2024年6月，在西雅图召开的CVPR会议上，凌海滨偶遇了博士同窗郑冶枫。彼时，郑冶枫已决定全职加入西湖大学，正着手筹建医学人工智能实验室。

“海滨，我下个月就去西湖大学了。”郑冶枫开门见山，“你要不要考虑一起回国？”

这句话，如同一枚石子，精准地投入了凌海滨平静的心湖。在美国学术界深耕十五年，从博士生一路成长为资深教授，他确实开始思考人生的下一篇章。

郑冶枫的邀请来得恰逢其时。

2025年3月，凌海滨初次踏进西湖大学的校园。在云谷校区，他背着重重的书包，快步穿行在实验室之间，与一众已经入职的PI深入交流，看到了正在建设中的实验室、充满活力的年轻面孔，凌海滨心中已然有了确切的答案。

2025年夏，纽约州立大学石溪分校帝国创新教授、IEEE Fellow凌海滨全职加入西湖大学工学院，受聘讲席教授，牵头创立智能计算与应用实验室。 

数学带来的正反馈

这不是凌海滨第一次“换地方”生活了。

18岁之前，他跟随父母，生活在贵州山区。谈及家乡的偏远，凌老师担心我们没听说过，特意补充道，黄果树瀑布你们知道吧？我家就在附近。

贵州安顺，60年代初，是国家三线建设中很多厂矿的所在地。为了支援国家建设，父母从祖籍湖南举家搬迁至贵州，年幼的凌海滨在安顺的工厂里度过了平静的童年时光。父母投身于车间的忙碌，对他的学业顾不上太多。母亲对成绩比较关注，考试考不好，便会重重地批评几句，但也仅限于此了。辅导学习是奢侈的，从解题到学习规划，路径都得靠自己摸索。

小学，老师在讲解循环小数时，凌海滨提出一个困扰自己的问题：“1/3等于0.3的无限循环，三个1/3相加等于1，那么三个0.3的无限循环相加得到0.9的无限循环，它和1之间是什么关系？”受限于山区教育资源的匮乏，这个小小的追问，“难”倒了站在讲台上的年轻老师。

到了初中，凌海滨对数学的兴趣逐渐变得清晰。“感觉这东西有‘想头’，像游戏一样可以琢磨。”他这样形容。解题的过程带来直接的愉悦感，想出解题方法、考试获得高分、得到老师表扬，形成了一个正向反馈循环。他用自己的研究领域做比喻：“在强化学习里，这叫奖励机制。你尝到甜头，就更有动力投入，自然就越做越好。”凌海滨并不将此归结于特别的天赋，而相信是兴趣加上一点努力所带来的结果。

于是，晦涩难懂的数学题，成了他眼中有趣的游戏。凭着这股琢磨的劲头和乐此不疲的练习，凌海滨自然而然地走向了数学竞赛的道路。高三那年，他便拿到数学奥林匹克冬令营的资格，提前保送北京大学。

“当时，在北京大学和清华大学之间犹豫了一下，班主任的儿子在北京读书，听他说北大环境比较宽松，就选了北大。”凌海滨这样描述选择大学的原因，对大学、对北京的模糊概念，只能靠返乡人带来的一点点消息，就这样，“小厂青年”懵懵懂懂地踏入了燕园。

从西南山区到未名湖畔，跨越的不仅仅是地理距离。

“第一学期数学摸底大考，班上几个拿金牌的，半个小时交卷了，我到最后都没做完。”他回忆道。当时北大每年都有学生因无法适应巨大的落差而陷入自我怀疑，严重的还会出现心理问题，凌海滨也去探望过生病的同学。谈到如何面对落差，他说：“接受就好，只要自己努力了，能做到多少算多少，不需要勉强自己。”

这种“接受现实，专注当下”的态度，后来成为凌海滨面对许多人生选择时的性格底色。

在热门的浪潮外

在北大完成从数学到计算机的专业跨越后，凌海滨开始着手选择博士研究方向。

2000年代初，当生物信息学凭借人类基因组计划的东风成为学术界的绝对焦点时，他却选择了一个在当时看来颇为“冷门”的方向：如何教会计算机识别形状多变的树叶，属于计算机视觉的研究范畴。

