Wang Yunhe

Wiki
, ,
1

Ehemaliger Direktor des Huawei Noah’s Ark Lab, Kernverantwortlicher für das Pangu Large Model, Tief lernender Forscher mit Expertise in Modellkomprimierungstheorie und groß angelegter industrieller Umsetzung, derzeit Mitgründer und CEO des AI-Agenten-Startups Jiyuan Lüdong (Elementary Dynamics).
Geburt 1991, China
Staatsangehörigkeit China
Aktuelle Institution Jiyuan Lüdong (Mitgründer und CEO, seit April 2026); zuvor Huawei Noah’s Ark Lab (Direktor, März 2025 – März 2026)
Forschungsschwerpunkte Deep Learning, Modellkomprimierung und -quantisierung, Neural Architecture Search (NAS), Computer Vision, Große Sprachmodelle, AI-Agenten
Doktorvater Xu Chao (Universität Peking), Tao Dacheng (Mitglied der Australian Academy of Sciences)
Persönliche Website wangyunhe.site
Zhihu YunheWang
GitHub YunheWang
Google Scholar Wang Yunhe – über 33.000 Zitationen, h-Index 68

Kurzbiografie

Wang Yunhe ist einer der repräsentativen Forscher im chinesischen Deep Learning, der akademische Produktion und industrielle Umsetzung gleichermaßen vorantreibt. Er ist bekannt für seine Forschung an effizienten neuronalen Netzarchitekturen und Modellkomprimierung. Während seiner fast neunjährigen Tätigkeit am Huawei Noah’s Ark Lab stieg er vom Praktikanten zum Labordirektor auf. In dieser Zeit leitete er die Entwicklung der in der Industrie weit verbreiteten, leichten Architekturen GhostNet und AdderNet und war als Kernverantwortlicher für das Huawei Pangu Large Model maßgeblich an der Einführung der Pangu-5.5-Serie beteiligt. Nach seinem Ausscheiden bei Huawei im März 2026 gründete er sofort das Unternehmen Jiyuan Lüdong, das sich auf die Umsetzung von KI-Agenten für Unternehmen konzentriert. Nach der ersten Finanzierungsrunde wurde das Unternehmen mit 100 Millionen US-Dollar bewertet. Mit über 33.000 Zitationen auf Google Scholar und einem h-Index von 68 gehört er zur Spitzengruppe der Forscher in der chinesischen Industrie.

Werdegang und Ausbildung

Wang Yunhe absolvierte sein Bachelorstudium in Mathematik und Angewandter Mathematik an der Xidian-Universität, wo er eine solide mathematische Grundlage erhielt. Nach dem Bachelor wechselte er für sein Promotionsstudium an die Peking-Universität, Fachbereich Intelligente Wissenschaften, wo er von Professor Xu Chao und Professor Tao Dacheng, einem Mitglied der Australian Academy of Sciences, betreut wurde. Seine Forschung konzentrierte sich auf Deep Learning und Modellkomprimierung.

Bereits während seiner Promotion veröffentlichte er Ergebnisse auf den besten akademischen Konferenzen, darunter CNNpack (Frequenzdomänen-Neuronale-Netz-Komprimierung) auf der NeurIPS 2016 und Beyond Filters (Kompakte Merkmalskarten) auf der ICML 2017. Diese Arbeiten zeigten seinen Forschungsstil, der Frequenzdomänentheorie und Deep-Learning-Engineering auf hohem Niveau vereint. 2017, noch vor seinem Abschluss, trat er als erster Praktikant des Huawei Noah’s Ark Lab am Standort Peking dem Unternehmen bei und begann einen Karriereweg, der sowohl akademische als auch industrielle Schwerpunkte parallel verfolgte. 2018 schloss er seine Promotion ab und begann offiziell seine Arbeit bei Huawei.

Während seiner Studienzeit erhielt er nacheinander das Google PhD Fellowship (2017), das Baidu Scholarship (2017), den Präsidentenstipendium der Universität Peking (2017) sowie zweimal das Nationale Stipendium für Graduierte (2016, 2017). Damit gehörte er zu den Graduierten mit den meisten Auszeichnungen in dieser Phase.

Berufserfahrung

Huawei Noah’s Ark Lab (2017–2026)

Wang Yunhe trat 2017 als Praktikant in das Huawei Noah’s Ark Lab ein und war der erste Forschungs-Praktikant, der in der Anfangsphase der Einrichtung des Labors am Standort Peking eingestellt wurde. Nach seiner Promotion 2018 trat er offiziell die Stelle als leitender Ingenieur an. Im Laufe der Jahre wurde er nacheinander zum Chefingenieur und Technischen Experten befördert und stieg innerhalb des Labors stetig auf.

