信息與工程突破：網絡編碼、香農獎與從多媒體實驗室到商湯

中大工程科研有兩條世界級的高線，氣質截然不同：一條是楊偉豪開創的網絡編碼——一個由中大學者作為共同奠基人的信息論新領域，2022 年摘得信息論最高榮譽香農獎；另一條是湯曉鷗的多媒體實驗室——它在 2014 年深度學習浪潮的拐點上貢獻卓著，並直接孵化出 AI 獨角獸商湯科技。前者「改寫一個領域的知識」，後者「把實驗室成果孵化為產業」。本文為參考區（04 科研）事實型檔案，不標可信度徽章，逐項掛學術/官方/二手來源；所涉學者為公開人物，據公開資料據實記名（湯曉鷗已於 2023 年逝世）。

---

# 第一部分 · 網絡編碼：中大開創的信息論新領域

# 一、什麼是網絡編碼：一個反直覺的洞見

在傳統的網絡通信觀念中，網絡中的節點只做一件事：存儲與轉發(store-and-forward)——收到數據包，原樣轉發出去，像郵局分揀信件。網絡編碼則提出一個反直覺的洞見：中間節點可以把收到的多個數據包「編碼」（運算組合）後再發送，接收端再據此「解碼」還原——如此可在某些網絡拓撲中顯著提升傳輸效率。

據 IEEE 信息論學會的香農獎説明^※及 英文維基百科^※，網絡編碼理論由楊偉豪(Raymond W. Yeung)與合作者於 1990 年代末共同提出，「徹底改變了人們對網絡通信的理解」。其奠基性論文 "Network Information Flow"^※發表於 2000 年（楊偉豪與 R. Ahlswede、Ning Cai、李碩彥合著）。這一理論的經典示範是「蝴蝶網絡」(butterfly network)——在這一拓撲中，若中間節點只轉發會出現瓶頸；若允許編碼，則可同時滿足多個接收端的需求，逼近網絡容量上限。

範式轉變：網絡編碼的意義，不在於發明了某個具體協議，而在於重新定義了「網絡中的節點能做什麼」——從被動的「搬運工」升格為主動的「運算者」。這是信息論自香農以來在「網絡」維度的一次重要拓展。

# 二、蝴蝶網絡的算術：反直覺在哪裏

抽象的「編碼組合」説法容易滑過去，不妨把經典的蝴蝶網絡算一遍。設想源點要把兩條信息 a 與 b 同時多播(multicast)給兩個接收端，網絡裏每條邊每單位時間只能傳 1 比特，而中路存在一條被兩端共用的瓶頸邊。若沿用「存儲轉發」，這條瓶頸邊同一時刻只能選擇搬 a 或搬 b，兩個接收端裏總有一個拿不齊 a、b，吞吐被卡在瓶頸上。

網絡編碼的做法是讓瓶頸處的中間節點不作二選一，而是發送 a⊕b（兩比特按位異或）。一端已從別路收到 a，用 a⊕(a⊕b) 解出 b；另一端已收到 b，用 b⊕(a⊕b) 解出 a。一次異或，兩端同時滿足——這正是 奠基論文 Network Information Flow^※所證明的：在多播場景下，允許編碼可以逼近由最大流–最小割定理(max-flow min-cut)決定的理論容量上限，而傳統路由一般達不到。這個「⊕」看似小學算術，卻是整套理論最鋒利的一刀：它説明信息不是水、不是包裹，不必守恆地被搬來搬去，而可以被疊加、再拆分。

從「搬運」到「運算」的差別，用一句話概括：路由把每個數據包當成不可分割的實物，網絡編碼把它當成可做代數運算的數。前者的天花板是最小割能通過多少實物，後者的天花板是最小割能通過多少信息量——在多播裏，後者常常更高。

# 三、開創者與中大的角色

據 英文維基百科^※及 CUHK 官方新聞稿^※，楊偉豪是中大李卓敏信息工程學講座教授(Choh-Ming Li Professor of Information Engineering)、中大網絡編碼研究所(Institute of Network Coding)的聯席所長，也是網絡編碼這一領域的共同創立者。這意味着：網絡編碼不是一項「中大學者參與」的研究，而是一個以中大為核心策源地之一的全新領域。

楊偉豪的學術履歷，把這條「中大主線」的來處交代得很清楚。據 英文維基百科^※，他 1984、1985、1988 年先後在美國康奈爾大學取得電機工程學士、碩士與博士，師從信息論學者 Toby Berger；博士畢業後於 1988 至 1991 年在 AT&T 貝爾實驗室(Bell Laboratories)的性能分析部門任職，1991 年回港加入中大，此後三十餘年未曾離開。也就是説，網絡編碼這門學科的策源，一頭連着香農–貝爾實驗室的信息論正統，一頭紮根在香港的山城。2010 年，他在中大牽頭設立網絡編碼研究所，由教資會卓越學科領域(AoE)撥款支持（詳見 科研產出與衍生公司），把一個原本高度理論的方向，拓展到數據存儲、網絡通信等實際場景。

