捷克導演伏拉基米爾·米切爾在2001年指導了一部電影，叫做《秋天里的春光 Babí léto》。

我很喜歡這個名字，它吐露著一種簡單質(zhì)樸的美好。回望歷史，我們會發(fā)現(xiàn)文明與知識經(jīng)常陷入秋天，但卻因為人類的一次次努力，最終我們迎來的不是寒冬，而是新一輪春天的開啟。

在我們感知到瓶頸的一剎那，也就開始思考如何解決瓶頸；當我們開始擔憂未來，也就開始掌握和改變未來。能在秋天尋找春光，這是人類何以偉大，也是人類這一物種何以延續(xù)的原因。

在科技領(lǐng)域，這樣的故事正在上演。

4月19日，華為分析師大會HAS 2023在深圳舉辦。此前曾跟大家聊過，全聯(lián)接大會與分析師大會是了解華為最重要的兩個窗口。如果說，全聯(lián)接大會展示華為的手中做出了什么，那么分析師大會，則展現(xiàn)華為的眼中看到了什么。

比如說，上一屆HAS，我們討論過華為面向智能世界的科學假設(shè)，這可能是大型科技公司首次用科學假設(shè)來錨定未來戰(zhàn)略。

而在今年，華為則更加直接、更加勇敢且熱烈，直接提出如何解決通信與計算兩大極限——香農(nóng)極限與摩爾定律。

華為戰(zhàn)略研究院院長周紅在名為《建設(shè)智能世界的假設(shè)與愿景，從經(jīng)驗、知識到智能》中提出：建設(shè)智能世界的核心，就是解決未來通信和未來計算兩大問題。

如果說，通信與計算極限是困擾著人類科技進步的秋天，那么尋找打破它們的辦法，就是人類又一次嘗試在秋天里尋找春光，改變未來。

觸摸瓶頸：當人類科技步入秋天

在秋天，人們可以享受豐饒的物產(chǎn)，同時也會感受到寒意。我們生活在信息革命的豐收中，享受著前人甚至不敢想象的通信體驗與數(shù)字化工作、生活，但在這種美好之中，寒意也逼近了。這種寒意，來自于發(fā)展的瓶頸。

在《三體》中，三體人來到地球的第一步是用質(zhì)子創(chuàng)造瓶頸，鎖死人類基礎(chǔ)技術(shù)創(chuàng)新，而在現(xiàn)實里，瓶頸自己就會出現(xiàn)。從元宇宙到無人駕駛、智能制造，我們提出了太多的數(shù)字化、智能化應用方向，這需要信息的處理、傳輸、存放能力千百倍增長。但殘酷的現(xiàn)實是，計算與通信已經(jīng)逼近了極限，在現(xiàn)有的理論與技術(shù)進步框架下，已經(jīng)很難支撐科技持續(xù)高速發(fā)展。

之所以我們能夠知道這兩大極限在哪里，要感謝兩位信息技術(shù)中的偉人。

首先是信息論的創(chuàng)始人克勞德·艾爾伍德·香農(nóng)，在1948年首次提出了噪信道編碼定理，也被稱為香農(nóng)第二定理。根據(jù)這一理論，有限帶寬、有噪聲的信道中存在著極限傳輸速率，無論采用何種編碼方式都無法突破這個極限。

香農(nóng)極限的存在，有效牽引了通信產(chǎn)業(yè)的發(fā)展，指出了不同網(wǎng)絡(luò)環(huán)境下的最高通信效率，對通信和存儲產(chǎn)業(yè)起到了奠基作用。與此同時，香農(nóng)極限也提前展示了人類通信能力的邊界，比如5G的頻譜效率已經(jīng)很大程度上的接近甚至達到了香農(nóng)極限。這也就是說，接下來需要更大通信能力支持的元宇宙、泛在高清化視頻、人工智能技術(shù)，都迎來了巨大的瓶頸與壓力。

