0
他們不僅乘上了 AI 的浪潮，更創造了浪潮本身。
2007 年，顏水成飛赴南洋，第一次踏上新加坡的土地，走進新加坡國立大學（NUS）的校園。彼時，他將從美國伊利諾伊大學厄巴納-香檳分校（UIUC）結束博士后生涯，與導師黃煦濤（Thomas Huang）教授辭別，進入找教職的階段。
1995 年，顏水成考入北京大學數學系后本碩博連讀，博士期間一直在微軟亞洲研究院（MSRA）實習，由時任副院長的張宏江博士指導。他對計算機視覺和多媒體分析十分癡迷，畢業后先去往香港中文大學多媒體實驗室（MM Lab）跟隨后來的商湯創始人湯曉鷗教授做博士后研究，一年半之后又赴美國伊利諾伊大學厄巴納-香檳分校（UIUC），師從華人視覺鼻祖黃煦濤（Thomas Huang）教授做博士后。在黃煦濤的建議下，他在找教職時，將目標瞄準了亞洲的高校，先后面試了 NTU 與 NUS 兩所新加坡大學。兩個學校都面試順利通過了。
顏水成在新加坡待了一個星期，給自己充分的時間來考慮最終去向。
最后要離開的前一天，他去到 NUS 的校園里，走走停停，來到未來辦公室旁邊的一處山坡，上面立著一棵枝繁葉茂的大樹。顏水成就站在那棵樹下，俯瞰著遠處開闊的城市，感嘆著“這個地方真是太美了”，便定下了來 NUS 的想法。
那時的他沒有想到，后來在 NUS 扎根下來，自己也長成了一棵枝繁葉茂的“大樹”，他與學生們之間的故事也從這里展開。
顏水成
三十出頭的顏水成意氣風發，很快著手組建了機器學習與視覺實驗室（NUS-LV Lab），并定下了一個頗有野心的目標：
讓全世界都知道新加坡NUS-LV Lab是一個世界一流的計算機視覺研究團隊！那幾年，整個實驗室都處于全力向前高速奔跑的狀態。顏水成對自己和對學生都要求極高，每周一對一的交流從不間斷，學生第一篇稚嫩的論文會被他批得體無完膚。深夜時 MSN 上彈出來一條消息“Hi”，學生們就知道一場深夜討論要來了，他們很驚詫，怎么導師比他們年輕人還能熬夜。正是在這樣一種師生齊心的勁頭下，每個學生最后都達到了顏水成對他們“well-trained”（受過良好訓練）的期望。
到了 2010 年，顏水成團隊在全球范圍內已經名聲漸起，他開始琢磨，“光寫文章還不行”，還要走到國際計算機視覺比賽的舞臺上，跟全世界企業和高校的團隊一較高下。他將目光瞄準了這一年的 Pascal VOC 挑戰賽。那時候，由歐盟組織的 Pascal VOC 是最熱門且含金量最高的視覺比賽，而李飛飛在同年發起的 ImageNet 挑戰賽，才剛剛起步。
這一年的主力是 2009 年入學的博士生陳強。陳強本科畢業于中國科學技術大學，其后在上海交通大學讀碩士，在將視覺識別研究應用在安防領域的過程中，他深感傳統的機器視覺技術無法真正解決識別問題，決定繼續讀博探索這個方向。陳強的碩士導師劉允才教授也曾師從黃煦濤，便把陳強推薦到了同門顏水成的門下。
陳強
陳強具有很強的解決問題的思維，而且對打比賽充滿激情，若是在比賽中獲得冠軍，也能更好的實踐自己的理論研究。
因為在識別任務上有經驗，陳強就專攻 Pascal VOC 的分類子項（Classification）。經過半年的準備，顏水成團隊首戰告捷，成為最早在該比賽中奪冠的亞洲團隊。值得一提的是，顏水成在打比賽方面的傳承實際是繼承于黃煦濤。黃煦濤極其喜歡Pascal VOC和ImageNet兩個比賽，曾多次奪得冠軍。在 NUS，傳承也從陳強那里開始了。
在首次出戰的這一年，顏水成門下進來兩位新學生——董健和夏威，他們也加入了之后的比賽隊伍，并連續兩年奪冠。董健本科畢業于中國科學技術大學，與師兄程斌和陳強均是校友。董健編程能力很強，本科時出于業余愛好，曾開發過百萬下載量的游戲。也正是在游戲開發中，產生了對 AI 的濃厚興趣，決定跟從在AI領域有著深厚背景的顏水成。
董健
夏威與董健是同住了四年的室友。夏威本科在華中科技大學數理實驗班就讀，在系里劉文予教授的實驗室里做科研訓練，參與過華科和朱松純老師在湖北創立的蓮花山實驗室的一些合作項目，為后面在NUS開展正式的視覺研究打下了一些基礎。
