華為，找尋科技秋天里的春光

來源：腦極體時間：2023-04-20 16:15:25

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樸的美好。回望歷史，我們會發現文明與知識經常陷入秋天，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。

【資料圖】

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的原因。

在科技領域，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，這可能是大型科技公司首次用科學假設來錨定未來戰略。

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——香農極限與摩爾定律。

華為戰略研究院院長周紅在名為《建設智能世界的假設與愿景，從經驗、知識到智能》中提出：建設智能世界的核心，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，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，來自于發展的瓶頸。

在《三體》中，三體人來到地球的第一步是用質子創造瓶頸，鎖死人類基礎技術創新，而在現實里，瓶頸自己就會出現。從元宇宙到無人駕駛、智能制造，我們提出了太多的數字化、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。但殘酷的現實是，計算與通信已經逼近了極限，在現有的理論與技術進步框架下，已經很難支撐科技持續高速發展。

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中的偉人。

首先是信息論的創始人克勞德·艾爾伍德·香農，在1948年首次提出了噪信道編碼定理，也被稱為香農第二定理。根據這一理論，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。

香農極限的存在，有效牽引了通信產業的發展，指出了不同網絡環境下的最高通信效率，對通信和存儲產業起到了奠基作用。與此同時，香農極限也提前展示了人類通信能力的邊界，比如5G的頻譜效率已經很大程度上的接近甚至達到了香農極限。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，都迎來了巨大的瓶頸與壓力。

比香農極限更廣為人知的是摩爾定律。英特爾創始人之一戈登·摩爾，根據自身的產業觀察與技術實踐，歷經數次調整，最終提出了集成電路上可以容納的晶體管數目在大約每經過18個月到24個月增加一倍的規律。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業的數十年發展，為信息革命奠定了產業基礎，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象。過去十年，AI算力需求增長了數十萬倍，今天AI計算依舊處在一卡難求的尷尬境地。計算瓶頸，已經在真實限制和困擾人類的科技創新。

逼近的香農極限，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，香農極限的存在，為通信產業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極限，實現網絡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，香農極限是在上世紀40年代提出的。有很多新的現象、新的工程能力和新的應用環境，都是75年前人們不了解的、也不在假設中。因此未來的通信上還有很大的發展空間，甚至有可能改變香農定理最初的假設和應用條件，實現超越十年百倍的發展。

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、激光器的相繼發現與實驗成功，讓人類看到了找尋新通信傳播介質的可能。而在人工智能技術興起后，各界發現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。即使在工程技術方面，5G的MassiveMIMO規模商用后，有效解決了復雜城市環境中通信的傳統難題，這就在某種程度上超越了香農時代對通信的理解。

長時間來，我們看到了華為在通信領域的不斷探索，MassiveMIMO、自動駕駛網絡、感知網絡等可能性成為了現實。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，創造各種可能，而不是依賴晶體管的堆疊。

智能應用的快速發展，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。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行，必須克服三個主要的挑戰，其中包括：

對AI的目標定義問題。集成了七十年發展成果的AI，有大量科研分支與技術流派，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據進行訓練。效率問題始終在限制AI的進一步發展。

只有跨越這些挑戰，AI才能從一顆嫩芽，發展為向下扎到根，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成長為一顆改變人類世界的“壯芽”。

怎么才能跨越這些挑戰呢？在華為看來，“實用”是AI技術的最佳牽引。科學是無立場的，只呈現真實，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構建當中的護城河。

周紅建議，可以從實用的角度來發展知識和智能。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，華為已經攜手產學各界，找到了一些方向，比如：

一、發展自治智能系統，提高AI的適應性。

目前的AI模型，更多是從數據中抽取規律。未來，我們或許可以通過發展感知與建模、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。在這個過程中，人的經驗、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、自動駕駛網絡等領域實現自主自治的智能體。

二、發明新的計算模式、架構與部件，提升AI效率。

目前AI依賴的存算基礎，基本來自經典計算體系，二者本質上并不完全匹配。我們或許可以發展更適配AI本身的計算模式，并產生與之匹配的計算架構、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還帶來了海量非結構、多樣性數據的存儲問題。是否可以脫離傳統存儲框架，圍繞AI計算來定義新的存儲架構與部件，這既是華為關注的方向，也是業界正在共同努力的目標。

三、AI4Industry，讓行業大模型助力價值創造。

AI需要與具體的行業需求、產業場景結合，才能最大化釋放生產力，這在今天已經形成了共識。華為是這條路的先驅，尤其在行業大模型領域有領先且充沛的探索。目前，華為已經幫助電力、煤礦、交通、制造等行業，實現了以AI大模型提升作業效率、提升安全性的案例，比如在煤礦場景，華為幫助客戶通過AI模型來實現瓦斯濃度的超前預警、作業序列風險防范、作業質量智能驗收等應用；華為的智慧港口方案，已經在天津、青島、上海、深圳等港口實現智慧化應用。

四、AI4Science，構筑科學發現新范式。

在產業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大模型與科研的結合，不是僅在特定學科中創造價值，而是構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。在藥物開發領域，華為與北大相關團隊一起提出了基于元動力學的靶點發現和構象搜索算法，可以加速小分子遍歷蛋白質的過程，極大提升了藥物研發的效率。

除此之外，華為還在AI重構軟件與計算模式，甚至用AI來開發計算部件，提升產業效率和自動化水平等領域進行了廣泛的探索。我們知道，在ICT領域大量技術都是華為內部孵化應用，進而成為全球業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，已經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生的事情去推演未來，去放大現在和過去。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，就在華為的戰略結構中扮演著這個角色，而它似乎也在全球科技產業的更迭中，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。