杨强周志华如何引领人工智能发展？

99ANYc3cd6 人工智能 2026-01-30 7

核心摘要：一张图看懂区别

特征	杨强	周志华
主要领域	联邦学习、迁移学习、数据挖掘	机器学习、数据挖掘、集成学习
标志性成就	全球“联邦学习之父”，定义并开创了联邦学习领域	“机器学习书斋”，撰写了领域内权威教材《机器学习》
学术风格	连接学术界与工业界，强调解决实际问题，技术落地导向	严谨、系统、深刻，以理论创新和知识体系构建著称
业界角色	AI创业的推动者，曾任第四范式首席科学家，微众银行AI负责人	学界标杆，学术影响力巨大，是培养顶尖人才的“黄埔军校”校长
核心理念	“数据不动模型动”，解决数据孤岛和隐私问题	“机器学习是科学，也是艺术”，追求算法的内在美和系统性
影响力标签	产业AI的布道者、跨界融合的典范	学术界的“南周”、机器学习领域的百科全书

杨强教授是人工智能领域,特别是联邦学习的开创者和全球公认的领导者，他的工作深刻地影响了AI如何从实验室走向真实世界的商业应用。

（图片来源网络，侵删）

这是杨强教授最广为人知的标签,在2025年，他首次提出了“联邦学习”的概念。

背景与动机：在现实世界中，数据往往分散在不同的机构（如银行、医院、手机厂商）中，出于隐私、安全、法规（如GDPR）和商业竞争的原因，这些数据无法直接集中起来进行模型训练，这导致了“数据孤岛”问题。
解决方案：联邦学习的核心思想是 “数据不动模型动”，各方在不共享原始数据的情况下，只交换加密后的模型参数或梯度，在本地训练模型，然后通过一个中心服务器进行聚合，共同更新一个全局模型。
意义：它巧妙地解决了数据隐私和模型性能之间的矛盾，使得在保护数据隐私的前提下，进行协同AI训练成为可能，这项技术对金融、医疗、物联网、自动驾驶等领域具有革命性的意义。

杨强教授的学术生涯与工业界紧密相连,他是一位“从产业中来，到产业中去”的学者。

学界背景：他曾是香港科技大学计算机科学与工程系的讲席教授，在迁移学习、数据挖掘等领域也做出了开创性工作。
业界实践：他曾担任第四范式的联合创始人兼首席科学家，以及微众银行的AI负责人，将联邦学习等技术落地到实际的金融业务中，取得了显著成效。
布道者角色：他积极向全球学术界和工业界推广联邦学习，担任了多个顶级AI会议的主席，并创办了“联邦学习国际会议”（FL-IoT），极大地推动了该领域的发展。

杨强教授是一位“破局者”，他看到了AI发展中的核心瓶颈——数据孤岛，并创造性地提出了联邦学习这一解决方案，他不仅是一位杰出的理论研究者，更是一位成功的实践者和产业推动者，完美地连接了学术前沿与工业需求，被誉为“全球联邦学习之父”。

周志华教授,人称“周老师”或“西瓜书”作者，是中国机器学习领域的学术泰斗，他的工作以理论深度、系统性和严谨性著称，对整个中国机器学习社区产生了深远的影响。

（图片来源网络，侵删）

周教授的研究覆盖机器学习的多个方面,但他的最大贡献在于为整个领域构建了坚实而系统的知识体系。

集成学习：他在集成学习领域做出了世界级的贡献，提出了“特征选择集成”（EASE）等著名算法，并对集成学习的理论基础有深刻洞察。
《机器学习》（“西瓜书”）：这是他最广为人知的成就，这本书被誉为中国机器学习领域的“圣经”和“入门必读”，它以严谨、系统、深入浅出的方式，全面介绍了机器学习的核心概念、算法和理论，为无数学生和从业者打下了坚实的理论基础，这本书的影响力远远超出了教材本身，成为了一个文化符号。
学术领导力：他担任南京大学人工智能学院院长和计算机科学与技术系主任，致力于培养顶尖AI人才，他领导的机器学习与数据挖掘实验室是中国机器学习研究的重镇，被誉为培养AI人才的“黄埔军校”。

周志华教授的学术风格以“顶天立地”著称。

周志华教授是一位“奠基人”，他没有像杨强教授那样开创一个全新的“风口”领域，但他为整个机器学习大厦铺设了最坚实的地基，通过他的研究、著作和人才培养，他深刻地塑造了中国机器学习研究的面貌和生态，他是一位纯粹的学者、杰出的教育家，是当之无愧的“学术界的南周”（与香港的“北杨”相对应）。

他们的区别可以概括为：

杨强更像一个 “将军”或“开拓者”，他发现了战场上（产业界）的新问题（数据孤岛），发明了新的战术（联邦学习），并带领团队（业界）打赢了关键战役，同时将战术理论化，推广给全军（学术界）。
周志华 更像一个 “元帅”或“总工程师”，他负责设计和建造整个军事学院（南京大学AI学院），编写了所有兵种的教科书（西瓜书），培养了无数的军官和士兵（学生），并不断研发更先进的武器装备（核心算法），确保整个军队的理论基础和战斗力。

两人都是中国人工智能领域不可或缺的巨擘,他们分别从“产业应用”和“学术根基”两个维度，推动了中国AI的蓬勃发展，共同构成了中国AI版图上两座不可逾越的高峰。