顏水成（左）、夏威（右）
2011 年的 Pascal VOC，陳強和董健在這一年作為主力做物體分類子項，再次拿到了分類子項的冠軍。這一年的物體分割子項（Segmentation）則由夏威主導，成績位列第三名。那時團隊也開始做檢測任務，而各個任務之間都相互關聯，尤其是在深度學習之前，做分割需要分類和檢測任務中很多傳統機器學習算法的支持，所以夏威也同時輔助做其它子項的比賽。這是深度學習到來的前夜。（暢聊加：lionceau2046）
02投身深度學習的第一次勝利
如果說 2010 年的冠軍是顏水成團隊的一個小高峰，那么在 2012 年，他們則經歷了一個徹底的大轉折——全面轉向深度學習。Pascal VOC 挑戰賽在 2012 年迎來收官之戰。董健和夏威作為主力，分別攬下了分類和分割兩個賽道的冠軍。至此，顏水成團隊在分類子項上實現三連冠，總共拿下四個冠軍。這也是傳統視覺算法最后的輝煌。而另一邊，同期舉行的 ImageNet 挑戰賽終于在這一年大放異彩。包括顏水成在內的所有人都沒有預料到，一輪新的人工智能熱潮會在那里被掀起。2018 年圖靈獎得主、時任多倫多大學教授的 Geoffrey Hinton 團隊提出深度卷積神經網絡 AlexNet，在 ImageNet 挑戰賽上一舉奪魁，深度學習的大潮由此拉開序幕。顏水成是“AlexNet時刻”的見證者之一，他和組里的學生都大為震動。雖然那時團隊在全球視覺比賽的舞臺上已經屢獲佳績，但他們驚訝地發現，自己所用的傳統方法與深度學習這個“新物種”相比，竟能有這么大的 Gap。
顏水成對神經網絡非常熟練，早在2000年，他就采用神經網絡給北京一家企業做經濟指標的預測模型，產品上線后客戶反饋效果特別好。當時，Data-adaptive kernel 這樣的想法他就曾在傳統神經網絡上嘗試過。面對深度學習帶來的巨大性能提升，顏水成果斷下了決定：這是歷史性的變革，ALL-IN！。自此，顏水成整個實驗室的研究方向和工作重點都完全轉到了深度學習，是繼 Hinton 等先驅者之后第一批開始深度學習探索的實驗室之一。
同時基于新加坡的優勢，顏水成的實驗室應該也是亞洲最早擁有百卡級NVIDIA GPU的大學實驗室。顏水成在多年后告訴雷峰網：“我不太相信某一代技術能解決所有問題，新一代技術出現一定能帶來更大的機會。所以我保持著隨時清零的心態，新東西如果真的好，那我就會馬上把它往前推動。”正是這種心態，使得顏水成在之前的子空間、稀疏表示/低秩矩陣的兩次浪潮中都收獲頗豐，都有單篇引用過千的論文， 這一次則輪到了深度學習。他的學生后來都十分感激當時顏水成的決斷：“最重要的是當時顏老師的技術視野。方向選擇對了，打比賽拿名次就是水到渠成的事兒。”決定轉型后，一個專門小組很快就成立了，為轉戰 2013 年的 ImageNet 挑戰賽做準備。
顏水成把復現 AlexNet 的任務交給了組里 11 級博士生林敏。
林敏
林敏從北京大學元培班畢業，讀生物科學專業，喜歡寫些代碼。進入 NUS 后，林敏先去了一個生物實驗室輪轉。那段時間，林敏白天做生物實驗，晚上寫代碼，同時在網上學吳恩達的機器學習課程。后來他覺得二選一才能更專注，于是干脆轉計算機。
然而，新舊事物之間并不總能迅速而平滑地更替，很多團隊都在試圖復現并超越 AlexNet，顏水成團隊在這一年的分類任務上采取的方案，是在復現的基礎上加以部分改動，同時沿用傳統的方法。也就是說，是一個“大雜燴”。最終第二名的成績，象征了傳統視覺時代最后一次并不優雅的掙扎。而對“大雜燴”不很滿意的林敏，也想要做一個全新的深度網絡出來。問題是，這個網絡要做成什么樣？顏水成下了一個命題：做減法。在當時計算資源非常受限的大背景下，要用最小的資源達到最優的性能。從這個目標出發，林敏負責網絡架構的設計，陳強則從視覺應用的角度與林敏討論數據量的規模。