وانغ يون هي

ويكي
, ,
1

كان وانغ يونخه مديرًا سابقًا لمختبر هواوا نواه، وقائدًا رئيسيًا لنموذج بانغو الضخم، وباحثًا متعمقًا في التعلم يجمع بين نظرية ضغط النماذج وتطبيقها الصناعي على نطاق واسع. وهو الآن المؤسس المشارك والرئيس التنفيذي لشركة “جين يوان لو دونغ” الناشئة في مجال وكلاء الذكاء الاصطناعي.
الولادة 1991، الصين
الجنسية صيني
المنظمة الحالية جين يوان لو دونغ (مؤسس مشارك ورئيس تنفيذي، أبريل 2026 – الآن)؛ سابقًا مختبر هواوا نواه (مدير، مارس 2025 – مارس 2026)
مجالات البحث التعلم العميق، ضغط النماذج والقياس، بحث هندسة الشبكات العصبية (NAS)، الرؤية الحاسوبية، نماذج اللغة الكبيرة، وكيل الذكاء الاصطناعي
مشرفو الدكتوراه شو تشاو (جامعة بكين)، تاو داتشنغ (زميل الأكاديمية الأسترالية للعلوم)
الموقع الشخصي wangyunhe.site
Zhihu YunheWang
GitHub YunheWang
Google Scholar وانغ يونخه — أكثر من 33,000 اقتباس، مؤشر h-index 68

نبذة تعريفية

وانغ يونخه هو أحد الباحثين الممثلين في مجال التعلم العميق في الصين الذين يجمعون بين الإنتاج الأكاديمي والتطبيق الصناعي، ويشتهر بأبحاثه في هندسة الشبكات العصبية الفعالة وضغط النماذج. خلال ما يقرب من تسع سنوات في مختبر هواوا نواه، ترقى من متدرب إلى مدير المختبر، وقاد خلال هذه الفترة تطوير هياكل خفيفة الوزن مثل GhostNet و AdderNet التي تم تبنيها على نطاق واسع في الصناعة، وتولى مسؤولية نموذج هواوا بانغو الضخم كقائد رئيسي، وأشرف على إطلاق سلسلة بانغو 5.5. بعد مغادرته هواوا في مارس 2026، أسس على الفور شركة “جين يوان لو دونغ” المتخصصة في تطبيق وكلاء الذكاء الاصطناعي على مستوى المؤسسات، والتي بلغت قيمتها 100 مليون دولار أمريكي بعد جولة التمويل الأولى. يتجاوز عدد اقتباساته على Google Scholar 33,000 مرة، ومؤشر h-index الخاص به هو 68، مما يضعه في المستوى الأول بين الباحثين في القطاع الصناعي المحلي.

النشأة والتعليم

حصل وانغ يونخه على درجة البكالوريوس من جامعة شيان للالكترونيات في تخصص الرياضيات والرياضيات التطبيقية، مما أكسبه أساسًا رياضيًا متينًا. بعد تخرجه من البكالوريوس، التحق بجامعة بكين في قسم العلوم الذكية لدراسة الدكتوراه تحت إشراف البروفيسور شو تشاو والبروفيسور تاو داتشنغ (زميل الأكاديمية الأسترالية للعلوم)، وركز بحثه على التعلم العميق وضغط النماذج.

خلال فترة دراسته للدكتوراه، بدأ في نشر نتائج أبحاثه في المؤتمرات الأكاديمية المرموقة، بما في ذلك CNNpack (ضغط الشبكات العصبية في مجال التردد) في NeurIPS 2016 و Beyond Filters (خرائط المعالم المدمجة) في ICML 2017، مما أظهر أسلوبًا بحثيًا يمزج بشكل كبير بين نظرية التردد وهندسة التعلم العميق. في عام 2017، قبل تخرجه، انضم إلى هواوا كـأول متدرب في قسم بكين بمختبر هواوا نواه، مما بدأ مسارًا مهنيًا مزدوجًا بين الأوساط الأكاديمية والصناعية. تخرج بدرجة الدكتوراه في عام 2018 وانضم رسميًا إلى هواوا.

