng)AI方向已非常成熟，真正的突破需要新的探索?！彼J為，像AI for Science，如量子計算這樣的長線探索，需要時間與寬容度?！霸谶@兒，我覺得有更多的自由度和包容性，學校也非常支持。”他希望在西湖，既能深耕計算機視覺追蹤等領域，也能從容拓展那些眼下未必出成果、但未來可能很重要的交叉方向。

凌海濱將自己的研究風格概括為“一體兩面”。一面是好奇心驅動的自由探索，喜歡做讓自己覺得有意思的、跟別人做法不一樣的東西，他享受學術界對“稀奇古怪想法”的包容。另一面則是問題驅動的務實求解。他主導的“智能投影”課題，讓投影儀擺脫白墻限制，智能補償復雜背景的色彩與幾何變形，未來可應用于博物館導覽、家庭助老等實際場景。

關于做研究，面對當下焦慮迷茫的年輕人，凌海濱給出的建議格外樸實：破除對“絕妙想法”的迷信。

“你能想到的，別人也能想到，關鍵是怎么把它做出來。”在他看來，重要的不是找到一個無人觸及的領域，而是在選定的方向上持續(xù)深耕，培養(yǎng)“往下深挖”的能力。這種在未知領域持續(xù)探索、直至解決問題的能力，才是科研訓練最核心的產出。

凌海濱與西湖大學智能計算與應用實驗室成員合影

從貴州山間到未名湖畔，從馬里蘭實驗室到西湖大學講臺，凌海濱始終保持著一種“自洽”的節(jié)奏。在他身上，那份始于一片樹葉的、對世界進行智能解析的好奇心，那份從數學中滋養(yǎng)出的精確與耐心從未褪色。

正如同里爾克在《給青年詩人的信》中所言：“耐心對待所有尚未解決的事情，試著去愛問題本身。”

如今，在西湖的山水之間，凌海濱正帶著這樣的心境繼續(xù)前行。不去追逐轉瞬即逝的風口，而是選擇深挖一口井，靜待泉涌之音從深處傳來。

個人簡介

凌海濱于1997年獲北京大學學士學位，2000年獲該校碩士學位，2006年獲美國馬里蘭大學帕克分校博士學位。其職業(yè)經歷包括微軟亞洲研究院助理研究員（2000–2001）、加州大學洛杉磯分校博士后研究員（2006–2007）、西門子研究院科學家（2007–2008）。2008年起任教于天普大學，先后擔任助理教授（2008–2014）和副教授（2014–2019）。2019至2025年任紐約州立大學石溪分校計算機科學系Empire Innovation教授，2025年加入西湖大學任人工智能講席教授。

學術成果

研究領域涵蓋計算機視覺、增強現實、醫(yī)學圖像分析、機器學習及AI for Science。曾獲ACM UIST最佳學生論文獎（2003）、美國自然科學基金CAREER獎（2014）、雅虎教授研究發(fā)展獎（2019）、亞馬遜機器學習研究獎（2019）及IEEE VR最佳期刊論文獎（2021）?，F任/曾任《IEEE模式分析與機器智能匯刊》（PAMI）、《IEEE可視化與計算機圖形學匯刊》（TVCG）、《計算機視覺與圖像理解》（CVIU）及《模式識別》（PR）等期刊編委成員，并長期擔任CVPR、ICCV、ECCV、ACM MM等人工智能頂級會議領域主席?，F為IEEE會士。

聯(lián)系方式

西湖大學智能計算與應用實驗室致力于開展人工智能及跨學科的研究與應用，研究方向包括計算機視覺，多模態(tài)人工智能，增強現實，AI for Science，量子信息等方向。課題組誠聘上述研究方向的博士后，博士生，科研助理和訪問學生。

電子郵箱:

wica-lab@westlake.edu.cn

編輯、審核：胡大可

版權聲明：本文由“TOP大學來了”綜合自“西湖大學人工智能系”，文章轉摘只為學術傳播，如涉及侵權問題，請聯(lián)系我們，我們將及時修改或刪除。