他們最后提出了著名的網絡結構 NIN（Network in Network），首次使用了 1×1 卷積。1×1 卷積這個絕妙的設計，是林敏的一次“妙手偶得之”。在構思網絡結構那段時間，林敏在一次課上突然出現自發性氣胸，住院一周。不過這絲毫未耽誤他的進度，他沒想到的是，躺在醫院病床上的那一周，靈感全都迸發了出來。他讀到了“生成對抗網絡（GAN）之父” Ian Goodfellow 在那年發表的一篇論文。這篇論文提出名為 Maxout 的網絡，在線性變化之外添加 Max（求最大值） 操作，從而改進了以往的常規卷積網絡。林敏思來想去，尋到了 Maxout 在當時具有最高識別率的原因所在，那就是有了 Max 操作后，它就比廣義線性模型更復雜了。他想到，如果再往前推進一點呢？能不能把它變得更復雜一些？比如，在每一個卷積層后面再添加一個 MLP（多層感知器）卷積層。
Network in Network在最后實現的時候，他才驚喜地發現，太巧妙了，這正是 1×1 的卷積！加上一層 MLP 后，可以全連接地輸出同樣數量的特征圖，不必改變輸出的尺寸，卷積層之后又緊跟著神經元激活函數，所以在減少參數的同時，網絡變深了，效果也進而得以提升。2014 年，NIN 的“考試”來了。董健和林敏作為主力，以 NIN 作為主干網絡，在 ImageNet 檢測子項“使用訓練數據進行訓練”場景上獲得了冠軍。NIN 的勝利不止于此。當時實驗室的另外一個博士生劉洛麒，正在想辦法將深度學習應用到人臉領域。有了 NIN 的加持，很快他就將當時人臉識別和人臉檢測最權威的基準 LFW 和 FDDB 的性能，刷到了當時世界最好的成績。
劉洛麒
同年，谷歌大腦團隊推出的 GoogLeNet 也從 NIN 汲取靈感，采用 1x1 卷積，拿到了檢測任務中“使用額外訓練數據進行訓練”場景的冠軍，他們自稱network in network in network。當時谷歌大腦的總監 Vincent Vanhoucke 和大神Jeff Dean在賽后當即給顏水成團隊發了郵件表示祝賀。
不僅是 GoogLeNet，2015 年的冠軍 ResNet 也使用了 1x1 卷積。NIN的核心1x1卷積成為后來幾乎所有 CNN 模型變體的基礎模塊，極大地促進了深度學習的發展。Network in Network 的名字，背后還有一個小故事。顏水成和林敏通過郵件來回溝通了好幾輪，其中有一個名字能縮寫成MIN，很貼合林敏的名字，但全名不是很直白，最后顏水成建議Network in Network, 兩人都覺得形象生動，就拍板下來了NIN（您）。后來2014比賽演講的標題就設成了 NIN Good (您好)!投身深度學習浪潮的三年以來，這是顏水成和他的學生們真正意義上的第一次勝利。
03技術落地大潮來臨
時間來到 2015 年。八年過去，顏水成在計算機視覺領域聲名鵲起，團隊每年在視覺頂會上的文章接受量非常耀眼。在視覺之外，他在多媒體領域的研究成果同樣十分突出。從首次獲得 Pascal VOC 冠軍開始的四年里，顏水成團隊開始收獲他們在國際多媒體頂級會議 ACM Multimedia （ACM MM）上的獎項大滿貫：2010 年最佳論文獎、2012 年最佳技術演示獎、2013 年最佳論文獎和最佳學生論文獎。論文和獎拿多了，自然會想做些不一樣的事情。首先做出技術落地嘗試的是夏威。
2012 年，一直盤算著創業的他，在打完分割任務的比賽后突發奇想，想將人體分割與分析（human parsing）技術用來落地，比如一鍵換衣、拍照搜衣服同款等。他專門跑去商學院修了一門創業課，帶著創業項目申請了新加坡的一個 20 萬新幣的創業基金，但在倒數第二輪被斃掉了。沒拿到錢的夏威頗為失意，也在這時有了日后去硅谷創業的念頭。接著在第二年，顏水成帶著他的一位博士生黃君實去阿里巴巴訪問半年，并將他們的算法應用在在阿里電商平臺上，協助第一個實現了拍照搜服飾同款的功能。看到技術真的變成了商業系統，他感覺打開了一片新的天地，也埋下了對技術落地的憧憬。