خلال فترة دراسته، حصل على زمالة الدكتوراه من Google (Google PhD Fellowship, 2017)، ومنحة بايدو (2017)، ومنحة رئيس جامعة بكين (2017)، وجائزة الطالب الدراسي الوطنية مرتين (2016، 2017)، مما يجعله واحدًا من أكثر الحاصلين على الجوائز كثافة خلال مرحلة الدكتوراه.

المسيرة المهنية

مختبر هواوا نواه (2017–2026)

انضم وانغ يونخه إلى مختبر هواوا نواه كمتدرب في عام 2017، وكان أول باحث متدرب يتم تعيينه في قسم بكين عند تأسيسه. بعد حصوله على درجة الدكتوراه في عام 2018، انضم رسميًا إلى المختبر، وبدأ كمهندس كبير، ثم تدرج إلى مهندس رئيسي وخبير تقني، وترقى بسرعة داخل المختبر بمعدل “ترقية واحدة كل عام”.

فترة أبحاث هندسة التعلم العميق الفعال (2018–2021)

خلال هذه المرحلة، شارك وانغ وقاد العديد من الأبحاث الأساسية البارزة في مختبر هواوا نواه. اقترحت GhostNet (CVPR 2020) توليد “خرائط ميزات شبحيّة” باستخدام عمليات خطية رخيصة، مما قلل بشكل كبير من عدد المعلمات وحجم العمليات الحسابية للنماذج على الأجهزة الطرفية مع الحفاظ على نفس الدقة، وسرعان ما أصبحت واحدة من أكثر الهياكل خفيفة الوزن引用ًا في الصناعة، مع أكثر من 6000 اقتباس منفرد على Google Scholar. في نفس العام، استبدلت AdderNet (عرض شفهي في CVPR 2020) عمليات الضرب بعمليات الجمع البحتة في الشبكات العميقة، مما أعاد تعريف الذكاء الاصطناعي الفعال من منظور استهلاك طاقة الأجهزة، وحصلت النتيجتان معًا على جائزة هواوا العاشرة للاختراعات الكبرى، وتم تطبيقهما لتحسين خوارزميات التلسكوب الراديوي الصيني FAST، مما ساعد الباحثين على تحديد مئات العينات الجديدة من الانفجارات الراديوية السريعة (FRB).

بالإضافة إلى ذلك، كان التطبيق الصناعي لمحولات الرؤية (Vision Transformers) اتجاهًا مهمًا خلال هذه الفترة. نشر وانغ وفريقه أعمالًا مثل Transformer-in-Transformer (TNT, NeurIPS 2021) و Pre-trained Image Processing Transformer (IPT, CVPR 2021)، وأشرفوا على كتابة مراجعة شاملة بعنوان “A Survey on Visual Transformer” (IEEE TPAMI 2022)، والتي نظمت بشكل منهجي مسار تطور أبحاث سلسلة ViT.

مدير قسم تطبيقات الخوارزميات (أواخر 2021 – أوائل 2025)

في نهاية عام 2021، تمت ترقية وانغ يونخه إلى منصب مدير قسم تطبيقات الخوارزميات في هواوا (الذي أعيد تسميته لاحقًا بمختبر النماذج الصغيرة)، حيث كان مسؤولاً بالكامل عن تطوير وتطبيق خوارزميات الذكاء الاصطناعي الفعالة. في هذا المنصب، واصل دفع تقنيات خفة النماذج نحو التطبيق في المنتجات النهائية، وتم تطبيق النتائج ذات الصلة في هواتف هواوا الرائدة مثل Mate 30 وفي العديد من الحلول الصناعية.

