曾铁勇及其团队 | 以数为炬 照亮未来

在曾铁勇看来，真正的数学，从来不是书斋里的空想。它始于一个个具体的问题——如何用公式描述运动，如何用模型解析混沌，如何模拟湍流，如何计算行星轨道，等等。数学家从中淬炼出普适的规律与方程，形成抽象的“纯数学”。但这个过程并未结束，这些理论必须回归应用中检验，转化为驱动技术进步、工业创新、服务社会的基石力量才能展现其真正价值。对他而言，从问题中来，到应用中去，才是数学研究最完整，也最具生命力的循环。

在数字技术与交叉学科蓬勃共生的今天，广州南方学院数学与统计学院院长曾铁勇与他领衔的团队，始终坚守着一份独特的学术定力——用严谨的数学理论破解现实问题，让抽象的公式转化为服务社会的实用技术。

▲曾铁勇

从在北京大学夯实纯数学理论根基，到在法国理工学院跨学科淬炼；从香港中文大学的学术深耕，到广州南方学院的育人实践……20余载光阴里，曾铁勇就像一位架起数学与应用桥梁的探索者，一边锚定数学理论的前沿高地，用严谨推导为数据科学、人工智能等学科发展筑牢底层根基；一边扎根产业需求的现实土壤，让实验室的创新成果真正走进汽车工厂车间、医院诊室……成为解决民生难题、推动产业升级的“可计算工具”。对他而言，数学是一场始于好奇、成于专注、终于贡献的自然循环。他不仅用数学理解世界，更致力于用数学塑造一个更美好的未来。

为数赋能，筑梦同行

曾铁勇的学术之路，始终贯穿着“从理论到应用”的探索脉络。2000年，他从北京大学本科毕业，纯数学的专业训练为他筑牢了逻辑思维的根基。随后他远赴法国深造，开启了长达7年的跨文化学术旅程——2004年获得巴黎理工学院硕士学位，2007年获得巴黎第十三大学博士学位，2007—2008年在法国巴黎卡尚高等师范学校从事博士后研究。这段经历彻底重塑了他的学术视野。

在法国，曾铁勇实现了从“纯数学”到“应用数学”的跨越。在那里，他遇到了很多“幸运的事情”——先后选修法国科学院院士、小波分析创始人伊夫·梅耶等顶尖学者的课程，还在21世纪初便切入图像与数据科学这一当时鲜有人涉足、如今却炙手可热的前沿研究方向。法国学界“从应用中提炼理论，再以理论反哺应用”的浓厚传统，让曾铁勇对数学有了更“具象”的认知。在实践中他深刻领悟到，很多看似抽象的理论往往源自实际问题的淬炼，科学的发展始终在与现实的对话中推进。这份领悟不仅帮他融通了“纯数学”与“应用数学”的内在关联，更让他坚定了“理论必须服务社会”的科研信念。

此外，法国浓厚的学术环境也为曾铁勇搭建了通往国际前沿的桥梁。深造期间，他得以与全球同行深度对话，早早接触学术前沿问题、理解不同学派的研究思路，既锤炼出敏锐的学术洞察力与前瞻性眼光，也在频繁的国际交流中培养了“开放协作”的研究风格。这段经历，也为他日后推动数学与AI融合埋下了重要伏笔。

2008年，曾铁勇选择回国，加入香港浸会大学数学系，开启了新一轮的学术深耕。在汤涛和吴国宝教授的支持下，他从助理教授逐步晋升为副教授，构建起自己的研究方向。其间，他牵头开展了“数学模型优化在工程问题中的应用”等相关课题，累计发表12篇核心期刊论文，同时承担了图像处理等多门课程教学，不仅积累了丰富的科研与教学经验，更通过产学研合作经历，明晰了如今的研究方向。

▲汤涛院士和曾铁勇教授（右一）在一起

2018年，受香港中文大学（以下简称“港中大”）数学系时任系主任汉夫教授邀请，曾铁勇加入港中大并牵头筹建了数学人工智能中心（CMAI）。彼时AI技术虽在图像识别、自然语言处理等领域快速落地，但因缺乏严谨数学理论支撑，面临模型可解释性差、泛化能力弱的“黑箱困境”。曾铁勇带领的团队目标清晰而坚定：“希望搭建一个平台，让数学成为解释AI、优化AI的核心工具，推动理论创新与产业应用的深度融合。”有梦就有动力，心怀目标持续深耕，他们收获了诸多居于国际领先水平的创新成果——团队搭建的数学与AI交叉研究平台，已联合华为、中兴等企业落地数项技术转化项目，为解决产业实际难题提供了数学方案等。

