AI 的深度学习时代，很多回溯会把起点定在 2012 年的 ImageNet 竞赛上：那一年，识别错误率出现公开记录里的断崖式下降，此后「数据加算力」成为行业主航道。回头看，这次转折并非某一项技术的孤军奋战，而是一场数据集、一项赛制与一群研究者共同完成的方向校正——理解它，才能理解今天视觉 AI 的能力从哪来。
竞赛的题目与那次的分数
ImageNet 的竞赛全称 ImageNet Large Scale Visual Recognition Challenge，简称 ILSVRC，数据集相关工作 2009 年随论文公开，2010 年到 2017 年每年举办一届。赛题是图片分类：模型看图，从一千个类别里挑出正确答案，前五个预测里含正确答案即算对，统计口径就是前五错误率。公开榜单上，2011 年冠军的错误率约 25%；2012 年，辛顿指导的学生团队用深度卷积网络把成绩拉到约 16%；2015 年进一步降到约 3.6%，公开引用口径下已低于人类约 5% 的水平。数字逐年可查，趋势一目了然。
胜出模型用到的几样部件——GPU 训练、ReLU 激活函数、Dropout 正则化——今天都写进了教材，但那次胜利更有分量的注脚是数据本身：ImageNet 数据集由李飞飞团队 2007 年前后启动建设，规模以千万张图片计、覆盖上万类别，竞赛用的是其中一千类、上百万张的子集。此前流行「算法为王」的说法，这场竞赛给出的证据更完整：足够的标注数据配上足够的算力，深度网络的优势才会显形。先在大数据上预训练、再迁移到具体任务的范式，自此横扫视觉领域，后来又扩展到语言。
| 维度 | 2012 年之前 | 2012 年之后 |
|---|---|---|
| 主流说法 | 算法为王 | 足够的标注数据配上足够的算力，深度网络的优势才会显形 |
| 做法 | 各任务各训 | 先在大数据上预训练，再迁移到具体任务 |
| 证据 | 缺可复验的公开对比 | 竞赛成绩逐年、公开、可比较地进步 |
落幕与延续
竞赛在 2017 年办完最后一届就收官了——当错误率降到接近标注噪声的水平，继续比下去信息量有限。但它的遗产一路延续：图像识别进了手机相册的搜索、自动驾驶的感知、医学影像的辅助分析，也进了今天的多模态模型。你现在用通义千问发一张图问它内容，用即梦输入文字生成画面，背后能力链都能追到这条视觉路线上。同属这条时间线的还有 2016 年的围棋事件，AlphaGo 那一手第 37 手记录了「学人类」到「超人类」的转折，两个事件一起把深度学习推上主舞台。
ImageNet 时间线速查
- 2007 年前后：李飞飞团队启动数据集建设
- 2010–2017 年：ILSVRC 竞赛逐年举办
- 2012 年：错误率从约 25% 降到约 16%，深度卷积网络登场
- 2015 年：错误率约 3.6%，公开口径下低于人类水平
- 2017 年：竞赛收官，识别能力转入产业应用
为什么说是「数据集的胜利」
放在更长的历史里看，2012 年之前 AI 领域刚经历过信心低谷，AI 寒冬是怎么来的一篇讲过两次退潮的教训——预期与交付的落差。ImageNet 的意义在于给出一个可复验的证据：同样的方法，在足够的数据和算力下，成绩可以逐年、公开、可比较地进步。竞赛机制本身也留下一份遗产——用公开基准推动领域进步的做法延续至今；只是要记得基准分和实际任务之间总有距离，竞赛分数不直接等于产品体验。
人物线同样值得记一笔：带队导师是后来被称为深度学习代表的辛顿，辛顿为什么被称为深度学习教父讲了他冷门年代里的坚持；数据集发起人李飞飞，则在李飞飞和 ImageNet 的关系里有单独的人物篇。事件与人物两条线索对照着读，这段历史才完整。
ImageNet 竞赛快问快答
- 2012 年的成绩具体是多少？：公开记录口径为冠军队前五错误率约 16%，前一年冠军约 25%，具体数字以历年论文与公开榜单为准。
- ImageNet 数据集到底多大？：整体以千万张图片计、覆盖上万类别；竞赛题目用其中一千类、上百万张的子集，口径以官方公开资料为准。
- 竞赛停办了，视觉研究还在继续吗？：在继续，识别能力已进入手机、汽车、多模态助手等大量产品，竞赛只是完成了阶段性使命。
