在GOSIM HANGZHOU 2025 现场，《Open AGI Forum》栏目迎来了澳洲纽卡斯尔大学助理教授陈郑豪，CSDN &《新程序员》执行总编唐小引与其展开了一段深度访谈。作为 CSDN 资深用户、科班出身的技术实践者，他深耕 AI 数据与模型压缩领域，既在迪士尼、TikTok、微软等工业界沉淀落地经验，又在学术界坚守长期研究，更以坚定的开源信念推动技术共享 ------ 他将多项研究成果开源，直面开源维护与道德挑战，呼吁社区良性互动。他以"仰望星空 + 脚踏实地"的思路，用 AI 压缩技术打破设备壁垒，让 4K 级优质游戏惠及更多玩家，更以开源精神助力行业共同进步。以下是对话精彩亮点，走进这位兼具技术深度与共享格局的跨界实践者的世界：
🎬对话精彩亮点：
- 跨界双轨：在学术界与工业界之间，平衡长期与当下
"工业界要解决的问题比较落地、着急，希望快速提升模型性能；学术界更倾向解决不紧急但影响长远的问题。"陈郑豪的职业轨迹在两者间"左右横跳"：博士毕业后赴迪士尼瑞士研究视频压缩，后入职 TikTok 澳洲深耕多模态大模型安全检测，如今担任大学助理教授，还将赴微软亚洲研究院访问。他坦言两者各有得失，但他始终坚信："每一次仰望星空都值得，就像第十个馒头吃饱了，不能说前九个馒头没用。"
- 游戏压缩使命：找回流畅体验，降低设备门槛
"现在 4K 游戏反而不如以前流畅------一个 4K 未压缩图像20-30M，60帧每秒就要耗 1G 内存，玩家得花大价钱买高端显卡。"陈郑豪点明当下游戏行业的痛点。他的 AI 驱动压缩技术核心目标有二：一是让数据流畅传输，"从电脑传到VR端、云端传到手机端，让用户体验不再卡顿"；二是降低设备门槛，"希望玩家不用花大价钱买 80GB 显卡，用 40GB 甚至 20GB 显卡，也能玩到同等画质的游戏"，让优质游戏像 AI 一样实现普惠。
- 研究成果：跨领域压缩突破，从视频到科学数据
陈郑豪团队的压缩技术早已超越主流标准，覆盖多类数据场景：视频压缩方面，2023年迪士尼研究院的工作及2024年发表的成果，均超越主流标准 H.266；医学图像领域，率先用端到端优化神经网络压缩，启发众多团队；大气数据压缩更是成效显著，"将欧洲科研机构 400TB 的数据压缩到 0.85TB ，帮气象局解决存储难题，少买200-300台服务器"，相关数据已开源至 GitHub。此外，团队还深耕大语言模型、多模态生成模型的压缩，成果发表于 ICCV、ICLR 等顶级会议。
- AI 编程辩证观：借力但不依赖，科班基础是核心
作为科班出身的程序员，陈郑豪直言 AI 编程的便捷："我一作文章的代码大多由 AI 完成，能省去很多时间、提升效率。" 但他也警示过度依赖的风险："这就像自动驾驶，不能因为有了它就不学开车------万一 AI 失效，或遇到更难的问题，你还得有解决能力。"他强调："学习编程的基本逻辑思路，甚至更深层的哲学，才是核心。技术革新能帮你，但自身必须具备基本技能。"
- 开源态度：鼓励分享，正视维护与道德挑战
"开源对学术发展至关重要，能让复现工作更高效。" 陈郑豪自身很多研究成果都已开源，但也坦言开源面临双重挑战：一是维护难题，"有些项目开源早，后续没时间维护"；二是道德风险，"有人未经同意就把开源成果商用，或简单洗稿换汤不换药"。他呼吁良性互动："开源者辛苦准备代码，希望得到的是补全、维护等正面反馈，而不是'假开源''半开源'的指责。开源需要鼓励，更需要整个社区共同维护。"
- AI 未来方向：压缩仍需精进，三大方向值得关注
谈及 AI 技术演进，陈郑豪引用谷歌、OpenAI 的共识："生成式模型本质是数据压缩，GPT 就是互联网的压缩器，但这并非 AI 的终极方向。" 他认为未来有三大值得关注的方向：一是智能体（Agent），"现在靠几个智能体就能驱动多个大模型，成熟度已很高"；二是实时视觉技术，"从 NeRF 到 3D 高斯泼溅技术，更实时、更可控"；三是负责任 AI（Responsible AI），"游戏虽无即时社会影响，但也不能教坏玩家，需通过 RAG 等技术确保互动安全可靠"。
从工业界的落地实践到学术界的长远探索，从视频压缩到游戏普惠，陈郑豪始终以"解决长期问题"为核心，用 AI 技术打破数据与设备的壁垒。未来，当压缩技术持续精进，当开源生态更加良性，当 AI 既智能又负责任，游戏行业必将迎来更普惠、更健康的发展格局。而这场关于技术、坚守与普惠的探索，也将持续书写新的篇章。
哔哩哔哩链接地址：
https://www.bilibili.com/video/BV1mViDBVED9/
YouTube链接地址：
CSDN链接地址：
https://live.csdn.net/v/509262
