任少卿详解Faster R-CNN：从学术突破到蔚来智驾创新实践

在人工智能研究领域，神经信息处理系统大会（NeurIPS）始终被誉为全球最具影响力的顶级学术会议，其重要地位如同奥斯卡之于电影界，是引领全球AI发展的年度风向标。近日，任少卿、何恺明、罗斯·吉什克（Ross Girshick）与孙剑凭借"Faster R-CNN"（快速区域卷积神经网络架构）荣膺2025年NeurIPS时间检验奖，这一消息迅速引发了行业广泛关注。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

NeurIPS时间检验奖旨在表彰那些经受住十年时间考验、对学科发展产生深远影响的奠基性研究成果。过去三年间，该奖项得主中不乏诺贝尔奖得主杰弗里·辛顿（Geoffrey Hinton）、图灵奖得主约书亚·本吉奥（Yoshua Bengio），以及OpenAI联合创始人兼首席科学家伊利亚·苏茨克维（Ilya Sutskever）等国际顶尖学者。

"Faster R-CNN"诞生于2015年，由中国学者任少卿、何恺明、孙剑主导，联合美国人工智能科学家罗斯·吉什克共同发表。这一创新网络架构显著提升了物体检测效率，增幅超过10倍，开创了端到端实时精准目标检测的全新模式。截至目前，相关论文已被学术引用超过9.8万次，作为第一作者的任少卿，其论文不仅是华人在该会议上发表的学术引用量最高之作，更是全球AI检测领域被引次数最多的里程碑式研究。

十余年来，"Faster R-CNN"的核心思想已深度融入人工智能基础设施，成为驱动自动驾驶、医疗影像、安防监控、工业检测、卫星遥感等关键领域发展的核心力量。任少卿与合作伙伴何恺明（现任MIT副教授）、孙剑（前旷视科技首席科学家）此前还共同发表过深度残差网络框架ResNet，该论文已成为21世纪全球被引次数最高的学术文献。

任少卿在回忆与导师孙剑的合作时表示，孙剑始终秉持"简约有效"的科研理念，这一理念在日常交流和论文评审中逐渐深入人心。他坦言自己撰写的第一篇论文，曾因不够简洁而最终放弃投稿。如今看来，那篇论文更多是在他人工作基础上的简单叠加，缺乏实质性创新突破。他强调，追求"简约有效"需要远见、品味和坚持，三者缺一不可。

谈及与何恺明的长期合作，任少卿表示二人共事时间最长，工作节奏紧凑而高效。每天早晨到公司后，他们会先查看实验结果，随后展开深入交流，从上午11点到12点用餐期间持续讨论，下午2点各自投入工作，5点再次会晤并共进晚餐。何恺明对研究问题的专注态度和创新精神给他留下了深刻印象，他认为何恺明善于把握研究方向与突破点，并投入大量时间构建思维框架。

在深度学习研究方向的选择上，任少卿透露团队会先进行可行性探索，在看到潜在价值后才会持续投入。选择这一方向的考量因素包括方法创新性、已有成果进展以及成果的泛化能力。他们认为，新研究方向的上限要高，且已取得的成果需真实可靠，而非仅在特定场景下有效。

"Faster R-CNN"成功解决了物体检测任务的端到端难题。传统物体检测分为两个步骤：先在图像上寻找可能的目标候选区域，再对这些区域进行分类识别。这一过程计算量巨大，效率较为低下。而"Faster R-CNN"通过单一网络直接输出结果，实现了实时检测，频率可达10Hz、20Hz乃至30Hz，显著提升了系统效率并降低了延迟，为产业应用带来了突破性进展。

2020年8月，任少卿加入蔚来，负责组建团队并推进自研芯片项目。当时，蔚来正面临L2与L4技术路径的争议，以及是否全面自研的战略抉择。最终，公司决定全力研发L2级自研芯片产品，同时支持L3和L4技术发展。在组建专业团队的同时，蔚来还与英伟达达成战略合作，率先量产了Orin芯片，成为全球首个量产该芯片的车企，并推出了全球最复杂的ADC（自动驾驶域控制器）系统架构。

作为新一代产品，Orin芯片需要应对散热、功耗、热稳定性等诸多工程挑战。蔚来团队在短时间内攻克了这些技术难题，并重构了AI、CPU及调度相关的工具链。任少卿表示，团队在定义芯片需求时，预见到Transformer技术的兴起，并在芯片设计中预留了高带宽和热备余能力，以支持更高级别的自动驾驶功能。

在自研芯片量产进程中，蔚来还构建了完整的工具链和软件体系，其中数据闭环系统是核心组成部分。任少卿认为，数据价值在于其针对特定模型的精准筛选能力，而这一过程需要消耗大量算力。为此，蔚来建立了灵活调用云端和车端算力的分布式系统，并在此基础上构建了大规模数据训练体系。公司还借鉴互联网行业的"A/B测试"方法，建立了智能调度计算资源的平台，实现了模型的高效迭代优化。

针对主动安全领域的技术挑战，蔚来通过"A/B测试"系统实现了每三天迭代一次的更新频率，显著降低了系统误报率。同时，蔚来还建立了面向量产车智能系统的自动化分析平台，通过大模型过滤无效信息，显著提升研发效率。

在自动驾驶技术演进过程中，端到端方案成为行业热议话题。任少卿指出，端到端是技术发展的必经阶段，但并未解决所有问题。他强调，语言模型以语言理解为核心，难以处理时空认知问题，而自动驾驶作为真实世界中的智能体，需要同时具备概念认知和时空感知能力。因此，蔚来从2024年开始投入研发世界模型，旨在构建系统的时空认知能力，解决长时序决策难题。

世界模型通过学习空间和时间信息，支持长时序场景推演，使自动驾驶系统能够一体化地处理复杂道路场景。任少卿表示，蔚来在小路场景处理能力的提升，正是世界模型应用的典型案例。在狭窄路段会车时，世界模型能够综合考虑空间和时间因素，做出更合理的决策判断。