杨立昆是谁？卷积神经网络之父、2018 图灵奖得主

在多伦多大学做过一年博士后研究的杨立昆，导师正是后来的深度学习之父辛顿。这位法国人此后发明了卷积神经网络，拿下 2018 年图灵奖，又在 2025 年底离开 Meta 创办新公司，押注他心中的下一代 AI。看懂他，就能看懂计算机是怎么学会「看」的。

一分钟名片

从巴黎到贝尔实验室：他是怎么走到 AI 前排的

杨立昆的履历带着典型的法国工程师味道：1983 年从巴黎 ESIEE 工程师学院毕业，1987 年在巴黎第六大学拿到博士学位，博士期间提出了反向传播算法的一种早期形式。毕业后他跑去多伦多，在辛顿门下做博士后，由此正式进入神经网络阵营。

1988 年，他加入贝尔实验室。在那里他做出了职业生涯最重要的成果：把卷积神经网络用在手写数字识别上，也就是后来广为人知的 LeNet。他参与开发的支票识别系统被 NCR 等公司大规模部署，一时间美国不少银行在用他的算法读支票。1990 年代神经网络再次跌入低谷，他没有转行，2003 年加入纽约大学任教，并在 2013 年接受扎克伯格邀请加入 Facebook，创办了 Meta AI 研究院（FAIR）。2018 年，他与辛顿、本吉奥同获图灵奖。

卷积神经网络：让机器看懂图像

杨立昆的核心贡献可以用一句话概括：他给机器装上了「看懂世界的眼睛」。

卷积神经网络（CNN）的思路是模仿视觉：用一层层的小窗口在图像上扫描，先识别边缘和纹理，再拼出形状，最后认出整张图。它有三个特点：参数少、可堆叠、对图像的位置变化不敏感。这些设计让「教机器认图」第一次变得实用。

对普通人意味着什么？你手机相册自动归类人脸、海关闸机刷脸通行、扫描件一键变成文字，背后都有 CNN 的影子。后来 AlexNet 等更深层的卷积网络在 2012 年横扫图像识别比赛，用的正是他开创的这套架构。

Facebook 十年与 AMI Labs：世界模型的豪赌

在 Meta 的十年里，杨立昆把 FAIR 建成了全球最有影响力的 AI 研究院之一，自己也一路做到首席 AI 科学家。但 2025 年 11 月，他确认将离开工作十年的 Meta，同年 12 月联合创办 Advanced Machine Intelligence Labs（AMI Labs），出任执行主席。2026 年 3 月，AMI Labs 宣布完成 10.3 亿美元融资。

他押注的方向叫世界模型：让 AI 像婴儿一样通过观察世界学习物理规律，而不是只靠预测文字的下文。在他看来，大语言模型缺少对物理世界的理解，永远差最后一口气。这与他对大模型的长期保留态度一脉相承。

三巨头的分歧：他为什么不像别人那样悲观

2018 年图灵奖的三位得主，如今对 AI 的态度明显分岔：辛顿 2023 年离职警告风险，本吉奥转向 AI 安全研究，杨立昆却是最坚定的乐观派。他公开反对「大模型很快失控」的说法，认为现有 AI 缺乏常识，谈不上真正的智能，监管应针对应用而非技术本身。

有趣的是，分歧归分歧，三人一直在同一个加拿大 CIFAR 项目里共事至今。想对照另外两位的立场，可以读深度学习三巨头中的清醒者本吉奥。

至于 CNN 与今天主流架构的关系，见Transformer 是什么；CNN 在 AI 技术版图中的位置，见AI、机器学习与深度学习的区别。

想核实事实，英文维基百科的杨立昆条目和 ACM 图灵奖官网的2018 年获奖页是首选来源。