十七载香江岁月，承载了曾铁勇科研生涯中最富创造力的年华。在这里，他不仅见证了数学与AI交叉领域的蓬勃发展，更亲手参与构建起一个连接理论前沿与产业需求的创新平台。这正是他对“数学赋能智能未来”信念的生动实践。科技部战略性科技创新合作重点专项首席科学家、2021年香港数学会青年学者奖……这些荣誉背后，是他以数学为刃破解AI难题、以理论为基服务社会需求的不懈坚守。

“双斧”破题，数惠于民

纵观曾铁勇的科研历程，虽然横跨多个学术领域，却始终锚定一条清晰主线——以学术力量回应实际需求，用严谨的理论与方法解决现实中的复杂问题。他曾以“双斧破题”作喻，生动诠释研究逻辑：“一把是数学模型，一把是优化算法，不停去砍那些有价值的实际问题。”从早期在法国接触的前沿研究方向，到后续深耕的各类课题，他的探索从未脱离“让学术落地、为实践服务”的核心逻辑，每一步研究都试图架起理论与实际之间的桥梁，让抽象的数学与工程知识转化为解决问题的有效工具。

早年间，图像处理领域被效率与精度的两难矛盾所困：传统分割模型要么处理速度慢，要么识别精度有限，难以满足实际应用需求。正是瞄准这一行业痛点，曾铁勇团队提出“两步法高效图像分割模型”，以“先平滑数据再预测分割”的创新思路打破僵局，大幅提升了图像处理效能。这一成果赢得了学界好评，香港科技大学前校长陈繁昌教授曾盛赞“好得让人难以置信”。经验证，成果严谨的数学逻辑与扎实的应用价值得到业界充分认可。同时，面对非凸优化模型求解难阻碍理论落地的困境，曾铁勇带领团队通过深度剖析数学性质，将非凸模型转化为凸模型，既降低算法复杂度，更扫清工程应用的关键障碍，让理论成果真正具备了落地的“可行性”。

随着AI技术的快速发展，“深度学习黑箱”逐渐成为行业共性难题：AI模型虽在多个领域展现效能，但其决策机制不透明，难以在医疗、工业等关键领域放心应用。针对这一痛点，曾铁勇团队将研究目光聚焦于“用数学理解AI本质”。他们打破学科壁垒，把传统先验性研究中的变分理论与深度学习网络相融合，以严密的数学推导揭开AI决策机制的神秘面纱，让技术不仅“好用”，更“可解释”。“只有知道AI为何有效，才能让它在医疗、工业等关键领域更可靠”，这份对技术本质的追问，为AI安全应用筑牢理论根基，也彰显出曾铁勇对“技术向善”的深层思考。

在深耕应用难题的同时，曾铁勇团队始终未放松对基础理论的打磨。围绕优化算法这一核心工具，他们秉持“极致求解能力”的追求，针对基础优化模型研发一系列高效算法，从科学原理层面实现“精确、有效解出模型”的目标。“‘顶天’的研究要把理论做到前沿，让后续应用有坚实根基”，他的这句话，道出团队深耕理论的初心。截至目前，他累计发表论文逾百篇，多篇入选基本科学指标数据库（ESI）高被引，成果见刊于《IEEE模式分析与机器智能汇刊》（IEEE PAMI）、美国工业与应用数学学会（SIAM）系列期刊。他还担任《模式识别》（Pattern Recognition）等期刊编委，在全球数学与AI交叉领域发出中国声音等。

无论是在理论领域的持续探索，还是在技术层面的不断突破，曾铁勇的所有科研行动都有一个最终指向：打破学术与民生的壁垒，将高居“象牙塔”的研究成果搬下高阁，转化为实实在在惠及民众、助力社会发展的力量。