مدير مختبر هواوا نواه وقائد نموذج بانغو الضخم (مارس 2025 – مارس 2026)

في مارس 2025، تم نقل مدير مختبر نواه السابق ياو جون إلى منصب داخلي آخر، وتولى وانغ يونخه المسؤولية في وقت حرج، حيث أصبح مدير المختبر وفي نفس الوقت القائد الرئيسي لنموذج بانغو الضخم، مما جعله أعلى قائد تقني لنظام أبحاث الذكاء الاصطناعي في هواوا، وأطلق عليه في الصناعة لقب “الشاب القائد لبانغو”.

في غضون حوالي ثلاثة أشهر من توليه المنصب، دفع بسرعة إطلاق سلسلة بانغو 5.5. اعتمد بانغو 5.5 على هندسة الخبراء المختلطين (MoE)، وبلغ عدد معلمات النسخة الرائدة “Pangu Ultra” 718 مليارًا، مع حوالي 39 مليار معلمة نشطة؛ وقدم آلية تفكير سريع وبطيء متكيفة، مما زاد كفاءة الاستدلال الإجمالية بمقدار 8 أضعاف مقارنة بالإصدار السابق؛ كما أطلق وحدة وكيل البحث العميق DeepDiver، القادرة على إكمال أسئلة معقدة تتطلب أكثر من عشر خطوات في غضون 5 دقائق وإنشاء تقارير احترافية طويلة. خلال هذه الفترة، تم تطبيق نموذج بانغو الضخم بعمق في شركات السيارات الرئيسية مثل فاو، غاك، تشانغان، سايكس، وبي واي دي، وشمل سلسلة القيمة الكاملة لتطوير السيارات وإنتاجها وخدمات ما بعد البيع.

في 28 مارس 2026، نشر وانغ يونخه منشورًا على حسابه في WeChat يؤكد مغادرته هواوا، وكتب: “8 سنوات، بالدقة 9 سنوات (أول متدرب في بكين عام 2017)، أغادر بمشاعر حزينة المكان الذي كافحت فيه من قبل.”

جين يوان لو دونغ (أبريل 2026 – الآن)

في 8 أبريل 2026، تم تأسيس شركة شنغهاي جين يوان لو دونغ للتكنولوجيا المحدودة رسميًا، وفي 17 من نفس الشهر، تم تسجيل شركة بكين جين يوان لو دونغ للتكنولوجيا المحدودة تجاريًا، وكلاهما كان الممثل القانوني لهما هو وانغ يونخه. انضم هان كاي، كبير الباحثين السابق في مختبر هواوا نواه، إلى الشركة كمدير للتكنولوجيا (CTO)، وقد عمل مع وانغ لفترة طويلة في تطوير خوارزميات مثل GhostNet، ويتمتعان بفهم عميق وتناغم كبير في التوجه التقني والتنفيذ الهندسي.

تستهدف جين يوان لو دونغ مجالًا أساسيًا هو تطبيق وكلاء الذكاء الاصطناعي (AI Agent) على مستوى المؤسسات في القطاع الصناعي، معتمدة على تقنيات النماذج الكبيرة خفيفة الوزن والخوارزميات منخفضة استهلاك الطاقة التي طورها وانغ في هواوا كدعم أساسي، وتركز على مساعدة الشركات في القطاعات التقليدية مثل التصنيع والمالية والسيارات في بناء مساعدين ذكيين مخصصين، بهدف معالجة المشاكل الرئيسية في تطبيق الذكاء الاصطناعي في المؤسسات مثل ارتفاع التكلفة وصعوبة النشر واستهلاك الموارد الحاسوبية الكبير، وتتجنب عمدًا المنافسة الشرسة مع عمالقة نماذج اللغة الكبيرة العامة.

في 2 يونيو 2026، كشفت Sina Technology حصريًا أن جين يوان لو دونغ قد أكملت جولة تمويل، حيث بلغت قيمتها الإجمالية بعد الاستثمار 100 مليون دولار أمريكي، وتكونت جهات التمويل من مؤسسات استثمارية محلية رائدة وعدة شركات إنترنت كبرى، كما حصلت على طلبات تعاون مستقرة من عدة جهات كبيرة مملوكة للدولة، ومن المقرر إطلاق أول منتج تجاري للوكيل في غضون بضعة أشهر.