比香農(nóng)極限更廣為人知的是摩爾定律。英特爾創(chuàng)始人之一戈登·摩爾，根據(jù)自身的產(chǎn)業(yè)觀察與技術(shù)實踐，歷經(jīng)數(shù)次調(diào)整，最終提出了集成電路上可以容納的晶體管數(shù)目在大約每經(jīng)過18個月到24個月增加一倍的規(guī)律。也就是說，處理器性能將18個月翻倍，同時其價格下降一半。

摩爾定律牽引了計算產(chǎn)業(yè)的數(shù)十年發(fā)展，為信息革命奠定了產(chǎn)業(yè)基礎(chǔ)，但隨著材料工藝、制程工藝紛紛達到極限，摩爾定律開始逐漸失速。如果嚴格按照摩爾定律，在2023年2納米制程芯片將廣泛使用，2025年將實現(xiàn)1納米制程，這顯然與目前形勢大為不符。

但另一方面，在供給端降速的同時，計算的需求端卻在暴漲。AI計算的興起帶來了全面的算力饑渴現(xiàn)象。過去十年，AI算力需求增長了數(shù)十萬倍，今天AI計算依舊處在一卡難求的尷尬境地。計算瓶頸，已經(jīng)在真實限制和困擾人類的科技創(chuàng)新。

逼近的香農(nóng)極限，失速的摩爾定律。這兩項巨大瓶頸，從源頭圍困了人類科技的進步。但在華為看來，瓶頸意味著待解決的問題，找到瓶頸，也就找到了通向未來的大門。

通信之春：藏在可能性的搖籃里

對于人類科技來說，秋天里的春光在哪里？

這可能是我們平時很難去觸及的問題，而這也是HAS的珍貴之處。華為希望在這時與大家一起抬頭看看，看向遠方，看向充滿可能性的未來。

比如說，香農(nóng)極限的存在，為通信產(chǎn)業(yè)打下了十年十倍帶寬增長的框架。但華為卻認為我們可以嘗試超越香農(nóng)極限，實現(xiàn)網(wǎng)絡(luò)帶寬的十年百倍增長，甚至更多。

怎么才能做到這點呢？周紅提出，香農(nóng)極限是在上世紀40年代提出的。有很多新的現(xiàn)象、新的工程能力和新的應用環(huán)境，都是75年前人們不了解的、也不在假設(shè)中。因此未來的通信上還有很大的發(fā)展空間，甚至有可能改變香農(nóng)定理最初的假設(shè)和應用條件，實現(xiàn)超越十年百倍的發(fā)展。

在如何傳遞信息這件事上，人類始終在積累更多可能性。這些可能性大多數(shù)還在搖籃當中，但也足夠讓我們看到打破極限的路徑。

在通信方式層面，量子通信、艾里波束、激光器的相繼發(fā)現(xiàn)與實驗成功，讓人類看到了找尋新通信傳播介質(zhì)的可能。而在人工智能技術(shù)興起后，各界發(fā)現(xiàn)以先驗知識傳播信息的可能，語義通信代表的新通信方法正冉冉升起。即使在工程技術(shù)方面，5G的MassiveMIMO規(guī)模商用后，有效解決了復雜城市環(huán)境中通信的傳統(tǒng)難題，這就在某種程度上超越了香農(nóng)時代對通信的理解。

長時間來，我們看到了華為在通信領(lǐng)域的不斷探索，MassiveMIMO、自動駕駛網(wǎng)絡(luò)、感知網(wǎng)絡(luò)等可能性成為了現(xiàn)實。一系列的成功提醒我們，敢于尋找可能性，敢于打破理論與技術(shù)的瓶頸，就是尋找通信之春的開始。

計算之春：藏在AI的壯芽中

最近幾個月，生成式AI帶來了前所未有的火爆，大模型讓每一個人都真實感知到了AI的魅力與潛力。同時AI也加強了對算力的消耗，進一步逼近了摩爾定律的極限。

但從另一個角度看，AI也是摩爾定律的破壁者，是一顆解決摩爾定律失效，甚至超越經(jīng)典計算邊界的種子。未來，或許我們將習慣讓AI去處理各種問題，創(chuàng)造各種可能，而不是依賴晶體管的堆疊。

