曹越十年：从马尔奖到Sand.ai，AI研究员变身CEO

在人工智能浪潮席卷全球的十年里，曹越的职业生涯仿佛一部浓缩的AI进化史。从一名痴迷算法的大学生，到斩获计算机视觉顶会ICCV马尔奖的研究员，再到如今执掌视频生成公司Sand.ai的CEO，他的每一步都踩在技术变革的节点上。

这十年，不仅是个人成长的缩影，更是中国AI行业从跟跑到并跑、甚至在某些领域尝试领跑的生动写照。曹越的故事告诉我们，在技术驱动的时代，拥抱变化、不断学习才是硬道理。

从深度学习萌芽到Swin Transformer的突破

2014年，曹越还在读大四，那时的深度学习在国内还是个“冷门”领域。他甚至记得有教授公开表示“不做超过两层的神经网络”，仿佛多层网络是什么洪水猛兽。

曹越的导师从伯克利访学归来，带回了硅谷的前沿风向，所有人都在讨论深度学习。于是，他所在的课题组成了国内最早一批购入GPU、投身深度学习的研究团队。这种“抢跑”意识，让曹越在AI起步阶段就占据了先机。

之后，曹越加入微软亚研院（MSRA）的视觉组，这个被称为“AI黄埔军校”的地方走出了商汤、旷视等公司的创始人。他学到了两条关键经验：一是要选择“有潜力且未收敛”的研究方向，二是发现机会后必须全力投入资源。

这种思维不仅影响了他的科研，也为他日后关注组织效率埋下伏笔。2021年，曹越与团队凭借Swin Transformer获得ICCV最佳论文马尔奖。这项工作的核心在于将Transformer架构全面引入计算机视觉领域，替代传统的卷积神经网络（CNN）。

当时，大多数团队还在用Attention模块修补CNN的缺陷，而曹越团队直接选择用Transformer整体结构重构视觉任务系统。他们意识到，如果能实现这一突破，将大幅提升图像分类、目标检测等任务的效果，同时打破“视觉必须用卷积”的思维定式。

从OpenAI启示到光年之外的实战

获得马尔奖后，曹越没有沉浸在学术荣誉中，反而把目光投向了OpenAI。2021年初，OpenAI发布CLIP和DALL·E，当时国内不少研究者的第一反应是“他们算力多，我们比不了”。

但曹越却从中看到了更深层的东西：对方不是论文驱动，而是问题驱动；不追求审稿人的“创新性”偏好，而是专注设计可规模化的系统。这种差异让曹越意识到，AI竞争的胜负手已从技术点转向组织模式。

于是，2022年曹越加入智源研究院，国内最早布局大模型的机构之一。这里不算论文KPI，而是部署了千张A100显卡的算力集群，目标是通过开源推动技术普及。

曹越觉得，智源是当时最接近OpenAI气质的中国组织，让他能探索“如何打造一个真正面向系统的团队”。然而，ChatGPT的横空出世彻底改变了行业节奏。国内大模型热潮瞬间引爆，王慧文在朋友圈发布“英雄帖”招募创业伙伴，曹越成了他最终选中的算法联合创始人。

曹越与王慧文的合作堪称“一拍即合”。两人都是清华校友，虽然此前不认识，但对“中国为什么没有OpenAI”这一问题有共鸣。王慧文认为，核心原因是“不够富”——在追赶阶段，企业更倾向于效率创新而非原创探索。

在光年之外，他们招募了大量毕业3-5年的博士生，不分NLP、视觉还是语音背景，只要“沉浸一线、学习能力强”就欢迎。这种用人策略后来被许多公司效仿，但在2023年，光年之外和DeepSeek已是人才竞争最激烈的两家。

尽管光年之外因故未能继续，曹越却从这段经历中积累了宝贵经验。他笑称：“CEO的压力比发顶会论文大得多，得学会控制焦虑。”而王慧文对他的一句建议——“去研究皮克斯”。

Sand.ai与视频生成的垂直整合之路

2023年夏天，曹越决定创立Sand.ai，专注AI视频生成。选择这个方向，他用了和研究选题类似的逻辑：空间大、提升潜力足、且尚未卷成红海。

Sand.ai的第一代模型Magi-1耗时一年多才发布，原因是团队选择了自回归路线。曹越解释，视频和语言都是顺序数据，预测下一帧和预测下一个token逻辑相通。但这条路缺乏参考，从数据清洗到模型训练都得从零摸索，导致进度慢于预期。

面对Sora2的发布，曹越显得很淡定。他觉得大公司动作不会那么快，而Sand.ai聚焦的“人物表演”细分市场仍有空间。如今，他每天花一两个小时和语言模型聊天，把它当作“思考伙伴”，帮助梳理碎片化灵感。这种开放的学习态度，或许正是他持续进化的秘诀。

回望曹越的十年，从痴迷算法的研究员到统领团队的CEO，变的是角色，不变的是对“影响力”的追求。他总说， ambition 是底层驱动力——不是单纯想赢，而是希望做成一件改变世界的事。

如今，AI视频赛道方兴未艾，曹越和Sand.ai的故事才刚刚开始。在他看来，技术终将走向普惠：当生成视频像发朋友圈一样简单，普通人也能成为创作者。而中国AI行业，正从“追赶”迈向“原创”，需要更多像曹越这样既懂技术又懂组织的跨界者。