الإسهامات الرئيسية

  • GhostNet (CVPR 2020) — اقترحت بنية شبكة خفيفة الوزن تولد “خرائط ميزات شبحيّة” باستخدام عمليات خطية رخيصة، مما يقلل بشكل كبير من عدد المعلمات والعمليات الحسابية بنفس الدقة مقارنة بالحلول المثلى السابقة، وأصبحت واحدة من المسارات التقنية الرئيسية للذكاء الاصطناعي على الأجهزة الطرفية، مع أكثر من 6000 اقتباس منفرد، وهي الورقة الأكثر استشهادًا لوانغ.
  • AdderNet (عرض شفهي في CVPR 2020) — استبدلت عمليات الالتفاف بعمليات الجمع البحتة في الشبكات العميقة، مما يقلل بشكل كبير من استهلاك الطاقة ومساحة الدائرة لرقائق الذكاء الاصطناعي على مستوى المشغلين، وحصلت على جائزة هواوا العاشرة للاختراعات وتم تطبيقها في تلسكوب الصين الراديوي FAST، مما ساعد في اكتشاف مئات العينات الجديدة من الانفجارات الراديوية السريعة.
  • VanillaNet (2023) — تتبنى فلسفة التصميم البسيط “الأقل هو الأكثر”، من خلال تقليل العمق والعمليات المعقدة (مثل الانتباه الذاتي) لبناء شبكات أساسية فعالة، حيث يتفوق إصدار VanillaNet ذو الـ 6 طبقات على ResNet-34، ويصل إصدار الـ 13 طبقة إلى دقة Top-1 تبلغ حوالي 83%، مما يوفر ميزة كبيرة في كفاءة الأجهزة.
  • PanGu-π / بانغو 5.5 (2023–2025) — قاد الابتكار في بنية نموذج هواوا بانغو الضخم؛ حيث عزز PanGu-π بشكل كبير قدرات التعبير لنماذج LLM بحجم 7B/1B من خلال وحدات تعويض غير خطية؛ واعتمد بانغو 5.5 على هندسة MoE لتحقيق زيادة في كفاءة الاستدلال بمقدار 8 أضعاف، مما دفع التطبيق التجاري للنماذج الكبيرة في قطاعات مثل السيارات والتصنيع والمالية.
  • أبحاث نظام محولات الرؤية (Visual Transformer) — شارك في نشر سلسلة من الأعمال مثل TNT (NeurIPS 2021) و IPT (CVPR 2021) و CMT (CVPR 2022)، وأشرف على كتابة مراجعة ViT (IEEE TPAMI 2022)، والتي كانت واحدة من أوائل الأعمال التي نظمت بشكل منهجي خريطة أبحاث محولات الرؤية في الصين، ولا يزال عدد الاقتباسات منها مرتفعًا.
  • طرق القياس والتقليم المنهجية للنماذج — نشر العديد من الأعمال حول القياس (AdderQuant، البحث منخفض البت)، والتقليم (SCOP، ManiDP)، والتقطير المعرفي (التقطير المستقل عن البيانات DAFL، تقطير الميزات المفصولة) في مؤتمرات مرموقة مثل NeurIPS و ICML و CVPR و ICCV، مما دفع بشكل منهجي بناء المنهجيات الأساسية للذكاء الاصطناعي الفعال.

