近期，張亞勤教授在CNCC 2020上帶來以“智能技術趨勢”為主題的演講，隨著數字化3.0的到來，張教授重置技術與工業的角度討論數字化的新浪潮，并分享了他在人工智能、新計算體系和通訊架構等方面的見解。

以下內容在張亞勤教授的演講基礎上略有改動。

數字化新浪潮帶來了歷史性的變革：一切都在數字化

張亞勤表示，隨著數字化3.0的到來，未來十年許多行業都將經歷構造轉變。這場數字化的新浪潮提供了歷史性的機會，可以通過先進的機器學習算法，增強的計算能力，5G的新基礎設施，神經形態計算來改變現有的工業格局。

過去我們做計算機最大的現象是數字化，數字化1.0在80年代中期就開始了，那個時候更多的是把內容數字化，有語音、音樂、視頻、圖像，包括后面的HDTV和Video，整個發展相當快。

數字化2.0在90年代中期開始，由于內容數字化，產生了消費者互聯網，掀起了好幾輪浪潮。同時企業也在數字化，包括ERP、CRM、工作流以及商業智能，到了后面有各種數字倉庫、云，各種各樣。但在軟件領域，消費軟件產品市場在中國一直沒有真正到一個主流。

現在進入全新的數字化3.0，包括互聯網物理化。首先是物理世界數字化，我們的車、船，飛行器件數字化，路、交通等，城市在數字化，家庭在數字化，工業、車間、電網、機器，乃至貨幣都在數字化，可以看到物理世界和數字世界形成一對一的影射。過去我們講數字高速公路，現在真的高速公路也變成數字。

可以看到，由于物理世界數字化，產生的信息量和數據達到了天文級，比如無人車，每個人每天可以產生10個T的數據。另外一個特點就是，現在數據大部分不是給人看，而是讓機器做決策，比如無人駕駛。

不像第一代和第二代，我們的生物世界也在進行數字化，大腦、身體，每個器官，甚至包括DNA還有蛋白質，通過腦和世界的接口，這個數據量更大，比我們物理世界更大。這個容量級很難用正常的方式去處理計算。

現在這個世界是信息物理和生物世界的融合，先是數字化，然后連到一起，最后才是智能化。

AI變革帶來產業新機遇

5G出現之后，的確帶來很多新的可能。5G是第一次把三網真正在應用層統一了，這是一件大事，5G讓傳輸的速度更快、延遲更低。

任何新的技術需要時間，大家要有一些耐心，5G剛剛發展速度就已經很快了，張教授表示相信在未來三到五年5G能夠帶來巨大的變革，不僅是對用戶，更多的是對于工業和產業。

張教授還用兩張圖舉了兩個例子，一是百度昆侖芯片路線圖，第一代昆侖AI芯片已經達到14nm工藝、2.5D封裝、512G的帶寬。明年會出來第二代，7nm，耗能減少很多，性能將提高3倍左右。

另外一個例子是地平線自動駕駛芯片的路線圖。可以看到，隨著Level的提升，規劃越來越困難，需要很強的功能，很好的穩定性。地平線在這方面做了很多的工作，芯片不管是從質量、性能、耗能上都和現在的國際芯片（像特斯拉的SSD）達到同樣的性能，甚至更好。

我們可以看到，技術的發展確實給IT產業以及很多行業帶來了新的機遇。首先IT產業本身是最大的受益者。不管是芯片技術、操作系統、云平臺還是應用，都在不斷的快速迭代。更重要的是，它改變甚至顛覆了目前的產業，教育、醫療、金融、制造，每個行業都會有AI的成分。

如今的AI就像20年前的互聯網，能夠融入到每個行業。

再有就是創造新的行業。張亞勤教授認為自動駕駛、工業物聯網、AI醫療生物計算，這三個領域很有潛力，他自己也比較有興趣。

最后，張亞勤提到，希望他成立的智能產業研究院能夠成為國際化、智能化、產業化的應用研究機構，能夠吸引與培養出有國際視野的CTO和頂級的架構師，并利用核心技術突破孵化出一些新企業。

尋找下一輪AI的突破口;對于產業來講，深度學習的黃金時代剛剛開始

下面這張圖涵蓋了人工智能60年上下。可以看到，在左半部分講到人工智能發展的不同流派，未來最大的可能是借各種流派之長，創造新的一些算法，有邏輯符號也有數據和知識，要借鑒人類的進化，大腦的特點。

現在，不管是做研究的也好，做產業的也好，都在思考下一輪人工智能突破在什么地方，特別是現在深度學習，經過十幾年的研究和應用，已經到了一個穩定期。現在主要的發展不僅是靠算法，更多的靠計算的算力。

張亞勤教授認為，在研究方面、算法方面，還有一些可挖掘之處，但是已經到了相對平臺期。不過對于產業來講，深度學習的黃金時代才剛剛開始，還有至少十年的時間可以深入到每個不同的行業里。

他還在演講中提到，人工智能當下遇到的挑戰主要是隱私、數據保護和倫理工作。前段時間，張教授在美國碰到一個小團隊在做通用人工智能。他們的主要的任務是創造一個有自主意識的AI。他自己表示堅決反對。

我們再看看最基本的東西，計算和通訊基本的范式。

第一是香農定律，包含三個方面，熵、信道容量和速率編碼。定義了三個極限，無損壓縮極限，信道傳輸極限，有損壓縮極限。現在這幾部分基本上都快接近極限了。

第二個是馮諾伊曼架構，做計算機60年來都采用這個架構。馮諾伊曼架構相當簡單和漂亮，就是一個程序儲存的原理。但在這幾年，特別是在深度學習上已經有了很大的限制。

第三個是摩爾定律，想必這個大家都比較熟悉，原來摩爾定律中提到的每18個月、24個月的發展速度也降下來了。

我們需要突破這三個瓶頸。

要讓新的計算體系和通訊架構突破體系架構的限制。深度學習需要新的架構，架構包括數據流、計算模式。深度學習領域需要很多優化，還有高速的儲存。這些東西和傳統的架構不一樣。
責編AJX