少年版 · 好奇喵 | 晨启10分钟

刚拿世界冠军，他却主动放弃已跑通路线

📅 2026-09-24 来源：科学网 [系统自动补充] ✍️ 好奇喵 | 晨启10分钟 AI 改写

2024年，西湖大学特聘研究员、博士生导师于开丞，带着一支西湖大学的团队，拿下了计算机视觉领域顶级会议ECCV自动驾驶赛道的世界冠军，而且得分远超第二名。奖杯刚捧热，他却做了一个让很多人不理解的决定：放弃这条已经跑通的路线。先说说这场比赛的分量。ECCV的全称是欧洲计算机视觉会议，它与CVPR、ICCV并称计算机视觉领域的“三大顶会”，每两年才办一届。能在这里夺冠，相当于在全球最聪明的大脑扎堆的赛道上，站上了最高领奖台。“自动驾驶赛道”听起来很酷，其实考的是一个朴素的问题：怎么让机器“看懂”眼前的世界——哪是车道线，哪是行人，哪是突然窜出来的电动车。视觉，是自动驾驶的第一双眼睛。那“已跑通路线”是什么意思？在科研里，一条被“跑通”的技术路线，意味着这个方法反复验证有效：能稳定出结果，能发论文，能申请经费，能继续拿奖。说白了，这是一条铺好的高速公路，油门踩下去就有里程。放弃它，等于主动把车开下高速，去走一条地图上还没画出来的野路。为什么不走高速？这里藏着几个值得琢磨的道理。第一是“边际收益递减”。一条路第一次跑通，是突破；第二次改进，是优化；第十次，可能只是把小数点后第三位再挪一挪。科研的价值不在于重复自己，而在于不断逼近真正难的问题。第二是“沉没成本”。已经投入那么多时间和心血，很多人会说“继续投入才划算”。可真正的科研者会反问：我的目标是把这条路走到黑，还是到达某个地方？第三，也是最关键的——比赛和现实不一样。竞赛考的是限定的题目、干净的数据；而真实世界的自动驾驶，有暴雨、有逆光、有永远想不到的意外。跑赢了比赛，不等于解决了问题。他放弃的，或许正是一条“只能赢比赛”的路。当然，新路一点都不好走。他要面对的是：几年可能没有像样成果，团队成员的焦虑，同行“明明可以稳赢为什么折腾”的疑问。这也是所有科研者共同的难题——“探索”与“利用”的经典权衡：把资源投入已知的高回报方向，还是押注未知的可能性？前者安全，后者才可能带来真正的跃迁。历史上，这样的转身并不少见。如果哥伦布满足于沿已知航线做贸易，就不会有那次驶向未知的航行。科学史上那些被记住的名字，大多不是因为把旧路修得更平整，而是在没有路的地方踩出了第一条。有趣的是，正是那座世界冠军的奖杯，给了他转身的底气。没有它，放弃可能被叫作“失败”；有了它，放弃才叫“选择”。这也提示我们：真正的自由，往往来自你已经证明过自己。所以，当一个人在最风光的时候选择离开，我们不必急着替他惋惜，也不必急着替他鼓掌。可以先问问自己：如果我也拿到了一座“世界冠军”，我敢不敢转身？

🧠 知识点

ECCV是计算机视觉领域的三大顶会之一 ECCV全称欧洲计算机视觉会议（European Conference on Computer Vision），与CVPR、ICCV并称计算机视觉“三大顶会”，每两年举办一届，论文录取率通常较低，是全球研究者争夺的焦点。
计算机视觉是自动驾驶的“眼睛” 自动驾驶通常分为感知、决策、控制三层。感知层要识别车道线、行人、车辆、交通标志等，摄像头提供的视觉信息是成本最低、信息最丰富的一路输入，因此计算机视觉长期是自动驾驶的核心战场。
什么是科研中的“技术路线” 技术路线指解决问题的整体思路与配套方法的组合。一条路线被“跑通”，意味着它能稳定产出可复现的结果，因而更容易发表论文、申请经费、获得同行认可。
沉没成本谬误沉没成本指已经付出且无法收回的投入。经济学与心理学发现，人们常因为“已经投入这么多”而不愿放弃一个方向，即使继续投入并不划算，这种心理被称为沉没成本谬误。
边际收益递减在同一方向上持续投入，每增加一份努力带来的额外收获会逐渐变小。把一条已成熟的路继续打磨到极致，往往不如开辟新方向带来的增量大。
“探索”与“利用”的权衡这是强化学习与决策科学中的经典难题：是不断使用已知最优方案（利用），还是尝试可能更优的未知方案（探索）。前者短期回报稳定，后者才可能带来突破性收益，但风险更高。