入职不到一年，算法用于千万台华为手机
具体怎么个值法，还是从钟钊本人的研究工作说起。
事实上，钟钊解决的正是图像像素处理算法中的一大痛点——算法精度与模型大小的平衡。
如果解决它，就能将像素处理算法部署到手机上，加速空间增强、超分辨率等图像处理的速度。
然而，与目标检测、图像分类等常见CV算法不同，这类模型的制作，需要对像素的相关属性有深入理解。

此前在AutoML方向上，对于图像分类、目标识别等CV算法的应用已经有非常多了。然而，具体到像素的算法上，还没有团队成功将AutoML进行大规模应用。
像素包括非常多的属性，例如颜色、亮度等。算法对像素进行处理，可以说是需要对图像最基本的元素进行处理。

因此，这类算法对精度要求非常高，此前华为不少专家都没能成功攻克它。
钟钊带领团队，成功将AutoML技术应用到了图像像素处理算法上。
AutoML（Automated Machine Learning），简单来说就是“用AI设计AI”，从2014年开始成为热门研究，2018年，该技术逐渐进入试商用加速阶段。
事实上，在钟钊来到华为之前，华为诺亚方舟实验室已经在进行AutoML方向的相关研究。
实验室自研了一个全流程AutoML算法集合VEGA，其中“基于硬件约束的高效分类网络搜索方案（CARS）”、“轻量级超分网络结构搜索（ESR-EA）”等算法，都属于NAS的范畴。

而AutoML，正好是钟钊在博士期间研究的方向。
2019年，钟钊和当时也在搞AutoML的华为“一拍即合”，凭借着在商汤实习时的积累，作为201万年薪的“天才少年”加入华为，担任AutoML研究组的leader，入职一年之内，就攻破了这个像素处理算法的难关。
随后，钟钊又在入职两年内，带领团队自研出了端到端的像素级AutoML流水线。
据华为介绍，这项技术能“在学界和业界都只能做到2-3倍的情况下，将视频摄影原型算法的复杂度降低百倍”，目前已用于部分新机型上，未来还会用于更多产品。
不止这项研究，钟钊在移动端视觉模型上，也有不少建树。
一直以来，设计用于移动端视觉模型主要有两种方法：
一种是手工设计轻量级的网络结构，如ShuffleNet、MobileNetV3等已取得一定的进展。
不过钟钊团队研究发现这些模型的卷积核之间仍然存在冗余，限制了模型的速度。
另一种是方法进行模型压缩，通过剪枝、蒸馏等手段获得一个与大模型结构相似的小模型。
但这种方法又会使精度下降，难以满足高端手机的要求。
钟钊来到华为后，带领团队提出过一种根据图像的内容自适应生成卷积核的动态方法。
这种方法可以在保持精度的情况下显著降低计算量，对于不同的CNN网络可以降低37%-71.3%不等。

此外在数据增强方面，钟钊在华为也研究了一种对抗性自动数据增强方法，发表在2020年ICLR上。
而如今这些研究成功的背后，也离不开钟钊本人一直的努力。
家学渊源，自小学习计算机
钟钊1991年出生在一个深受计算机科学影响的家庭。
本科就读于华中科技大学软件工程专业，大三时曾在全国大学生数学建模竞赛中获得湖北一等奖。

据「华为心声社区」报道，钟钊的父亲就是一名计算机科学家，是钱三强何泽慧夫妇的学生。
钟钊在父亲的培养下产生了浓厚兴趣，小学开始就学习一些编程知识。
在这种环境下成长，大学他选择计算机相关专业也毫不意外。
本科期间他还与同学组队做了一些编程项目，像是基于微信开发的校内版漂流瓶，很受同学们欢迎。
本科毕业后，他来到中科院自动化研究所，师从副所长刘成林。
2018年他在商汤实习期间的一作论文入选了CVPR Oral并在大会做了主题报告，当年中国入选Oral的论文仅有个位数。

在这篇论文中他提出一种自动构建高性能神经网络的分块生成办法，现在已被引用400余次。

这也是钟钊在AutoML这一相对新兴的方向发表的第一篇论文。
后来，他的研究方向逐渐聚焦于此，博士毕业论文也以《深度神经网络结构：从人工设计到自动学习为题》。

到现在，他已在IEEE T PATTERN ANAL、ICLR、iCCV、NeurIPS等国际期刊会议上发表多篇AutoML相关论文。
事实上，此前不乏外界针对“天才少年”资历的质疑声音。
在知乎就有匿名用户，曾经对于钟钊等一众“天才少年”的实际能力表示质疑，认为华为在“千金买马骨”：