# 四、從存在性到線性網絡編碼：三篇論文壘起一門學科

網絡編碼不是一篇論文一錘定音，而是幾篇接力之作把「可行」逐級夯成「可用」。

• 2000·存在性:Network Information Flow^※(Ahlswede、Cai、Li、Yeung)證明了在多播網絡中，編碼能達到最大流–最小割上限——它回答的是「行不行」；
• 2003·線性即夠:Linear Network Coding^※（Li、Yeung、Cai，發表於 IEEE Trans. Inf. Theory）進一步證明，不必用複雜的非線性編碼，僅靠線性運算（把數據塊看作有限域上的向量、節點做線性變換）就足以達到多播容量上限——它回答的是「用多簡單的辦法就夠」，這一步把理論從「存在某種編碼」拉到了「工程可實現的編碼」；
• 隨機化·可分佈式：此後 Ho、Médard 等人提出的隨機線性網絡編碼(random linear network coding, RLNC)讓各節點獨立隨機地選系數編碼，無需全局協調即可高概率成功解碼，使網絡編碼能在真實的分佈式、動態網絡裏跑起來。麻省理工的 COPE（「空中異或」）則在無線網狀網中實測到可觀的吞吐提升，把黑板上的 a⊕b 搬進了路由器。

三篇論文構成一條清晰的下坡：從「編碼有用」(2000)到「線性就夠」(2003)到「隨機也行、可分佈式」——難度逐級降低，可用性逐級升高。中大學者在前兩級都是署名作者，這正是「共同奠基」四個字的實指。

# 五、理論縱深：從張-楊不等式到 BATS 碼

網絡編碼之外，該團隊在信息論基礎理論與應用上還有多項貢獻。據 英文維基百科^※:

• 張-楊不等式(Zhang-Yeung inequality)：約在 1998 年，楊偉豪與張臻(Zhen Zhang)共同發現了這一不等式，確立了第一個「無約束的非香農型信息不等式」(unconstrained non-Shannon-type inequality)的存在——這是信息論基礎理論的重要突破。此前幾十年，人們默認香農在 1948 年給出的那組不等式已經窮盡了熵之間的約束關係；張-楊不等式卻證明，當涉及四個或更多隨機變量時，還存在香農那套框架捕捉不到的新約束。據 英文維基百科^※，這揭示了熵函數約束的不完備性，打開了一整個後續研究方向；
• 機器證明熵不等式：與這一發現相伴，楊偉豪還開創了用計算機自動證明信息不等式的方法，先後開發出 ITIP(Information Theoretic Inequality Prover,1996)與 AITIP(2020)等工具，把「哪些信息不等式成立」這個原本靠手算的問題，變成可由軟件系統求解的線性規劃；
• BATS 碼(BATched Sparse code)：他發明了 BATS 碼，可提升存在丟包(packet loss)的網絡的傳輸速率，是網絡編碼走向工程應用的代表性成果，系統論述見其與 Shenghao Yang 合著的專著 BATS Codes: Theory and Practice(2017)；由中大孵化的 n-hop technologies 等團隊，正把這類編碼用於多跳無線傳輸的實際產品。

「基礎 × 應用」雙輪：張-楊不等式屬最抽象的基礎理論（信息度量的數學約束），BATS 碼則直面最實際的工程問題（丟包網絡的傳輸）。同一團隊在理論天花板與應用地面兩端同時發力，正是頂級信息論研究的特徵。

# 六、走出黑板：網絡編碼用在哪裏

網絡編碼常被誤當作純理論，但它落地的面其實很寬。據 CUHK 官方對漢明獎章的介紹^※,IEEE 獎項委員會認定楊偉豪的工作「永久改變了我們對網絡通信的理解，影響了糾錯編碼、信息安全、無線通信與數據存儲」——這一句官方定性，恰好點到了網絡編碼滲入的四個方向：

這張表也解釋了為何一門看似抽象的信息論分支，能在二十年裏被反覆寫進無線、存儲、安全的工程文獻：它改的不是某個協議，而是「節點能對數據做什麼」這條底層假設——底層一動，上面很多層都要重畫。

# 七、教科書、MOOC 與「訓練一代人」

頂尖學者的影響，一半在論文，一半在教材。楊偉豪撰寫的信息論教科書據載被全球逾 100 所大學採用；據 英文維基百科^※，他的著述包括 A First Course in Information Theory(2002)、與李碩彥等合著的 Network Coding Theory(2005)，以及集大成的 Information Theory and Network Coding(2008)——後者把香農的經典信息論與新生的網絡編碼合編入同一本教科書，本身就是「網絡編碼已成為信息論正式一章」的標誌。2014 年起，他把這門課搬上 Coursera，據載累計吸引逾 6 萬名學習者。