Forschungsphase zu effizienten Deep-Learning-Architekturen (2018–2021)

In dieser Phase war Wang Yunhe maßgeblich an mehreren wegweisenden Grundlagenforschungen des Huawei Noah’s Ark Lab beteiligt. GhostNet (CVPR 2020) schlug vor, billige lineare Operationen zu verwenden, um „Geistermerkmalskarten“ zu erzeugen, wodurch die Parameteranzahl und der Rechenaufwand für Modelle auf Endgeräten bei gleicher Genauigkeit drastisch reduziert werden. Es entwickelte sich schnell zu einer der am weitesten verbreiteten leichten Architekturen in der Industrie. Die einzelne Veröffentlichung hat auf Google Scholar über 6.000 Zitationen. Im selben Jahr ersetzte AdderNet (CVPR 2020, mündlicher Vortrag) in tiefen Netzen die Multiplikation durch reine Additionsoperationen und definierte effiziente KI aus der Perspektive des Hardware-Stromverbrauchs neu. Beide Ergebnisse wurden gemeinsam mit dem vierten Top-10-Erfindungspreis von Huawei ausgezeichnet und durch Algorithmusoptimierung im chinesischen Teleskop FAST (Fünfhundert-Meter-Apertur-Kugelteleskop) eingesetzt, um Wissenschaftlern bei der effizienten Identifizierung von Hunderten neuer Fast Radio Burst (FRB)-Proben zu helfen.

Darüber hinaus war die industrielle Anwendung von Vision Transformers eine wichtige Richtung in dieser Zeit. Wang Yunhe und sein Team veröffentlichten Arbeiten wie Transformer-in-Transformer (TNT, NeurIPS 2021), Pre-trained Image Processing Transformer (IPT, CVPR 2021) für Bildüberauflösung und leiteten die Erstellung der viel zitierten Übersichtsarbeit „A Survey on Visual Transformer“ (IEEE TPAMI 2022), die die Entwicklung der ViT-Forschung systematisch aufarbeitete.

Leiter der Abteilung für Algorithmenanwendungen (Ende 2021 – Anfang 2025)

Ende 2021 wurde Wang Yunhe zum Leiter der Abteilung für Algorithmenanwendungen (später umbenannt in Labor für kleine Modelle) von Huawei befördert und war für die Entwicklung und Umsetzung effizienter KI-Algorithmen voll verantwortlich. In dieser Position trieb er die Übertragung von Modell-Leichtgewichtstechnologien in Endprodukte kontinuierlich voran. Die entsprechenden Ergebnisse wurden in Flaggschiff-Smartphones wie dem Huawei Mate 30 und mehreren Branchenlösungen eingesetzt.

Direktor des Huawei Noah’s Ark Lab und Verantwortlicher für das Pangu Large Model (März 2025 – März 2026)

Im März 2025 wurde der bisherige Direktor des Noah’s Ark Lab, Yao Jun, intern versetzt. Wang Yunhe übernahm in einer kritischen Phase die Position des Labordirektors und wurde gleichzeitig Kernverantwortlicher für das Pangu Large Model. Damit wurde er zur höchsten technischen Führungspersönlichkeit im KI-Entwicklungssystem von Huawei und in der Branche als „Pangu-Jungkommandant“ bezeichnet.

Innerhalb von etwa drei Monaten nach seiner Ernennung trieb er schnell die Veröffentlichung der Pangu-5.5-Serie voran. Pangu 5.5 verwendete eine Mixture-of-Experts (MoE)-Architektur. Die Flaggschiff-Version „Pangu Ultra“ hatte 718 Milliarden Parameter, wobei etwa 39 Milliarden Parameter aktiviert wurden. Das Modell führte einen adaptiven, schnellen und langsamen Denkmechanismus ein, der die gesamte Inferenzeffizienz im Vergleich zur vorherigen Generation um das Achtfache steigerte. Gleichzeitig wurde das Deep-Retrieval-Agenten-Modul DeepDiver eingeführt, das in fünf Minuten komplexe Fragen mit über zehn Schritten beantwortet und einen tausend Wörter umfassenden professionellen Bericht erstellen kann. Während dieser Zeit wurde das Pangu Large Model tiefgreifend bei großen Automobilherstellern wie FAW, GAC, Changan, Seres und BYD implementiert und deckte die gesamte Kette von Fahrzeugentwicklung, Produktion bis hin zum Kundendienst ab.