“那时候生物信息学有多热？”凌海滨回忆道，“一位刚入职的教授，已经有几十篇顶刊论文，也发了Nature，他的课连过道都站满了人。”整个学术界都在追逐基因测序的浪潮，顶级期刊上相关论文层出不穷。

凌海滨也曾尝试接触过这个热门领域。“我去听过那些课，但说实话，我听不进去。”那种感觉，就像他后来描述的，有些问题虽然热门，却无法真正点燃他内心的好奇。一位刚找到教职的师兄坦诚相告：“学术界的热点变得很快，你现在跟风，等四五年后毕业时，这个方向可能就不热了。”因此，他选择跟随自己的兴趣，研究树叶识别这个“小而美”的问题。

博士期间，凌海滨跟随导师与美国史密森尼博物馆的植物学家合作，为野外考察的专家开发一个辅助工具：拍一张树叶照片，就能快速鉴定它的种类。这个任务最大的挑战在于树叶形状的复杂多变性。同一种树叶，在不同季节、不同树龄、甚至不同部位，其轮廓、大小以及是否带有附属的小叶片都有可能天差地别。传统的图像匹配方法在面对这种“非刚性形变”时，显得力不从心。

如何为这些变幻无穷的树叶形状，找到一个稳定、可靠的描述方法？

凌海滨最初的灵感，源于对“距离”这一基本概念的重新思考。他打了个比方：要描述一个形状，最基本的就是描述其上各个点之间的关系，而点和点之间最直接的关系就是距离。但问题来了，如果直接用两点间的直线距离（即欧式距离）来测量，结果会极其不稳定——比如一片枫叶的两个叶尖，当叶片卷曲时，它们在三维空间中的直线距离很近；当叶片舒展时，这个距离又变得很远。计算机无法理解这其实是同一片树叶。

很快，凌海滨找到了解题方法。他为“距离”加了一个巧妙的约束条件，创造性地提出了“内距离”这一概念。想象一下，你不是在空中测量两个叶尖的直线距离，而是要求测量的尺子必须沿着叶片的内部来走。这样一来，无论这片树叶如何弯曲、折叠，只要它的拓扑结构没变，那么其内部两点间的“内距离”就保持了相对的稳定性，更进一步，在此基础上构建的形状描述也能保持相对稳定。无论树叶在四季变化的影响下如何形变，计算机都能精准识别它们的种类。

这个始于“如何识别一片树叶”的朴素思考，最终结晶为“内距离”理论，成为凌海滨叩开学术界大门的重要研究成果之一。而当时的他或许没有料到，这把为解决树叶识别而打造的“新尺子”，很快便量出了远超实验室围墙的广阔天地。

凌海滨在院子里种下一棵小树

就在凌海滨博士毕业前后，生物信息学领域的教职市场开始趋于饱和，计算机视觉这个曾经相对“冷门”的方向，正开始积蓄变革的力量，逐步走向人工智能舞台的中央。而几乎在同时，他博士期间的研究竟意外地催生了全球第一款手机植物识别APP——LeafSnap。这款应用迅速走红，被CNN等主流媒体报道，成为后来无数识花应用的先驱。一个始于兴趣的研究，就这样走进了千万普通用户的生活。

LeafSnap官网

这段经历也成为了凌海滨学术生涯的一个隐喻。有时候选择那条看似冷清的小路，反而可能通向更广阔的风景。重要的或许不是追逐当下的热点，而是找到那个真正能点燃你好奇心的问题。

巧解目标追踪难题

博士毕业后，凌海滨便将“解题方向”聚焦在计算机视觉领域，主攻动态目标追踪这一难题。这不仅是安防监控中的关键技术，更是医疗影像、AR/VR手势交互等诸多领域的底层支撑。

今年暑期热映的电影《捕风追影》中，成龙饰演的老警察有一幕令人印象深刻。在监控室面对数百个实时画面，他仅凭嫌疑人变换服装后的几个细微动作，一个习惯性的耸肩、一次独特的步态节奏，就能在人群中重新锁定目标。这一出现在电影作品中的虚构情节，正是凌海滨团队一直攻坚的难题所在：如何在动态变化的视频中完成对目标物体的追踪。