一個領域是否「立住」，一個樸素的判據是：有沒有一本大家公認的教科書、一門大家都上的課。網絡編碼兩樣都有，而且都出自它的共同奠基人之手——開領域的人，順手也寫了這個領域的啓蒙課本。

# 八、認定：2022 年克勞德·香農獎與三座獎章

據 IEEE 信息論學會^※及 CUHK 官方新聞稿^※，楊偉豪獲頒 2022 年克勞德·香農獎(Claude E. Shannon Award)，表彰其「對信息論領域持續而深刻的貢獻」，並於當年在芬蘭 ISIT 發表香農講座。香農獎以信息論奠基人克勞德·香農命名，是信息論領域的最高榮譽，其份量約略相當於該領域的「終身成就最高獎」。

香農獎並非孤立的加冕，它是一串獎章的收束。據 UGC Awards^※與 CUHK 官方^※:

其中 2016 年的 Sumner Award 與合作者、後任教於西安電子科技大學的蔡寧(Ning Cai)共獲——獎也一路記着那幾篇合著奠基論文的署名次序。從會士到香農獎，四座榮譽的關鍵詞反覆落在同一處：網絡編碼。 一位中大學者以此登頂，標誌着中大在信息論這一基礎學科的世界級地位。

---

# 第二部分 · 從多媒體實驗室到商湯：深度學習的產業化傳奇

# 九、亞洲唯一躋身全球十強的 AI 實驗室

中大在人工智能（尤其計算機視覺）領域的世界級地位，核心載體是工程學院的多媒體實驗室(Multimedia Laboratory, MMLab)。據 英文維基百科「Tang Xiao'ou」^※，多媒體實驗室由中大信息工程學系教授湯曉鷗(Tang Xiao'ou)創立，是當時全球十大人工智能實驗室中唯一位於亞洲的一所，亦是亞洲唯一入選英偉達(Nvidia)2016 年全球十大領先 AI 實驗室名單的代表。

據 MMLab 官網^※，實驗室2001 年 7 月由湯曉鷗創立，核心教研力量除他之外，還有後來同樣聲名鵲起的王曉剛(Wang Xiaogang)、呂健勤(Chen Change Loy)等。它的世界級並非空言：實驗室曾摘得 CVPR 2009 最佳論文獎，據其自述，這是該頂會「三十年間首次、也是唯一一次」把最佳論文頒予亞洲研究機構；此後又在 NeurIPS、CVPR、ACM MM、COLT 等會議屢獲最佳論文，併成為香港首個英偉達 CUDA 研究中心(2014)。實驗室的畢業生流向 MIT、斯坦福、劍橋、哥倫比亞、卡內基梅隆等名校，在業界被稱作計算機視覺的一座「黃埔軍校」。

在 AI 研究高度集中於北美的格局下，一所香港大學的實驗室能躋身「全球十強、亞洲唯一」，本身就是中大工程科研實力的有力證明。這一實驗室，正是此後商湯科技傳奇的策源地。

# 十、從 GaussianFace 到 DeepID：兩度越過人類基準

多媒體實驗室最具標誌性的成果，是 2014 年的 DeepID 人臉識別算法。據 英文維基百科「SenseTime」^※及 DeepID 學術論文(CUHK EE)^※，2014 年團隊發佈人臉識別算法 DeepID，被稱為世界上第一個在人臉識別準確率上超越人類的算法(exceed human being's accuracy of face recognition)。這一突破基於深度學習技術，是計算機視覺發展史上的標誌性節點之一。

要理解「超越人類」這句話的分量，得先有一把公認的尺。學界長期用 LFW(Labeled Faces in the Wild)這套「野外人臉」數據集做人臉驗證的基準，而人類在其上的準確率約為 97.53%——這就是那道「人類水平線」。同樣出自中大團隊、發表於 AAAI 2015 並獲傑出學生論文獎的 GaussianFace^※，據其論文以 98.52% 的準確率首次越過這條人類水平線；緊隨其後的 DeepID 系列進一步把準確率推到更高。據 科研成就綜覽引中大 in Focus,DeepID 在同類基準上達 99.15%，超過同期 Facebook 的 DeepFace，成為深度學習人臉識別的標誌性成果。同一年，實驗室的 DeepID-Net 還在有「視覺奧林匹克」之稱的 ImageNet 大規模視覺識別挑戰賽(ILSVRC)2014 物體檢測賽道位列第二。