Am 28. März 2026 bestätigte Wang Yunhe in einem Beitrag in seinem sozialen Netzwerk seinen Austritt und verabschiedete sich von Huawei. Er schrieb: „8 Jahre, genauer gesagt 9 Jahre (2017 der erste Praktikant in Peking). Mit einem wehmütigen Herzen verlasse ich den Ort, für den ich gekämpft habe.“

Jiyuan Lüdong (Elementary Dynamics) (seit April 2026)

Am 8. April 2026 wurde die Shanghai Jiyuan Lüdong Technology Co., Ltd. offiziell registriert. Am 17. April desselben Monats wurde auch die Beijing Jiyuan Lüdong Technology Co., Ltd. im Handelsregister eingetragen. Der gesetzliche Vertreter beider Unternehmen ist Wang Yunhe. Der ehemalige Chefwissenschaftler des Huawei Noah’s Ark Lab, Han Kai, wurde CTO des neuen Unternehmens. Er hat über Jahre hinweg mit Wang Yunhe an Algorithmen wie GhostNet zusammengearbeitet, und die beiden verfügen über ein hohes Maß an gegenseitigem Verständnis in Bezug auf technische Ausrichtung und technische Umsetzung.

Das Kerngeschäft von Jiyuan Lüdong liegt im Bereich der unternehmensorientierten KI-Agenten für die industrielle Umsetzung. Das Unternehmen stützt sich auf die von Wang Yunhe bei Huawei entwickelten Technologien für leichte große Modelle und stromsparende Algorithmen. Es konzentriert sich darauf, Unternehmen in traditionellen Branchen wie Fertigung, Finanzen und Automobilindustrie beim Aufbau eigener, spezialisierter KI-Assistenten zu helfen. Dabei sollen die branchentypischen Probleme hoher Kosten, schwieriger Implementierung und hohem Rechenleistungsbedarf bei der KI-Einführung in Unternehmen gelöst werden. Das Unternehmen vermeidet bewusst den Wettbewerb mit großen Playern im Bereich der allgemeinen großen Modelle.

Am 2. Juni 2026 exklusiv von Sina Tech berichtet, hat Jiyuan Lüdong eine Finanzierungsrunde abgeschlossen. Die Post-Money-Bewertung des Unternehmens liegt bei 100 Millionen US-Dollar. Die Investoren setzen sich aus führenden inländischen Risikokapitalfirmen und mehreren führenden Internetunternehmen zusammen. Das Unternehmen hat bereits stabile Kooperationsaufträge von mehreren staatlich unterstützten Großunternehmen gesichert. Das erste kommerzielle Agentenprodukt soll innerhalb weniger Monate auf den Markt kommen.

Hauptbeiträge

  • GhostNet (CVPR 2020) – Vorschlag einer leichten Netzwerkarchitektur, die kostengünstige lineare Operationen zur Erzeugung von „Geistermerkmalskarten“ verwendet. Bei gleicher Genauigkeit sind die Parameteranzahl und die Gleitkommaoperationen deutlich geringer als bei bisherigen optimalen Lösungen. Es hat sich zu einer der wichtigsten technischen Methoden für KI auf Endgeräten entwickelt und ist mit über 6.000 Zitationen die am häufigsten zitierte Arbeit von Wang Yunhe.
  • AdderNet (CVPR 2020, mündlicher Vortrag) – Ersetzung der Multiplikationsfaltung in tiefen Netzen durch reine Additionsoperationen, wodurch der Stromverbrauch und die Schaltungsfläche von KI-Chips auf Operatorebene drastisch reduziert werden. Es wurde mit dem Top-10-Erfindungspreis von Huawei ausgezeichnet und im chinesischen Teleskop FAST eingesetzt, um die Identifizierung von Hunderten neuer Fast Radio Burst-Proben zu unterstützen.
  • VanillaNet (2023) – Umsetzung der minimalistischen Designphilosophie „Weniger ist mehr“ durch Reduzierung der Tiefe und komplexer Operationen (wie z. B. Selbstaufmerksamkeit) zur Konstruktion effizienter Backbone-Netzwerke. Die 6-schichtige VanillaNet übertrifft ResNet-34, die 13-schichtige Version erreicht eine Top-1-Genauigkeit von etwa 83 % und bietet erhebliche Vorteile in der Hardware-Effizienz.
  • PanGu-π / Pangu 5.5 (2023–2025) – Leitung der architektonischen Innovation des Huawei Pangu Large Model; PanGu-π verbessert die Ausdrucksfähigkeit von LLMs mit 7B/1B Parametern durch einen nichtlinearen Kompensationsblock; Pangu 5.5 verwendet eine MoE-Architektur mit einer 8-fachen Steigerung der Inferenzeffizienz und treibt die kommerzielle Einführung großer Modelle in den Bereichen Automobil, Fertigung, Finanzen und anderen Branchen voran.
  • Forschung zum Vision-Transformer-System – Beteiligung an der Veröffentlichung von Arbeiten wie TNT (NeurIPS 2021), IPT (CVPR 2021), CMT (CVPR 2022) und Leitung der Erstellung des ViT-Überblicks (IEEE TPAMI 2022). Dies ist eine der frühesten Arbeiten in China, die das Forschungsspektrum der Vision-Transformer systematisch aufarbeitet, und die Zitationen bleiben hoch.
  • Systematische Methoden zur Modellquantisierung und -bereinigung – Veröffentlichung mehrerer Arbeiten zu Quantisierung (AdderQuant, Low-Bit-Suche), Bereinigung (SCOP, ManiDP) und Wissensdestillation (datenunabhängige Destillation DAFL, entkoppelte Merkmalsdestillation) auf Top-Konferenzen wie NeurIPS, ICML, CVPR, ICCV, die systematisch zum Aufbau der grundlegenden Methodik effizienter KI beigetragen haben.