黃君實
2015 年，顏水成真正覺得，時候到了。
這一年是整個視覺領域的轉折點。孫劍在 MSRA 帶領何愷明、張祥雨、任少卿憑借 ResNet 在 ImageNet 奪冠，掀起了一波更大的深度學習浪潮。機器學習的研究路子徹底成了實驗科學，所謂“大力出奇跡”，誰有數據、算力，誰就是王道，而王道就掌握在工業界的少數幾個巨頭手中。一時間，許多學術界的頂尖學者開始奔向工業界，既是向往企業的“大力”，也是為了尋找技術落地的機會。吳恩達被余凱說服，在 2014 年去往百度任首席科學家。李飛飛則在 2016 年從斯坦福大學離職加入谷歌，孫劍也在這一年加盟曠視。有趣的是，吳恩達、余凱、李飛飛、孫劍等人與顏水成都是76年前后生人。他們經歷了同樣的時代：大學期間經歷了90年代互聯網浪潮的興起；攻讀博士時在AI低谷期的沉淀，反而成為了他們在AI時代到來時最寶貴的財富；當在各自領域深耕數年，學術研究已經達到了一個上限的時候，他們不約而同選擇在技術落地上進行下一個突破。他們相互影響，成就了彼此。
就在這個時候，有“紅衣教主”之稱的奇虎 360 董事長周鴻祎正在醞釀成立一個 AI 研究院，并從北京向顏水成拋來了橄欖枝。幾乎每家老牌互聯網大廠，都在那時紛紛投資深度學習，AI 研究院成為標配。顏水成在視覺研究上的耀眼履歷自不必說，他的團隊在比賽中多次奪冠，強大的技術研發與實踐能力是周鴻祎尤為欣賞的地方。而從顏水成的視角，他看中的是 360 的場景。他那時發現，360 做智能硬件對視覺技術的需求很大，軟硬件結合會是視覺的一個大趨勢。此外，搜索、廣告、金融、直播等AI和大數據緊密結合的應用場景，360也都兼而有之。這對于他和學生們來說，是一個大好機會。從學術界功成身退的顏水成就此北上，帶著學生投身業界第一站，開始了技術落地的故事。
如何在企業做 AI 研究院？顏水成定義了一個下限和上限。下限，是支持好內部業務，這也是研究院的立命所在。“哪里有 AI需求，我們就沖上去。” 這是顏水成所稱的“萬金油打法”。上限，是用技術去驅動甚至創造一個新業務和行業，在彼時的360，這項新業務就是IoT。顏水成很快轉向“在商言商”的實用主義思維，將視覺研究置于商業邏輯的閉環內，與團隊協同作戰，打大仗。為打造智能硬件產品，顏水成與學生以及研究院的幾十位研究員們，度過了許多個加班加點的攻堅之戰。到 2018 年，他們已將人臉識別、語音識別、SLAM 等技術落地在非常多產品上。這年的雙十一前夕，顏水成在 360 產品發布會上，推出 6 大“安全”智能硬件新品，以總價不足 3500 元的低價殺入了 IoT 市場，業界驚呼“性價比逆天”。對于顏水成來說，這是一次了不起的轉身。
顏水成在2018年10月30日 360 產品發布會上
決策智能也是顏水成技術落地的場景之一。這年 12 月，360 金融在納斯達克敲響上市鐘，顏水成的團隊在大數據智能風控方面提供了支持。360 的廣告、推薦業務也由深度學習技術作支撐。
除了技術落地，技術本身的升華也未間斷。2017 年，顏水成帶領 360 與 NUS 的聯隊提出雙通道網絡 DPN，在 ImageNet 挑戰賽上獲得冠軍，為這個舉辦了八年的賽事畫上了圓滿的句號，同時也成為PASCAL VOC和ImageNet 兩項賽事收官之戰的雙料冠軍團隊。這次的靈魂人物是顏水成的學生陳云鵬，DPN的提出者，后來他也拒絕了Facebook的offer跟隨顏水成來到中國。除了極高的準確率之外，DPN 的最大特點是低能耗，將 ResNet 的計算量降低了 57%，在實測中提速高達 300%。這其實也是結合工業界落地需求的必然結果。IoT 產品對資源利用率要求非常高，DPN 作為一個更輕量級的視覺模型，讓 360 在視覺理解的賽道上邁出了更大一步。步入 2019 年，顏水成感覺在 360 使命已畢，決意開始新的征程。
