2017年，在有人工智能“世界杯”之称的ImageNet大规模视觉识别挑战赛（ILSVRC-2017）上，一向低调的360人工智能团队最终夺得冠军，并且刷新了此前谷歌、微软、牛津大学等机构保持数年的世界纪录。巨大的荣誉和强大的实力也让以颜水成院长为首的360人工智能研究院逐渐被广大公众所了解。
计算机视觉是发展人工智能的核心技术。事实上，作为人工智能领域的16年老兵，颜水成在计算机视觉竞赛领域堪称是名副其实的常胜将军。除了这次ImageNet ILSVRC赛事上夺冠，5年前的PASCAL VOC大赛的收官之战，冠军同样是他。
近日，在接受媒体采访时，颜水成对计算机视觉的未来发表了自己的看法，同时也分享了自己多年来的实战经历。“计算机视觉的未来是属于多标签、像素级、语义级分析的。引领计算机视觉进入下一个时代需要一个像素级、多标签的数据集。如果像素级分类做好了，无论做任何类型图像理解和语义理解的问题都好办了。”颜水成说。
在颜水成看来，虽然现在新的数据集有做语义级别分析或者局部关联分析的，但这些数据库存在内在的局限性。建立一个像素级和多标签的数据集挑战非常大，他希望在合适的时间点，由大公司甚至国家出面做这样的事情。
对于最近火热的边缘计算，颜水成表示，大家都希望AI最终能落地，2C的量远大于2B的量，最大的量在手机等终端设备上。所以边缘计算是人工智能发展需求决定的一个大趋势。技术上看，目前有三种方式降低边缘计算量：第一种是内功—就是特别好的网络结构；第二种是武器—低精度表示的方法；第三种是暗器—巧妙用低功耗的网络先确定那部分不需要计算的网络。三种方法都是为了减少计算量以适应边缘计算，三种相辅相成。
自从进入人工智能领域研究以来，颜水成师承计算机视觉大师Thomas S. Huang、张宏江、汤晓鸥、李子青等，在学术界风生水起，在新加坡国立大学任终身教职。不过，两年前，颜水成却选择从学术界跨入工业界发展。回顾自己的选择，颜水成表示：“我加入360最吸引我的是智能硬件这一块，软硬件结合是计算机视觉的一个大方向。周鸿祎本人对智能硬件也非常有热情。新加坡国立大学候任校长陈永财曾问我在工业界怎么样，我的回答是tiring but exciting（疲惫而兴奋）。”
