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？

“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。

据多位当事人向雷峰网回忆，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。详情可阅读。

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2017年初一次由腾讯混元前负责人蒋杰组织的AI交流活动中，与杨强、李航、郑宇进行圆桌讨论时，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，格局发现扭转，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（元象）、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？

01

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，革掉海大宇、GPS、BBA的命。

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。详情可阅读。

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。搜广推内部赛马，对基础模型以及视频生成模型的意义，详情参考。

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。

02

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。