2018 年師門聚會：左起劉洛麒、董健、夏威、顏水成、陳強、黃君實、程斌（手機中照片為林敏）
他與學生們也就此暫別。
此時，林敏已于 2017 年11 月舉家飛往加拿大，在深度學習“三巨頭”之一Yoshua Bengio 的Mila實驗室做博士后，繼續學術上新的探索。陳強離開的腳步比顏水成稍快了一些。念鄉情的他回到老家上海，加入了“下沉市場三巨頭”之一趣頭條 ，在那里帶AI算法團隊。彼時他相信，互聯網還有“增長”這個故事可講。董健則在顏水成離開后繼續留在了 360。由于對工程和業務落地更感興趣，董健選擇離開研究院，轉而領導360智能工程部，負責公司級的AI基礎設施建設和中臺化AI能力輸出，支持搜索、推薦、廣告、金融和視覺等泛AI業務。而劉洛麒留在了360 AI 研究院，繼續負責計算機視覺在 IoT 和互聯網業務的落地。后來他加入美圖，領導美圖影像研究院(MT Lab)，負責產品核心算法研發，并在新一輪AI大模型浪潮中，研發出國內首款懂美學的美圖視覺大模型MiracleVision。黃君實則在360信息流產品部磨煉一段時間之后，加入了美團視覺智能中心，繼續探索他的產研之路。
畢業之后就創業的程斌，則開啟了二次創業之路，其所在公司Fasion.AI是國內較早聚焦于AIGC及其商業化落地的初創團隊。
畢業后沒有跟隨團隊加入360但卻一直有著創業夢的夏威，則在畢業答辯之前就帶著老師的祝福飛往舊金山灣區創業。他作為創始成員加入了華人留學生創辦的 CV 公司 Orbeus，擔任chief scientist，負責識別算法的研發。2015年底公司被亞馬遜收購后，他隨之加入了AWS AI，擔任Principal Scientist，領導團隊先后發布了AWS最早的幾款Cloud AI產品Rekognition，Textract等。
學生們各自求仁得仁，顏水成也重整行裝，準備尋找技術落地的新土壤。2019 年 7 月，在老朋友朱瓏的盛情相邀下，顏水成來到了“AI四小龍”之一的依圖科技，出任 CTO，繼續讓 AI 技術在更多場景真正落地。那時的依圖在人臉識別競賽 NIST-FRVT 上已蟬聯三年冠軍，而依圖的安防和醫療賽道，不僅能為顏水成將視覺落地提供場景，更與他對技術價值的想象十分吻合。
這一次，顏水成給自己定義了兩個命題，一是做好視覺研究，二是推動技術與業務的結合，進一步落地。在依圖的一年多時間里，他都努力在實踐這兩個命題。2020 年4月25 日，顏水成的恩師黃煦濤過世。悲傷之余，顏水成開始靜心思考如果再工作四十年，最應該做什么。
他把答案落在了重回學術基礎研究上，此后他的幾次選擇都離不開這次深度的思考。2021年1月，顏水成重回新加坡，正式出任 Sea 集團首席科學家，并負責從零建設和領導 Sea 人工智能實驗室（SAIL）。林敏、陳強、董健等人則開始了他們第二次的追隨，
不同的是，加入 Sea 后，他們是各自沿著不同的軌道繼續行駛。陳強和董健在工業界磨煉多年，加入了Shopee，現在仍在Shopee領導著業務線。一如既往學者范的林敏，則跟隨顏水成同在 SAIL，探索 AI For Science 應用。顏水成提到這位學生總是夸贊不停，讓他去推動一些新的方向。如今，林敏依舊在Sea擔任著AI首席研究員，繼續著他的學術研究之路。
2023年年初，昆侖萬維創始人周亞輝聯系上顏水成，彼時的顏水成剛剛結束在 Sea的研究工作，準備去智源研究院訪問一段時間。在顏水成眼中，智源研究院或許是中國最接近 Open AI 和 Deepmind 風格的團隊，而恩師張宏江正是智源的創始人，他用「潛心磨劍」形容自己的這次游歷與訪問。歷時半年，在智源的訪問結束之后，顏水成再次整裝重新出發。而年初周亞輝的出現，為這次重新出發更添了一份傳奇色彩，早在顏水成決定去智源訪問之時，周亞輝便提前預定了需要顏水成出任「AI掌門」。
「我早就決定去智源訪問一段時間，您可能需要等。」
「沒問題。」