التأثير الاجتماعي والتكريمات

  • زمالة الدكتوراه من Google (2017) — منحة الدكتوراه من Google، وكان عدد طلاب الدراسات العليا الصينيين الذين حصلوا عليها في ذلك العام نادرًا جدًا.
  • منحة بايدو (2017) — تُمنح سنويًا لحوالي 10 من أفضل طلاب الدكتوراه على مستوى البلاد.
  • منحة رئيس جامعة بكين (2017) — واحدة من أعلى منح الشرف لطلاب الدراسات العليا في جامعة بكين.
  • جائزة الطالب الدراسي الوطنية (2016، 2017) — فاز بها مرتين متتاليتين.
  • جائزة هواوا العاشرة للاختراعات الكبرى — حصل على أعلى مستوى من جوائز الابتكار والاختراع في هواوا عن “المضاعف الفعال والشبكات العصبية الجمعية”، وهي من الإنجازات القليلة التي يمكنها تحقيق تأثير أكاديمي كبير وقيمة تجارية عالية داخل الشركة.
  • ترشيح جائزة WAIC لأفضل ورقة بحثية للشباب (2020) — ضمن أفضل أوراق الشباب في المؤتمر العالمي للذكاء الاصطناعي.
  • ترشيح CVPR 2024 لأفضل ورقة طلابية — حصلت ورقة الفريق على ترشيح لأعلى تكريم في مؤتمر الرؤية الحاسوبية الدولي.

الشبكة الأكاديمية والعلاقات الشخصية

  • شو تشاو — مشرف الدكتوراه في جامعة بكين؛ أستاذ في قسم العلوم الذكية بجامعة بكين، وباحث مخضرم في ضغط النماذج والتعلم العميق الفعال، وضع الأساس الأكاديمي لاتجاه بحث وانغ.
  • تاو داتشنغ (Dacheng Tao) — المشرف المشارك لدراسة الدكتوراه في جامعة بكين؛ زميل الأكاديمية الأسترالية للعلوم، وسلطة دولية في مجال التعلم الإحصائي والرؤية الحاسوبية، وما زال يتعاون معه في أوراق هواوا اللاحقة.
  • هان كاي (Kai Han) — كبير الباحثين السابق في مختبر هواوا نواه، ومؤلف مشارك في الأوراق الأساسية مثل GhostNet و TNT؛ والمدير الحالي للتكنولوجيا (CTO) في جين يوان لو دونغ، وأهم شريك على المدى الطويل وشريك في ريادة الأعمال.
  • تيان تشي (Qi Tian) — متعاون مشارك في العديد من الأعمال مثل GhostNet و AdderNet، وباحث مخضرم في مختبر هواوا نواه.
  • تشين هان تينغ (Hanting Chen) — مؤلف مشارك رئيسي في العديد من الأوراق المقدمة في مؤتمرات مرموقة مثل AdderNet و IPT، وباحث في مختبر هواوا نواه.
  • تشانغ شو (Chang Xu) — أستاذ في جامعة نانيانغ التكنولوجية، ومتعاون أكاديمي مع وانغ خلال فترة الدكتوراه، ونشرا معًا العديد من الأوراق عالية التأثير في مجال ضغط النماذج.

الأسلوب الشخصي

يظهر مسار أبحاث وانغ يونخه أسلوبًا واضحًا يتمثل في “الحدس الرياضي يقود التطبيق الهندسي”: جاء إلهام AdderNet من تأمل في طبيعة عمليات الضرب والجمع أثناء نزهة على الجبل، بينما انطلقت GhostNet من ملاحظة إحصائية حول “خرائط الميزات الزائدة” وقدمت مباشرة حلاً هندسيًا قابلاً للقياس، وكلاهما يظهر قدرة على الانتقال من رؤى رياضية بسيطة إلى حلول قابلة للتطبيق على نطاق واسع. على منصات مثل Zhihu، يحافظ على تواصل مفتوح مع الزملاء الأكاديميين والمهندسين، وتكون تعبيراته التقنية مباشرة دون مبالغة. خلال تسع سنوات، انتقل من أول متدرب في هواوا في بكين إلى مدير المختبر، ثم إلى ريادة الأعمال بتقييم 100 مليون دولار، ويعكس مساره النموذج النموذجي للقادة الجدد في مجال الذكاء الاصطناعي في الصين الذين يتخذون قرارات مستقلة بين التراكم التقني في الشركات الكبرى ونوافذ ريادة الأعمال المستقلة.

المراجع