智能應用的快速發(fā)展，讓AI這顆種子成長為嫩芽。但進一步看，想要讓AI更加茁壯、強大，還需要克服一系列挑戰(zhàn)。在華為看來，AI想要與人類目標保持一致，并且正確和高效地執(zhí)行，必須克服三個主要的挑戰(zhàn)，其中包括：

對AI的目標定義問題。集成了七十年發(fā)展成果的AI，有大量科研分支與技術(shù)流派，這也導致AI研究與應用缺乏整體性目標，難以達成系統(tǒng)化、整體化的研究體系。

AI的正確性與適應性問題。深度學習以及其他AI技術(shù)的黑箱性問題依舊沒有得到解決，人類在理解和控制AI模型上缺乏有效手段，對抗生成樣本進行AI干擾就是一個顯著的例子，路牌上有個黑點，就可能導致自動駕駛系統(tǒng)識別失靈。缺乏適應性，給AI應用帶來了巨大的隱患。

AI訓練與部署中的效率問題。在今天，AI還需要巨大的算力開銷、能源開銷以及高度依賴海量數(shù)據(jù)進行訓練。效率問題始終在限制AI的進一步發(fā)展。

只有跨越這些挑戰(zhàn)，AI才能從一顆嫩芽，發(fā)展為向下扎到根，向上捅破天的大樹。雖然那距離通用智能、超級智能的參天大樹還很遙遠，但我們至少可以期待AI成長為一顆改變?nèi)祟愂澜绲摹皦蜒俊薄?/p>

怎么才能跨越這些挑戰(zhàn)呢？在華為看來，“實用”是AI技術(shù)的最佳牽引。科學是無立場的，只呈現(xiàn)真實，但科技是有方向的，它需要為人類服務。實用性，既可以成為AI應用的導航器，也可以成為AI理論研究與底層技術(shù)構(gòu)建當中的護城河。

周紅建議，可以從實用的角度來發(fā)展知識和智能。具體來說，可以通過感知與交互、計算或者試錯，在復雜的環(huán)境和有限的資源下達成目標。這條跨越AI邊界，甚至指向摩爾定律極限的智能之路，華為已經(jīng)攜手產(chǎn)學各界，找到了一些方向，比如：

一、發(fā)展自治智能系統(tǒng)，提高AI的適應性。

目前的AI模型，更多是從數(shù)據(jù)中抽取規(guī)律。未來，我們或許可以通過發(fā)展感知與建模、知識自動生成、求解與行動三個核心部分，推動AI具有更高的正確性與適應性，甚至成為自主化的智能系統(tǒng)。在這個過程中，人的經(jīng)驗、訴求與利益將十分重要，科技必須確保人的立場與AI技術(shù)融合為一。在這樣的探索下，未來的AI將具有更強的自主決策能力，我們會在自動駕駛汽車、云服務、自動駕駛網(wǎng)絡(luò)等領(lǐng)域?qū)崿F(xiàn)自主自治的智能體。

二、發(fā)明新的計算模式、架構(gòu)與部件，提升AI效率。

目前AI依賴的存算基礎(chǔ)，基本來自經(jīng)典計算體系，二者本質(zhì)上并不完全匹配。我們或許可以發(fā)展更適配AI本身的計算模式，并產(chǎn)生與之匹配的計算架構(gòu)、計算部件，來提升AI的工作效率。比如說，類腦計算的AI任務處理模式正在得到越來越多的重視。

此外，AI還帶來了海量非結(jié)構(gòu)、多樣性數(shù)據(jù)的存儲問題。是否可以脫離傳統(tǒng)存儲框架，圍繞AI計算來定義新的存儲架構(gòu)與部件，這既是華為關(guān)注的方向，也是業(yè)界正在共同努力的目標。