凭借手中的数学科学利器，救患者于疾苦是曾铁勇和他所在的团队一直以来关注的方向。埋首深耕多年，他们收获一系列创新成果。

在一些血吸虫病流行的地方，肝纤维化是威胁居民健康的“隐形杀手”。传统超声分级诊断受限于医师的经验水平，不仅主观性强，更难以在大规模筛查中保持一致性。曾铁勇和团队瞄准这一痛点寻找解决方案。研究团队开发了一套“血吸虫肝病人工智能辅助诊断系统”，它的核心是一个叫SFibAI的深度学习框架。简单说，这个框架就像一个“爱学习的医生”：团队给它“喂”了大规模的血吸虫病肝纤维化超声数据集——足足167 702张来自不同医院的超声图，让它在海量案例中学会分辨病情；还专门设计了精细化分级标准，能更精准地判断肝纤维化的程度；另外，通过特殊的图像预处理方法和损失函数（可以理解为帮它“纠错”的工具），让它既能看清图像细节，又能减少判断误差，最终实现了“连续、精细、贴合临床需求”的病情判断。系统表现很亮眼：判断结果和真实病情相差不超过0.5级的准确率达93.9%，临床关键分界的判断准确率为89.8%，AUC值（衡量诊断可靠性的指标）更是高达0.989，比现有方法都好用。更实用的是，它被做成了能在电脑（Windows系统）和手机（Android系统）上用的工具，分析一张超声图只用不到400毫秒，医生当场就能拿到结果。如今，成果已在江苏等流行区落地，为基层防治中心提供低成本、可规模化的解决方案，相关成果投稿《自然》（Nature）子刊，有望让这一民生技术走向国际。

做过磁共振（MRI）检查的人可能知道，有时候影像会受噪声影响变得模糊，分辨率也不够高，不仅医生看诊时费劲，处理这些影像还得等挺久。针对这些问题，曾铁勇率领的研究团队又研发了“基于生成对抗学习的MRI图像增强模型”。这个技术的核心，是把两种“本领”结合起来：一种是偏微分方程（PDE）理论，能帮着稳定处理图像；另一种是生成对抗网络（GAN），可以让AI“学习”如何生成更清晰的图像。团队还专门设计了一个叫“PDE-guided GAN”的框架，让AI在“生成清晰图像”和“判断图像是否真实”的过程中不断优化，同时避免出现“越学越偏”或“学不进去”的问题；针对MRI图像的特点，还加了能“自适应增强”的模块，让不同类型的MRI图像（比如T1、T2加权像）都能变得更清晰，最终处理后的图像“峰值信噪比”（PSNR，衡量图像质量的指标）比传统方法提高了不少。现在，这一技术已经能用于多种临床场景：不管是分析普通医疗影像，还是筛查脑部肿瘤、查看心脏MRI影像，它都能让图像更清楚，帮医生更快、更准确地判断病情，同时还能减少患者的扫描时间和检查成本，为精准医疗提供了不少帮助。此外，研究团队还与杭州电子科技大学合作推进乳腺癌AI辅助诊疗项目，已申请多项专利，为女性健康筑起科技屏障等。

工业制造领域的技术需求同样牵动着曾铁勇团队的研究方向。面对传统几何约束求解方法在复杂装配场景中效率低、依赖人工的问题，他们开启了“面向泊松几何约束求解的AI技术项目”研究，其间构建了跨模态知识驱动模型，通过融合多源信息与图神经网络推理，大幅提升求解精度与效率，技术在机械装配、汽车零部件设计中表现优异，实现了优化流程、降低成本的目的。成果将在企业合作中得到应用推广，为新能源装备构建开辟新路径。

与华为携手，聚焦消费电子痛点推进“手机图像去条纹”相关技术研究，以算法优化让日常拍摄更清晰，让数学智慧融入百姓生活；携手中兴国际，针对监控难题研发“去雾气摄像头”，用图像增强技术破解特殊场景视觉瓶颈，让数学能力服务企业生产……曾铁勇团队还先后与多家重要领域的企业展开合作，致力把数学工具搬下高阁惠及千万家。

执数育人，筑梦湾区

在曾铁勇看来，一支有生命力的团队，从不是简单的人才叠加，而是“理论共识”与“价值共鸣”的同频共振。“既要用数学的严谨锚定方向，更要用开放的协作滋养创新，最终让每一份力量都能在解决真问题中生长。”这是他当年选择加盟港中大数学系时的想法，更是筹建和执掌港中大数学人工智能中心（CMAI）时笃定的团队理念。

