一句话定义
MoCo（Momentum Contrast，动量对比学习）是一种自监督视觉表征学习方法，它用一个"负样本队列"加一个"动量编码器"，让模型在小批量（batch）下也能拿到成千上万个负样本，不必依赖超大 batch。
为什么需要负样本
对比学习的思路很朴素：同一张图做两次不同的裁剪、调色，得到两个"视角"，模型应该把它们编码成相似的向量；而不同图片的向量应该被推开。前一件事靠"正样本对"，后一件事靠"负样本"。
问题在于，如果负样本只能从当前 batch 里找，那就得把 batch 开得极大——这就是同期另一条路线的困境：堆硬件、吃显存。
MoCo 换了个思路：为什么要现用现取？把过去若干个 batch 的图片特征存进一个队列（queue），先进先出，用旧的当负样本。队列可以很长，与 batch 大小彻底解耦。
动量编码器：让旧特征不过期
队列里的特征是旧参数算出来的，而编码器每步都在变，用久了就对不上号。MoCo 因此维护两套编码器：查询编码器（query encoder）正常走梯度更新；键编码器（key encoder）不接收梯度，而是做动量更新——新参数是旧参数和查询编码器参数的加权平均，权重通常设得非常接近 1。于是键编码器像一辆缓慢行驶的车，队列里的特征在一段时间内仍然"新鲜"。
打个比方：一家公司要给新员工做背景调查。如果每次只问今天在场的同事，样本太少；MoCo 的做法是建一个档案柜，把过去几百人的评价存进去，同时让"评价标准"每年只微调一点点，这样柜子里的旧评价不会立刻失效。柜子满了就丢掉最老的。
和相邻方法的区别
| 方法 | 负样本来源 | 主要代价 |
|---|---|---|
| SimCLR | 当前 batch 内的其他样本 | 需要极大 batch 和显存 |
| MoCo | 队列中历史样本 | 需要动量更新保持一致性 |
| BYOL | 不使用负样本 | 靠非对称结构和预测器防止坍缩 |
对从业者的意义
MoCo 的价值不只是一个方法，更是一种工程直觉：当某个资源（这里是负样本数量）被硬件卡住时，可以先问一句"它真的必须来自当下吗"。队列、动量、缓存这类手段，本质都是把"即时计算"换成"带维护成本的复用"。
对普通人来说，它解释了一件事：为什么今天的图像检索、以图搜图、视觉预训练模型，能在几乎没有人工标注的情况下学会看懂图片。标注很贵，而"同一张图的两个视角应该相似"这个约束，是免费从数据本身长出来的。具体实现细节与最新进展，以官方论文和代码仓库页面为准。