「超越人類」的意義：人臉識別長期被認為是「機器難以企及人類」的任務。中大團隊先以 GaussianFace 把機器準確率越過人類水平線，再以 DeepID 系列拉開身位——不是一次僥倖的越線，而是連續兩代方法都站在了這個全球性技術拐點的最前沿。

# 十一、商湯科技：實驗室走向產業

DeepID 的技術突破，迅速轉化為產業力量。據 英文維基百科「SenseTime」^※，2014 年 10 月，商湯科技(SenseTime)由湯曉鷗與計算機科學家徐立(Xu Li)等共同創辦，是從中大多媒體實驗室的學術研究中孵化出的衍生企業(research-driven spin-off)，其後成長為中國計算機視覺領域最具代表性的企業之一，並於 2021 年末在香港交易所掛牌上市。據來源，中大-商湯聯合實驗室(CUHK-SenseTime Joint Lab)在全球頂級學術期刊與會議上發表/展示了逾 400 篇計算機視覺論文，其數量僅次於微軟——這意味着「中大-商湯」這一「學術+產業」組合，在計算機視覺的全球學術產出上位居前列。

值得點出的是，這條孵化線並非商湯一家。中大科研處的知識轉移體系(ORKTS)之下，同一批計算機視覺與信息工程的師生，還先後孵化出思謀科技(SmartMore)、Insighta 等獨角獸或準獨角獸企業（詳見 科研產出與衍生公司）——多媒體實驗室與信息工程學系，儼然是大灣區 AI 創業的一處「人才與技術的上游」。

「產學一體」的範式：商湯的故事，是「實驗室突破 → 衍生企業 → 聯合實驗室反哺學術」的完整閉環——實驗室產出技術與人才，企業提供應用場景與資源，聯合實驗室再把應用反哺為新的學術成果。

# 十二、一點必要的邊界説明

商湯科技作為一家上市企業，其經營、估值與商業爭議屬公司事務，隨市場與時間不斷變化，本館不予追蹤評斷；本文只記述「中大多媒體實驗室的學術成就」與「商湯作為學術衍生企業的孵化脈絡」這兩件可溯源的事實。把企業的商業表現與實驗室的學術貢獻混為一談，既不準確、也非本館所長。讀者若關注商湯的商業近況，宜查閲其財報與監管披露等一手信息。

---

# 第三部分 · 兩條高線的合流

把網絡編碼與 DeepID/商湯放回中大科研譜系，它們與光纖、NIPT 共同構成中大「原創突破 + 深遠影響」的版圖，但各有側重：

若説光纖、網絡編碼、NIPT 更多是「改寫一個領域的知識」，那麼 DeepID/商湯則更鮮明地展示了「把實驗室成果直接孵化為產業」的路徑，呼應了大灣區「香港基礎研究 + 內地產業轉化」的協同邏輯。一所大學最深遠的產業影響，有時不在於它辦了多少公司，而在於它的某個實驗室，恰好站在了一個技術時代的拐點上——2014 年的深度學習浪潮，中大的多媒體實驗室身處其中、且貢獻卓著。

# 一個系，兩種世界級

把兩條高線並排看，還有一處容易被忽略的巧合：它們同出一系。網絡編碼研究所與多媒體實驗室，都掛在中大工程學院的信息工程學系(Department of Information Engineering)之下——一個系，一頭連着最抽象的信息論（熵、不等式、編碼的存在性），一頭連着最熱的深度學習（人臉、檢測、超分辨率）。這不是行政意義上的湊巧，而是同一學科基因的兩種表達：信息論問「信息的極限在哪裏」，機器視覺問「如何從像素裏逼近這個極限」，兩者共享同一套關於「表示、壓縮、冗餘」的語言。

兩位領軍者的貢獻模型卻恰成鏡像。楊偉豪走的是「先立理論、後見應用」的慢路：1998 年的張-楊不等式、2000 與 2003 年的奠基論文，要等十餘年、待 RLNC 與 BATS 碼成熟，才在無線與存儲裏顯影，回報是一門以中大為策源地之一的新學科與一枚香農獎。湯曉鷗走的是「突破即產業」的快路：2014 年的 DeepID 越過人類基準，同年 10 月商湯即告成立，把論文裏的準確率直接換成公司估值。慢與快之間，並無高下——它們分別代表了頂尖研究的兩種正當活法：一種把知識推向更遠的邊界，一種把邊界上的知識迅速送進現實。

一所研究型大學最理想的樣子，或許正是這張並排圖：它既容得下一個人用二十年去證一條不等式，也接得住另一個人用一年把一篇論文變成一家公司。前者決定學校能走多深，後者決定學校能影響多廣——同一個系裏，兩件事同時發生。

相關閲讀：科研成就綜覽、科研產出與衍生公司、國家重點實驗室、生命科學與醫學突破。

---