AI圈「被CV派碾压」的MM派，为何在视频生成大战中反杀了CV派？- 大数跨境

首页

AI圈「被CV派碾压」的MM派，为何在视频生成大战中反杀了CV派？

雷峰网

2026-09-16

导读：曾经的计算机视觉天团，犹如散户，过早买入不良股票，被全仓套牢。

“曾经的 CV 天之骄子们，犹如炒股的散户，过早买入不良标、被全仓套牢，纵使大模型新机会摆在面前，也无法调仓。”

作者丨胡清文

编辑丨徐晓飞

AI 视觉领域，CV 派（计算机视觉）和 MM 派（多媒体检索），一直是个未被摆上台面的说法。

两派在每年例行的 CVPR 波龙晚宴上看似相亲相爱，但私下免不了暗自较劲。

最具代表性的便是 MSRA 早期把视觉分为 CV 组和 MM 组，并展开多次赛马。甚至连拼多多的 CEO 黄峥，作为 MM 组的一员，也参与到了 2002 年微软亚研的第一场人脸检测 PK 当中。

据多位当事人回忆，那时黄峥还只是一个从浙大过来的大四实习生，跟随 mentor 张磊负责图像检索与查重、数据清洗等基础工作，而他们的 PK 对手、CV 派赛马带队人则是闫俊杰的博士导师李子青。

MM 派与 CV 派的较量，最终 MM 组险胜。

直到后期，沈向洋接任微软亚洲研究院第三任院长后，CV 与 MM 组才正式合二为一。

如若通俗理解，CV 计算机视觉的核心，即检测物体（发现）、识别物体（认出）；MM 多媒体检索的主要应用，则是以图搜图、以视频搜视频。

二者既有交集，也有分化。格局的彻底反转，发生在 2016 年。

那时 AI 在工业界迎来首次大爆发，CV 派在企业界的影响力上瞬间全面碾压 MM 派，尤其是以 AI 四小龙中为代表技术领袖汤晓鸥、孙剑、朱珑、周曦等人均为 CV 派。

此外，沈向洋、张正友、李飞飞、何恺明，也分别代表 CV 派，扛起了微软、腾讯、Google、Facebook 的 AI 大旗。

反观 MM 派，视频检索开山鼻祖、当时刚从金山软件退休的张宏江，在一次 AI 交流活动的圆桌讨论时，戏称自己做职业经理人多年，早已在学术圈“金盆洗手”。

而其他 MM 代表，诸如华先胜以及后期的梅涛，分别在阿里和京东的搜索团队，为“双 11"和"618"做以图搜商品，离时髦的 AI 落地方向甚远。田奇刚加入华为诺亚方舟时，更多在是进行实验室阶段的安防和自动驾驶探索……

MM 派的明星创业者更是寥寥。

然而十年后，格局发生扭转，在当前国内最火视频生成模型领域，MM 派成功逆袭：周畅（Seedance）、郑波/张迪（Happyhorse）、盖坤（可灵）、梅涛（智象）、王长虎（爱诗）横空出世……

MM 派风头全面压制 CV 派，制霸大厂多模态。

虽然周畅、郑波、张迪、盖坤并非根正苗红的 MM 派，但因在“搜广推”工作中，长期从事电商图文检索研究，因此也在一定程度上属于 MM 应用派。

而 CV 派，在视频生成领域，几乎只剩闫俊杰（Minimax）、曹越（Sand.ai）在孤军奋战，而印奇、张祥宇所在的阶跃星辰，近期正要战略性收缩视频生成的投入，聚焦于视频理解。

各大厂的视频生成模型团队，几乎看不到 CV 派代表人物的身影。

风水轮流转背后，到底发生了什么？

上一代 AI 创业潮：

CV 派被捧杀，MM 派躲过一劫

2016 年 AI 创业潮启幕时，最优秀的一批 CV 人几乎全部下场创业，尤其是从事线下物理世界的机会：安防 + 零售（人脸检测与识别）、自动驾驶 + 医学影像分析（物体检测与识别）。

这些场景，天然与 CV 派的技术路线分割、检测、识别三要素完美吻合，大量 CV 师生涌入这些行业，意在用算法降维打击。

其中，交付回款无底洞的安防赛道，AI 四小龙一度 70% 的收入来自于此。李子青、许主洪、山世光、王孝宇、赵勇、陶海等知名学者也有入局。

自动驾驶作为 CV 派入场的第二大领域，被投资人疯抢。余凯、曹旭东、任少卿、韩旭、侯晓迪等人一干就是十多年。

相反，MM 派则没那么幸运，当时多媒体检索的用武之地在互联网的搜索引擎、广告系统、推荐引擎上，简称“搜广推”，其必须依托超大规模的互联网数据，对数据储备和算力要求极高，几乎无法冷启动创业。

而且互联网场景+AI 的故事也并不性感，不像安防和自动驾驶，与用户在物理世界直接交互，更显科技感和行业颠覆性。

因此大部分 MM 派科学家留在大厂或高校，一边做着“重数据、弱算法”的落地场景，一边感慨着城外的创业热闹与自己无关。

颇为戏剧的是，上次的 AI 创业大潮，阶段性捧高了 CV 派，也把他们摔的最惨。

在安防领域，本想革掉海康威视命的 AI 公司，先革了自己的命：原本光鲜亮丽的人工智能公司，被又臭又长的定制化项目和股份回购完全拖住，无论在资金和人力上，都失去了全力探索大模型的空间，安防项目的回款难问题也让不少 AI 创业者资金链断链，成为了失信人。

另一方面，AI 公司带动的恶性竞争，提前透支了安防的未来，让行业迅速进入了衰败期。

自动驾驶也早早进入寒冬，在端到端爆发前的那些年，融资艰难，收入寥寥，企业死伤惨重。医学影像分析和零售 AI 公司更是提前成批倒在了黎明前夜。

这批 CV 天之骄子，犹如刚开始炒股的散户一样，过早买入不良标的，过早地被全仓套牢，无法调仓。后期大模型的暴涨，与他们没了任何关系。

而 MM 派虽是被第一波创业大潮抛弃的人，但由于他们长期在大厂韬光养晦，从多模态数据中来，到数据中去，没任何历史束缚，很自然地赶上并驾驭了这一波视频生成模型大浪。

郑波、张迪、周畅、盖坤乃至周靖人，早期都在阿里搜广推的内部赛马中历练，每天在商品文案、商品图、短视频的数据中，打磨认知引擎，多模态能力便是这些实战场景中孕育而出的。

于是，最懂互联网搜广推数据的 MM 人，站在了视频生成模型的高峰。

CV 向实，MM 向虚

十年，恍如隔世。

CV 派弄潮在先，率先将中国人工智能产业推向第一个浪尖。而 MM 派厚积薄发，在无人问津的时光里，攒下了接住下一个时代的底气。

一个起于先，一个成于后。他们从不是彼此的对手，只是同一场长跑里，先后接力的两股力量。

技术的浪潮从不等人，也从不偏爱谁。它只是在奔腾不息间，把这朵浪花推到顶点，又教那一朵归于平静。

而新一代 CV 人如王鹤、赵昊等学者，又在具身智能领域找到了新的光明。从安防零售，到智驾医疗，再到现在的具身智能，或许 CV 派的宿命，便是构建更加复杂的物理世界 AI。

MM 派，继续留在互联网虚拟世界，再造一个数字乌托邦。

至于下一个十年会属于谁，故事，才刚刚开始。

▼