三、AI4Industry，讓行業(yè)大模型助力價值創(chuàng)造。

AI需要與具體的行業(yè)需求、產(chǎn)業(yè)場景結(jié)合，才能最大化釋放生產(chǎn)力，這在今天已經(jīng)形成了共識。華為是這條路的先驅(qū)，尤其在行業(yè)大模型領(lǐng)域有領(lǐng)先且充沛的探索。目前，華為已經(jīng)幫助電力、煤礦、交通、制造等行業(yè)，實現(xiàn)了以AI大模型提升作業(yè)效率、提升安全性的案例，比如在煤礦場景，華為幫助客戶通過AI模型來實現(xiàn)瓦斯?jié)舛鹊某邦A警、作業(yè)序列風險防范、作業(yè)質(zhì)量智能驗收等應用；華為的智慧港口方案，已經(jīng)在天津、青島、上海、深圳等港口實現(xiàn)智慧化應用。

四、AI4Science，構(gòu)筑科學發(fā)現(xiàn)新范式。

在產(chǎn)業(yè)應用并行的另一條軌道上，AI的實用性還在科學研究中展露無遺。AI大模型與科研的結(jié)合，不是僅在特定學科中創(chuàng)造價值，而是構(gòu)筑了一種各個學科整體性、通用性的新研究范式，為人類探索科學提供新的路徑。

在今天，華為推出的盤古氣象大模型，已經(jīng)可以快速完成全球未來1小時到7天的天氣預報，預測精度比歐洲中期天氣預報中心高出20%以上。在藥物開發(fā)領(lǐng)域，華為與北大相關(guān)團隊一起提出了基于元動力學的靶點發(fā)現(xiàn)和構(gòu)象搜索算法，可以加速小分子遍歷蛋白質(zhì)的過程，極大提升了藥物研發(fā)的效率。

除此之外，華為還在AI重構(gòu)軟件與計算模式，甚至用AI來開發(fā)計算部件，提升產(chǎn)業(yè)效率和自動化水平等領(lǐng)域進行了廣泛的探索。我們知道，在ICT領(lǐng)域大量技術(shù)都是華為內(nèi)部孵化應用，進而成為全球業(yè)界通用的工具與能力。或許，AI將在這條路上走得更遠。

AI的壯芽，還在成長當中，還需要澆水施肥。但這顆種子的勃發(fā)，已經(jīng)讓人們看到了打破摩爾定律極限，乃至跨越更多極限的可能性。

這就是孕育在秋天中的春光。

秋過春來，智能世界

打破香農(nóng)極限與摩爾定律極限，你會認為華為提出這樣的目標太過遙遠嗎？

但換個角度想，我們總是傾向于用已發(fā)生的事情去推演未來，去放大現(xiàn)在和過去。但卻忽視了未來的力量，忽視了只有未來才是人類真正可以掌握和改變的。

我們時刻在鉆研現(xiàn)在，也需要偶爾去遠眺未來，去觸碰極限。每年的HAS，就在華為的戰(zhàn)略結(jié)構(gòu)中扮演著這個角色，而它似乎也在全球科技產(chǎn)業(yè)的更迭中，扮演著同樣的角色。

未來，人類必定要在更短時間傳遞更多信息，甚至實現(xiàn)真正的天涯若比鄰。

未來，人類必定要躍向新的計算范式，讓智能體代替人類探索計算的可能性。

未來，人類必定會跨越通信與計算兩大極限，在新的技術(shù)基石驅(qū)動下，邁向通用智能，甚至超級智能的“科幻之旅”。

在華為看來，我們甚至可以想得更遠。增強生命，創(chuàng)造物質(zhì)，控制能量，跨越時空，實現(xiàn)人類文明的進化——去勇敢表達對這些的向往和追逐，是HAS的價值所在，也是華為的精氣神所在。

埋頭趕路的華為，更多時候拿出的是一個個具體的創(chuàng)新，具體的產(chǎn)品和解決方案，但其實他的目標一直未變。這不是華為第一次提到香農(nóng)極限與摩爾定律，或許在所有全球性科技公司中，華為是提到打破極限最多的那一家。

華為的未來在哪里？人類科技的未來在哪里？未來在極限之外，未來在秋天過后的下一個春天，未來在長夜之后的晨曦綻放。

我們在此刻誠懇地抬頭看向遠方，就會發(fā)現(xiàn)：未來，注定是智能世界。