落灰的CNN：藏在城市缝隙里的智能老黄牛

梅雨季的杭州，雨丝飘在脖子里凉得像冰。我帮导师整理屏峰校区旧器材仓库的纸箱子，最底下压着个2.5寸的希捷硬盘，银灰色的外壳掉了块漆，上面留着个浅棕色的咖啡渍，马克笔的字歪歪扭扭：2012秋 毕设 卷积神经网络（CNN） 跑不通 勿删。

把硬盘插进USB3.0的转接盒，指示灯闪了三下，转起来的声音像老座钟的摆锤，晃得人耳朵发痒。屏幕跳出来的第一个文件夹，大小是120G，里面整整齐齐码着当年的数据集、训练日志，还有写得烂到抠脚的Python脚本。

落灰的GTX580

我盯着屏幕上的训练日志，第一行的时间是2012年9月12号，凌晨3:17。那时候我刚读研究生二年级，跟着导师蹭ImageNet的比赛项目，实验室里攒了两块GTX580，单卡3G显存，跑那套刚拿了竞赛冠军的AlexNet架构，要把120万张图片喂进去练1000个epoch。

哪是什么训练啊，根本就是跟显卡的脾气较劲。机箱没有散热风道，显卡跑满了温度直接飙到95度，我特意从宿舍抱了两个台式小风扇对着显卡吹，风叶上还沾了我宿舍床上掉的猫毛。有次熬到三点多，我趴在桌子上刚睡着，机箱里的蜂鸣器突然叫得像防空警报——温度过高，系统自动重启，跑了三个小时的权重全没了。我当时直接把手里的机械键盘砸在桌子上，哐当一声把隔壁实验室睡懒觉的师哥吵醒，他推开门骂我是不是疯了，我指着黑屏的电脑半天说不出话。

那时候整个学术圈都在为CNN疯魔，说这东西能让机器看懂世界。可我看着那堆嗡嗡响的显卡，只觉得这是个实验室里的玩具——总不能把这两块半人高的显卡装到街上去，让它帮我认路，帮我开门，帮我妈妈看CT片吧？说实话，那时候我连毕业能不能找到工作都没谱，哪敢想这个架构会在十年后铺满整个城市的角角落落。

小区闸机的50块罚单

上个月我下班，邻居托我接她家刚洗完澡的柯基，毛蓬蓬的像个会走路的毛绒玩具。我牵着它过小区的人行闸机，刚走到快递站门口，手机就弹出来一条违停通知：“检测到未牵绳小型犬进入小区，罚款50元”。

我当时整个人都傻了，牵引绳就在我手里攥得紧紧的啊？找物业调监控才发现，摄像头的角度刚好对着柯基的后背，它那层厚卷毛把牵引绳挡得严严实实，闸机的识别模型根本没看到绳子。物业的小哥挠着头跟我解释，这个模型是2019年部署的，用的是MobileNetV1，轻量版的CNN，整个模型只有3.2M参数，跑在闸机那点可怜的ARM芯片上，连个注意力头都没有。训练的时候用的公开数据集里，长卷毛小狗配牵引绳的样本不到100张，认不出来太正常了。

我当时本来想吐槽，说你换个现在的多模态大模型啊，别说柯基，你就算牵只羊驼它都能给你认出来是宠物还是野生保护动物。可话到嘴边又咽回去了——换个新模型要多少钱？闸机的那点算力跑得动吗？万一哪天模型把穿了件老虎图案T恤的业主识别成了“携带大型猛兽进入”，半夜把辖区派出所的民警叫过来，谁担这个责任？

物业小哥最后给我退了罚单，说昨天已经给模型补了100张柯基的实拍图进去，下次再牵它过闸机，绝对不会再报错。我牵着柯基往快递站走，突然反应过来，这就是我们天天在用的CNN啊——它不完美，经常出小错，没有大模型那样天花乱坠的宣传，可它就安安静静蹲在闸机的芯片里，帮物业省了请保安的钱，帮我们挡掉了那些闯进来的陌生人，哪怕它偶尔会认不出你手里的狗绳。

CT室里的老黄牛

我妈去年体检查出右肺上叶有个3mm的小结节，我当时第一反应就是找在医院信息科的同学，把CT的原始影像导出来，用我们公司现在做的最新多模态感知模型跑一遍——我们那模型在肺结节识别上的准确率，比医院现在用的系统高两个百分点，毕竟是拿了上亿参数堆出来的。

结果同学带我去见放射科的王医生，他翻了翻系统里的模型版本号给我看：2018年，基于VGG16改进的CNN架构，专门针对肺结节的影像做了微调，累计跑了17万份CT影像，科室里每一个假阳性的误判，都记了整整三大本台账。

王医生泡了杯菊花茶，推了推眼镜跟我说，不是不想换新模型，是真的不敢。去年有个厂商带着最新的大模型辅助诊断系统来做测试，论文里写的准确率比他们这个老模型高5个点，结果测试的时候把三个良性的钙化结节识别成了早期肺癌，差点让三个患者挨了不必要的手术。那套新模型的逻辑是黑箱，为什么错，错在哪，没人能说清楚。

“我们这个老CNN不一样。”王医生指着屏幕上的影像，那个模型正慢慢扫过肺叶的纹理，把一个半透明的小结节圈了出来，标上大小和密度。没有万亿参数，没有花里胡哨的注意力机制，甚至连训练用的数据集都不到10万份的老CNN，反而成了这个科室里最被信任的存在。哪个卷积层把结节的边缘识别错了，我们能把权重导出来一层一层拆，错在哪，下次补什么样的训练集，门儿清。

那天我妈复查的结果是良性，就是个炎性假瘤，消两周炎症就消了。我站在CT室门口，看着那台安安静静跑着的老模型，突然觉得鼻子有点酸。

从仓库出来的时候，雨已经停了，我把那个旧硬盘塞在背包的侧袋里，路过学校的银杏道，几个抱着电脑的本科生在路边讨论，说现在谁还做CNN啊，都去搞Transformer，搞大模型，搞AGI，拿CNN写的论文根本发不到顶会上去。我没搭话，背着包往校门口走。

晚上回家，我把旧硬盘里的代码导出来，跑了个小demo，识别我放在桌上的柯基玩偶。模型盯着图片看了两秒，准确跳出来结果：柯基，置信度92%。哦，我想起来了，当年做毕设的时候，我偷偷往测试集里加了几十张我家以前养的那只柯基的照片，就为了让模型在最终答辩的时候，能准确认出我家的狗。

风把阳台的茉莉吹得晃了晃，花瓣落在键盘上。我们总觉得技术是要往前冲的，是要不断淘汰旧的东西，要追最新的概念，要拿最贵的算力跑最大的模型，要站在聚光灯下拿融资上头条。可那些被我们扔在仓库角落里的、跑起来嗡嗡响的、经常出点小错的CNN，其实早就变成了我们生活里的隐形骨架：闸机认得出你的脸，CT能找到毫米级的结节，快递柜能识别你是不是把取件码输错了，甚至你手机里的美颜相机，最早的磨皮算法也是从CNN的卷积层来的。

没人给这些老模型写赞歌。大家都在聊新的东西，聊能写论文能拿融资的新架构。可我摸着背包里那个落灰的硬盘，突然觉得，技术最动人的地方从来不是站在聚光灯下的那一刻，是它安安静静蹲在你看不见的地方，跑了十几年，帮你挡掉了那些可能发生的麻烦。哪怕它偶尔会把你的柯基认成没牵绳的流浪犬，哪怕它的算力小到可怜，哪怕它早就被学术圈的人当成了过时的玩具。