作为亚洲乃至全球享有盛誉的学术机构，港中大数学学院以“深厚理论与跨学科应用并重”的特质，为曾铁勇搭建团队奠定了根基。学院覆盖纯数学、应用数学、统计学等多元方向，在数论、几何等基础领域深耕，也在流体力学、金融数学等应用领域持续突破。这里一流的研究所与计算设施为学术交叉探索提供了坚实支撑。正是这样的环境，给了曾铁勇埋首深耕的底气。

CMAI一路走来依托“理论+技术+应用”的精准人才布局，形成了一支富有鲜明交叉特色的团队：作为中心主任，曾铁勇以优化理论、数据科学为核心锚点，主导平台战略与学术方向；数学系雷乐铭教授担任执行主任，以深厚的应用数学功底夯实研究根基；万能博士等核心成员则聚焦AI工程实践，负责算法落地与技术开发。怀抱共同理想，不同学科背景的人才在此交叉汇聚织就欣欣向荣的创新生态：既有针对深度学习开展理论分析、设计高效计算方法，为医疗影像等应用提供可靠支撑的科研活动；也有面向学生开设机器学习数学课程、为青年学者组织研讨会的系列培养人才活动；更有为促进学术、产业推进开展的各项合作交流等。曾铁勇倡导的“开放、协作、追求卓越”团队文化，成为团队持续创新的动力。

▲曾铁勇接受《香港商报》专访

2025年秋天，曾铁勇又迎来了新一轮征程——出任广州南方学院数学与统计学院院长，虽然已经有多年的管理经验，但对他来说，这是一个新的机遇也是新的挑战。对曾铁勇来说，作为位居全国民办大学综合类排行前列的高校，南方学院有其“独特的魅力”——在这里，没有条条框框的束缚，有改革创新的活力与灵活机制，能自由探索数学与人工智能、数据科学深度融合的育人路径。“民办高校更懂社会需求，要为学生找好出路”，这份务实初心，让曾铁勇提出“应用导向、产教融合”的办学理念：既要守住数学基础训练的严谨底色，又要让课堂与产业同频，让学生既能握牢理论工具，又能解决实际问题。

在曾铁勇的规划里，学院发展有清晰的“双轮驱动”：课程改革上，在微积分、线性代数等基础课之外，引入数据科学、AI应用等实用内容，搭建“理论-工具-应用”的能力链条；产教融合上，学院计划联动北太天元平台、摩尔线程等机构共建联合实验室，让学生在调试医疗AI系统、处理工业数据等真实场景中锻炼本领；科研反哺教学上，鼓励教师把最新研究成果化作课堂案例，让学生触摸到学科前沿等。曾铁勇常说，要做“有益的探索”——像美国顶尖私立高校那样，为中国民办教育蹚出一条多元化路径。粤港澳大湾区的人才需求、国家对AI的重视，更让他坚信，这里能培育出“既懂数学逻辑，又能对接产业”的生力军。

无论是CMAI建设还是在南方学院探索，曾铁勇始终践行“长期主义”：培养研究生时坚持“以研促学”，让学生深度参与项目，用“做科研要像打井”的理念传递务实精神；课堂教学中打破“数学抽象”刻板印象，以项目实践为例，让学生看见理论的实用价值。从港中大的学术滋养到CMAI的创新实践，再到南方学院的育人探索，他始终以数学为根、以“人”为本，搭建起让“数学价值”落地的桥梁，未来也将继续指引新的团队在“数学赋能社会”的道路上稳步前行。

专家简介

曾铁勇，广州南方学院数学与统计学院院长，教授。香港中文大学数学人工智能中心创始主任，科技部战略性科技创新合作重点专项首席科学家，《模式识别》（Pattern Recognition）编委会成员，2021年香港数学会青年学者奖获得者。2000年本科毕业于北京大学，2004年获得巴黎理工学院硕士学位，2007年获得巴黎第十三大学博士学位。2007—2008年在法国巴黎卡尚高等师范学校从事博士后研究。2008—2018年，香港浸会大学数学系助理教授、副教授。2018年入职香港中文大学数学系。研究聚焦数据科学、优化理论及智能计算领域，在图像处理与反问题求解方面取得突破性进展。提出多项创新性优化算法，有效解决了医学影像重建、遥感图像等领域的核心计算难题。