与电影中依赖经验的刑警不同，现实中的技术挑战要复杂得多。凌海滨团队研究的是难度最高的“通用目标追踪”：用户随手框选视频中的任意物体，可以是一只钢笔、一个水杯，亦或是人物的一片衣角，AI都必须能在后续每一帧中持续锁定它，即使目标被他人遮挡、短暂地离开画面再返回、甚至在光线剧烈变化的极端环境下，依然要保持稳定追踪。

这对人眼来说或许不算难，但对AI来说，却需要大量的训练和精确的测算。凌海滨解释了其中的技术细节。

视觉目标追踪的本质，是为动态目标建立一个不断更新的“坐标轴”。在最简化的场景中，假设人脸在画面中的大小和比例固定，那么追踪就可以简化为寻找一个二维点（X,Y坐标）。此时，每一帧的任务就是从图像中解算出这两个数字。当目标结构更复杂时，坐标轴的复杂度会急剧上升。以追踪手部关节为例，若定义16个关节点，每个点有X、Y坐标，那么每帧图像就需要解算出32个数字。如果追踪的是一件衣服就更难了，因为衣服是柔软的，那就需要用10×10的网格来描述它的曲面，坐标轴方程就变成了200个数字（100个点×2），每帧画面的计算量都会显著上升。

更进一步，如果要追踪一把已经进入患者体内的手术刀呢？不仅要追踪它的位置，还要知道它的旋转角度，那么状态至少需要包含X、Y和旋转角θ。在三维空间中，则需扩展为包含三维位置（XYZ）和三维旋转的6个或更多变量。

因此，视觉追踪听起来通俗易懂，被影视作品演绎的神乎其神。但它并非一个单一的技术，而是一个根据目标属性（点、刚体、柔性体）和应用需求（只需位置，还是需要全姿态）来定义不同复杂度，并持续通过图像匹配来求解方程的系统性框架。

从锁定屏幕上瞬息万变的物体，到追踪体内柔性的导管，目标跟踪技术正在为机器赋予一双能够像人类一样持续观察的眼睛。早期依靠精确的数学模型，如今借助深度学习与大模型，凌海滨团队让AI学会了动态学习、轨迹预测与综合判断。他们的研究，让机器之眼看得更深、更稳，从而更懂这个充满未知的动态世界。

凌海滨与学生合影

西湖新章

从石溪到西湖，并非一次简单的职场转换，而是一位顶尖学者在经过严谨的实地考察后，为自己学术人生的下一阶段，主动选择的最优实验场。

“传统AI方向已非常成熟，真正的突破需要新的探索。”他认为，像AI for Science，如量子计算这样的长线探索，需要时间与宽容度。“在这儿，我觉得有更多的自由度和包容性，学校也非常支持。”他希望在西湖，既能深耕计算机视觉追踪等领域，也能从容拓展那些眼下未必出成果、但未来可能很重要的交叉方向。

凌海滨将自己的研究风格概括为“一体两面”。一面是好奇心驱动的自由探索，喜欢做让自己觉得有意思的、跟别人做法不一样的东西，他享受学术界对“稀奇古怪想法”的包容。另一面则是问题驱动的务实求解。他主导的“智能投影”课题，让投影仪摆脱白墙限制，智能补偿复杂背景的色彩与几何变形，未来可应用于博物馆导览、家庭助老等实际场景。

关于做研究，面对当下焦虑迷茫的年轻人，凌海滨给出的建议格外朴实：破除对“绝妙想法”的迷信。

“你能想到的，别人也能想到，关键是怎么把它做出来。”在他看来，重要的不是找到一个无人触及的领域，而是在选定的方向上持续深耕，培养“往下深挖”的能力。这种在未知领域持续探索、直至解决问题的能力，才是科研训练最核心的产出。

凌海滨与西湖大学智能计算与应用实验室成员合影

从贵州山间到未名湖畔，从马里兰实验室到西湖大学讲台，凌海滨始终保持着一种“自洽”的节奏。在他身上，那份始于一片树叶的、对世界进行智能解析的好奇心，那份从数学中滋养出的精确与耐心从未褪色。

正如同里尔克在《给青年诗人的信》中所言：“耐心对待所有尚未解决的事情，试着去爱问题本身。”

如今，在西湖的山水之间，凌海滨正带着这样的心境继续前行。不去追逐转瞬即逝的风口，而是选择深挖一口井，静待泉涌之音从深处传来。

（原标题：纽约州立大学石溪分校帝国创新教授凌海滨全职加入西湖）