2023年9 月，顏水成正式加入昆侖萬維，與周亞輝一起出任天工智能聯席 CEO，并兼任昆侖萬維 2050 全球研究院院長。如今，顏水成早已是新加坡工程院院士，同時當選 AAAI Fellow、ACM Fellow、IEEE Fellow 和 IAPR Fellow 等諸多榮譽，是中國計算機視覺領域的佼佼者。
并且，他已經八次入選「湯森路透全球高被引學者」。毫無疑問，此時的顏水成選擇再次入局工業界，是帶著更大的底氣與實力。于顏水成而言，他想在企業研究院進行長期性研究，做出新突破，把握住這波 AI 浪潮帶來的新機遇。
這些年來，顏水成和學生們每一次的選擇都并非是隨波逐流，而是對潮流的主動把握。但這一次，顏水成有了新的思考，他想自己創造潮流。
在研究層面上，多年以來，顏水成一直追求學術界和工業界的雙重滿足（Double Satisfactions），在技術層面一直追求走在AI的浪尖上，在他看來目前的浪尖是Foundation Models，也正是AI最令人興奮的時刻。
他始終認為通用人工智能時代來臨，未來擁有無限可能。在通用人工智能領域，從研究、研發到產品是完整的鏈條，缺一不可，只有將三者完全打通，研究才能發揮最大價值。
昆侖萬維愿意將研究、研發、產品三線合一，無疑是顏水成實現潮流創造之夢的絕佳平臺。此外，昆侖萬維承諾提供的研究環境，在顏水成看來，也是一個新的世外桃源之地。以前大量的AI PhD畢業生選擇離開了新加坡，一個核心原因是缺少像硅谷那樣支持最前沿AI基礎研究的企業，昆侖萬維2050研究院將是本地企業的起點，這樣更多的新加坡畢業生可以選擇留下來，同時也能吸引合適的研究者來到新加坡。昆侖萬維2050研究院也將擔當AI前沿研究的種子，更多的本地和海外企業如果跟進建立Labs, 新加坡就會建立完善的生態圈，為扎根新加坡、面向東南亞市場的企業提供強大的技術和信心支撐。
目前，昆侖萬維2050全球研究院還處于早期孵化階段，但顏水成的抱負十分遠大：他希望建立一支既懂學術、又懂商業，能夠真正把研究、研發和產品結合在一起的優秀團隊，幫助昆侖萬維打造業界領先的人工智能團隊，推動天工大模型及AIGC業務邁向一個新高度，加速AI產品的研發、落地及商業化。確保昆侖萬維2050全球研究走在通往通用人工智能（AGI）正確的路徑上，是顏水成在昆侖萬維的新使命。關于方向，顏水成表示將逐步開展不同領域的研究：下一代Foundation Model的基礎研究和研發；Agent的研發和智能體進化的研究；生物智能等前沿技術領域的探索。他的重點的方向會主要圍繞下一代Foundation Model，研究方向也會從以前專注計算機視覺，更多地轉向CV+NLP，多模態的研究。
這一次，盡管學生們早已各奔東西，但傳承仍在持續。除了前文提及的董健、陳強、林敏仍在Shopee外，顏水成的學生遍布全球AI行業，馮佳時現在是字節跳動智能內容創作基礎研究團隊負責人；劉洛麒現在擔任著美圖影像研究院（MT Lab）負責人；程斌也繼續在創業道路上努力前行。顏水成現在則除了做研究之外，也在通過培養學生、指導他們融資，讓學生們能夠通過創業的方式在AI行業發光發熱。回顧顏水成的學術與產業經歷，獅城新加坡是一個重要據地。
2007年，他第一次踏入新加坡，曾給恩師黃煦濤發郵件請教“how to be a good professor”，得到的回答是“Just be yourself”。他把這句話分享給了學生們，并闡釋為“Confident、Unique、...”，懷著這種信念去挑戰世界級比賽、發表頂級論文，并毅然帶領學生們走向工業界。這些年兜兜轉轉，顏水成心中的信念和愿景始終不變，“希望像李開復那一代人那樣做AI布道人，拉一些有號召力的人進來。”
他說，這份使命和責任將永遠支撐著他們繼續前行。
現在，顏水成可以重新出發了。
雷峰網(公眾號：雷峰網) 雷峰網 雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
