据国内外多家媒体包括 36氪、MIT News 和 OSChina 的报道，计算机视觉领域的大牛何凯明（Kaiming He）于 2025 年 6 月正式加入 Google DeepMind，担任“兼职杰出科学家”（Distinguished Scientist），同时继续担任 MIT 电气工程与计算机科学系（EECS）的终身副教授。

1. 学术界+产业界双轨并行：MIT + DeepMind

何凯明作为2003年广东省高考理科状元考入清华大学，本科毕业后进入香港中文大学攻读博士学位，师从AI大牛汤晓鸥教授，毕业后进入微软亚洲研究院。他长期活跃于产业与学术两大阵营，先后在微软亚洲研究院（MSRA，2011–2016）、Facebook AI Research（FAIR，2016–2024）任职，直至 2024 年受邀加入 MIT 成为终身副教授。今年6月，他更新了个人主页，确认自己已成为 DeepMind 的兼职科学家，兼任 MIT 职务不变，以“双轨制”身份并行推进前沿研究。

这种安排体现出 DeepMind 与全球顶尖学术机构间的协同合作趋势，有助弥合学术创新与工业应用之间的壁垒。

2. CV（计算机视觉）界传奇：ResNet 和 Mask R-CNN 领路人

何凯明是 ResNet 的主要发明人之一，其论文《Deep Residual Learning for Image Recognition》被认为是 21 世纪AI领域被引用次数最多的论文，没有之一，截止目前在 Google Scholar 上累计引用超 280,000 次。残差连接 (residual connection) 成为现代深度学习模型（包括 Transformer、AlphaGo Zero、AlphaFold 等）不可或缺的设计基础。

此外，他在图像分割领域也颇有建树，如 Faster R‑CNN、Mask R‑CNN 等技术均有其参与并获得 CVPR / ICCV 等多个顶会“最佳论文”奖项。这些成果奠定了其在 CV 社区的核心地位，全球学术引用总量累计超 700,000 次。

3. 加入 DeepMind 的意图：延伸生成与跨领域协同

何凯明本人曾在 CVPR 和 NeurIPS 等会议上提到，当前生成模型普遍采用多步骤（分层）推理方式，而未来可能转向更高效的端到端生成框架，如 MeanFlow 单步生成模型。他提出“识别是从数据到嵌入；生成是从嵌入到数据”，强调两者应结合，共同推动 AI 模型进步。

MIT News 在 2025 年 2 月曾刊文，称何凯明始终致力于 AI 构建跨学科中枢，“创建一种通用语言，突破不同学科之间的高墙” 。如今加入 DeepMind，他或可借助其在决策推理、生命科学等领域的资源，将视觉生成与更广泛科学范式融合。他本人也提到其专注领域在计算机视觉的智能化。

4. “兼职架构”奏效：风险与机遇并存

目前Google尚未披露其在 DeepMind 内部的具体职能安排，但媒体及网友已有相关猜测：

OSChina 报道称他在 DeepMind 隶属“基础研究组”，虽是 L8 级别，仍距离 CEO Hassabis 三层级，推测其创新空间与资源整合潜力仍然可观；
新浪财经和电子工程专辑则普遍强调这是战略级布局，是产学研融合的重要信号。

如果这一兼职角色能有效配合其 MIT 教研与 DeepMind 技术资源，将有望推动视觉生成模型的跨阶段落地，同时成为学界与产业协作新范式。

5. 专家评论与未来展望

支持者视角

Brendan Frey（符合与 DeepMind 合作背景）指出，何凯明拥有整合视觉识别生成模型的技术优势，他在 DeepMind 的加入可能加速通用生成框架的发展；
MIT 同行认为，依托 DeepMind 多模态研究平台，何凯明将在端到端生成、模型可解释性等方向发挥关键作用。

质疑者视角

部分声音则警告，这种“双轨”身