热烈欢迎国际欧亚科学院院士、华为终端BG首席科学家、IEEE Fellow、ACM Fellow、AAAI Fellow、CAAI Fellow、CCF Fellow 田奇加入国际人工智能产业联盟（AIIA），当选为 AIIA Fellow！
田奇
国际欧亚科学院院士，IEEE Fellow、ACM Fellow、AAAI Fellow、CAAI Fellow、CCF Fellow。现任华为终端BG首席科学家、人工智能与数字经济广东省实验室（深圳）（光明实验室）主任；曾任华为云人工智能领域首席科学家、华为诺亚方舟实验室计算视觉首席科学家，以及美国德克萨斯大学圣安东尼奥分校计算机科学系正教授。
▌研究方向
田奇的研究长期围绕计算机视觉、多媒体信息检索与机器学习展开，近年的重心落在科学计算人工智能（AI for Science）与世界模型上，关注机器如何从图像、视频和三维气象数据中理解并预测真实世界。
▌成果与荣誉
田奇已发表论文800余篇，谷歌学术总引用超11万次，H指数143，共有8篇论文获最佳论文奖或最佳学生论文，其中包括ACM Multimedia。2023年7月，他作为唯一通信作者的盘古气象大模型论文发表于《Nature》正刊，华为云是该论文的唯一署名单位。
他曾获2025年ACM SIGMM技术成就奖、2021年中国人工智能学会吴文俊人工智能杰出贡献奖、2016年多媒体领域十大最具影响力学者、2010年Google Faculty Research Award，以及2017年UTSA校长杰出研究奖。
让机器在海量内容里找到答案
互联网把图像和视频变成了主要的信息载体，可机器检索内容的方式长期停留在匹配文字：想找一张特定场景的照片，或者某个人在不同摄像头下出现过的画面，关键词根本描述不出来。
难在两处。图像内容无法用标签穷举，同一张图换个角度、变个光照就可能面目全非；而数据涨到千万、亿级，检索还得在一瞬间返回结果。精度和速度常常互相拖累。
田奇这一阶段的工作正落在这两个难点上。当时主流是视觉词袋，把图像拆成一组局部特征再量化建索引，代价是细节丢失、误匹配大量出现。他主持的项目提出空间编码，把局部特征之间的空间关系编码成二进制图，几何校验由此变成两张图的比较，运算只剩加法和异或，开销极低却能更有效剔除误匹配；在1000万张图像的数据集上，检索的精度和效率同时提升。
找到之后还要排序。针对同一个人在不同摄像头下出现这类检索，他与合作者建立了 Market-1501 和 MARS 两个大规模公开基准，让同类方法第一次能在同一套数据上比较。
同一个行人在不同摄像头、不同角度下的画面
这条研究线让检索从匹配文字转向理解内容、按相关性排序，也沉淀出一套用公开数据和统一基准推进领域的方法。2016年，田奇入选多媒体领域十大最具影响力学者。这套方法后来被他带进了产业的真实系统。
一个模型不该只服务一个场景
在华为，田奇面对的是另一类问题。
人工智能落地时，真正拖慢速度的往往另有原因：每个场景都要重新定制一套模型。做一个场景，换一套算法；数据要重新标注，工程要重新开发，交付之后还要长期维护。场景一多，人力成本就跟着上涨。
2018年，田奇加入华为诺亚方舟实验室，其后担任华为云人工智能领域首席科学家。他的判断很直接：如果工程师一直在为每个场景单独定制算法，人工智能就很难真正成功。
他把力气放在预训练大模型上，先用大规模通用数据训练出一个基础模型，再迁移到气象、制造、金融等具体场景，减少对专用标注的依赖。这条路线后来形成了盘古系列大模型。
盘古大模型的 5+N+X 三层架构
它改变的是人工智能应用的开发方式：从彼此独立的手工项目，转向可复用、可规模化的模型能力。
十秒算完七天的全球天气
天气预报是科学计算领域最重要的场景之一。
传统数值预报把大气状态离散成网格，再用超级计算机求解偏微分方程。报一次未来十天的全球天气，要在3000台服务器组成的集群上算4到5个小时；想再提高精度、缩小范围，算力和时间还会成倍上涨。
人工智能看上去更快，但此前的方法提速几个量级，精度却明显落后。田奇和团队找到两个症结：已有的AI气象模型建立在二维神经网络之上，难以处理并不均匀的三维气象数据；同时缺少数学物理机理约束，迭代下去误差会持续累积。
他们的做法，是把网络结构改成适配地球坐标系统的三维神经网络，让模型直接在三维气象数据上工作，再用层次化时域聚合策略压缩迭代步数，把误差累积控制住。训练用的是1979年至2017年共39年的全球天气再分析数据。
2023年7月，论文《Accurate medium-range global weather forecasting with 3D neural networks》发表于《Nature》正刊，华为云是唯一署名单位，田奇是唯一通信作者。
该论文中的全球预报对比：盘古气象、欧洲中期天气预报中心业务系统与再分析真值（72小时预报）
盘古气象在所有测试变量上的确定性预报精度，超过了当时全球最好的欧洲中期天气预报中心（ECMWF）业务集成预报系统：预报时效提高约0.6天，热带气旋路径误差降低25%；预报全球七天的重要气象要素只需10秒，计算速度比传统数值方法提升一万倍以上。2023年汛期，它还对玛娃、杜苏芮、苏拉等强台风路径做出了准确预报，其中玛娃的转向被提前五天报出。
这项成果被《Science》杂志评为2023年度十大突破之一，并以第一位入选2023年度“中国科学十大进展”；ECMWF与香港天文台等部门也先后在实际业务中上线或验证了盘古预报。田奇对边界说得很清楚：谈替代传统数值预报并不合适，两种方法应当并存、互相对比验证。
从看懂内容到理解世界
2024年，田奇出任华为终端BG首席科学家，同时担任人工智能与数字经济广东省实验室（深圳），也就是光明实验室的主任。他把关注点从云端推向终端，也从识别内容推向理解世界。
光明实验室是广东省政府批准建设的第三批广东省实验室之一。它的技术路线以世界模型为整体牵引，锚定大语言模型、多模态理解与生成、空间智能和AI4X等方向，以昇腾国产算力为基座，目标是构建自主可控的人工智能根技术；实验室与华为共建的粤港澳大湾区昇腾算力应用创新研究院，已在2024年11月获得市级授牌。
大湾区昇腾算力应用创新研究院「CANN 原动力」算子原生开发赋能专场
在一次公开演讲中，田奇这样描述他的判断：云端大模型正在向轻量化的终端智能演进，核心是构建能够理解复杂场景交互的世界模型，并打造主动、多端互联的个人智能体。
他对成果转化的理解同样值得留意。在他看来，真正的产创融合是一个双向循环：科研选题来自产业里的真实问题，产业需求再牵引技术迭代。这套思路已经在落地。光明实验室已与深圳智慧城市集团、麦捷微电子、湾测技术分别共建联合实验室，方向覆盖国产算力的大模型迁移适配、微型驱动关节与仿生灵巧手、智能感知与主动安全；其中湾测技术的智能传感器产品，已批量用于比亚迪、宁德时代等企业的产线。
从让机器找到一张图片，到让模型预测一片天空，再到把算力和算法交到终端设备手中，这条线索始终没有变：机器要处理的，一直是真实世界里的复杂问题。而这些问题，正在从技术课题变成产业基础设施。
AIIA