Gesellschaftlicher Einfluss und Auszeichnungen

  • Google PhD Fellowship (2017) – Google-Doktorandenstipendium. In diesem Jahr erhielten äußerst wenige chinesische Graduierte dieses Stipendium.
  • Baidu Scholarship (2017) – Wird jährlich an nur etwa zehn der besten Doktoranden des Landes verliehen.
  • Präsidentenstipendium der Universität Peking (2017) – Eines der höchsten Auszeichnungsstipendien für Graduierte der Universität Peking.
  • Nationales Stipendium für Graduierte (2016, 2017) – Zweimal in Folge ausgezeichnet.
  • Vierter Top-10-Erfindungspreis von Huawei – Für „Hocheffizienter Multiplizierer und additives neuronales Netzwerk“. Dies ist die höchste Auszeichnung für innovative Erfindungen innerhalb von Huawei, und die Arbeit ist eines der wenigen Ergebnisse, die innerhalb des Unternehmens gleichzeitig hohe akademische Wirkung und kommerziellen Wert erzielen konnten.
  • Nominierung für den WAIC Outstanding Youth Paper Award (2020) – Aufnahme in die Auswahl für den besten Nachwuchsbeitrag der World Artificial Intelligence Conference.
  • Nominierung für den Best Student Paper Award der CVPR 2024 – Das Teampapier erhielt die Kandidatur für die höchste Auszeichnung auf der internationalen Top-Konferenz für Computer Vision.

Akademisches und berufliches Netzwerk

  • Xu Chao – Doktorvater an der Universität Peking; Professor im Fachbereich Intelligente Wissenschaften der Universität Peking, erfahrener Wissenschaftler im Bereich Modellkomprimierung und effizientes Deep Learning, legte die akademische Grundlage für Wang Yunhes Forschungsschwerpunkt.
  • Tao Dacheng – Ko-Betreuer der Promotion an der Universität Peking; Mitglied der Australian Academy of Sciences, internationale Autorität im Bereich statistisches maschinelles Lernen und Computer Vision, in späteren Huawei-Publikationen kam es weiterhin zu Zusammenarbeit.
  • Han Kai – Ehemaliger Chefwissenschaftler des Huawei Noah’s Ark Lab, Mitautor von Kernpublikationen wie GhostNet und TNT; derzeit CTO von Jiyuan Lüdong, langjähriger wichtigster Kooperationspartner und Geschäftspartner.
  • Tian Qi – Kooperationspartner bei mehreren Arbeiten wie GhostNet und AdderNet, erfahrener Forscher am Huawei Noah’s Ark Lab.
  • Chen Hanting – Kernmitautor mehrerer Top-Konferenzpapiere wie AdderNet und IPT, Forscher am Huawei Noah’s Ark Lab.
  • Chang Xu – Professor an der Nanyang Technological University, akademischer Kooperationspartner während Wang Yunhes Promotion, beide haben mehrere hoch einflussreiche Arbeiten im Bereich der Modellkomprimierung gemeinsam veröffentlicht.

Persönlicher Stil

Wang Yunhes Forschungspfad zeigt einen ausgeprägten Stil der „von mathematischer Intuition getriebenen technischen Umsetzung“: Die Inspiration für AdderNet stammt aus einer Überlegung zum Wesen der Multiplikations-Addition-Operation während einer Wanderung, während GhostNet direkt von der statistischen Beobachtung „redundanter Merkmalskarten“ ausging und eine quantifizierbare technische Lösung lieferte. Beide zeigen die Fähigkeit, von einfachen mathematischen Erkenntnissen zu skalierbaren Bereitstellungslösungen zu gelangen. Auf Plattformen wie Zhihu pflegt er den offenen Austausch mit akademischen Kollegen und Ingenieuren, sein technischer Ausdruck ist direkt und ohne übermäßige Verpackung. In neun Jahren vom ersten Praktikanten von Huawei in Peking zum Labordirektor und dann zur Gründung eines Unternehmens mit einer Bewertung von 100 Millionen US-Dollar spiegelt sein Weg die typische Entwicklung einer neuen Generation von KI-Führungskräften in China wider, die zwischen der technischen Tiefe eines Großkonzerns und dem Fenster der unabhängigen Unternehmensgründung eine autonome Entscheidung treffen.

Referenzen