本文来自极客网（www.fromgeek.com）。
4月26日，在华为分析师大会2022上，华为战略研究院院长周红博士发表了“面向未来的科学假设与商业愿景”的演讲。他指出，21世纪将是人类社会全面走向智能化的时代，智能化的核心是感知、连接和计算，以及由此带来对物质和现象、生命和能量等的更高认知和掌控能力。
在走向智能世界的路上，人类社会面临着巨大的挑战：一方面，幸福生活、高效工作、绿色环境还需要感知、连接和计算提升成百上千倍能力；另一方面，在相关科学与技术上，过去的几十年中都没有大的突破，甚至已经接近瓶颈。面向未来，只有大胆提出假设、大胆提出愿景，敢于打破既有理论与技术瓶颈的条条框框，才能大踏步前行。
以下是演讲全文：
女士们、先生们，大家好！欢迎参加第19届分析师大会。
很高兴有机会和大家探讨面向未来的科学假设和商业愿景。
我们知道，18世纪是机械化时代、19世纪是电气化时代、20世纪是信息化时代，那么21世纪会是什么时代呢？
我认为21世纪将是人类社会全面走向智能化的时代，智能化的核心是感知、连接和计算，以及由此带来对物质和现象、生命和能量等的更高认知和掌控能力。
在走向智能世界的路上，我们面临着巨大的挑战，一方面，幸福生活、高效工作、绿色环境还需要感知、连接和计算提升成百上千倍能力，另一方面，在相关科学与技术上，过去的几十年中都没有大的突破，甚至已经接近瓶颈。
怎么才能创造可行的发展路线？
我认为，面向未来，只有大胆提出假设、大胆提出愿景，敢于打破既有理论与技术瓶颈的条条框框，才能大踏步前行。
数字技术极大丰富了人类的工作与生活
在过去的10年中，随着宽带通信、智能设备、AI和云计算的迅速发展，数字技术极大丰富了人们的生活，
从打电话、上网浏览信息、即时通信，到地图导航、电子银行、网上购物等，ICT技术已经成为越来越多人们生活中不可或缺的重要部分。
除了生活中所需要的ICT技术，我们也在过去10年中，与很多行业进行联合探索，看看ICT技术能不能帮助或者是怎样帮助行业发展。
例如，我们与汽车公司、电信运营商一起，在高速公路上进行试验，大家知道，人工驾驶的反应速度是以秒为单位的，我们通过在汽车之间、以及汽车与网络之间建立10毫秒级的高性能连接，帮助将紧急事件的检测和反应能力提升上百倍，
在100公里时速下，可以将人工驾驶所需要的几十米、上百米的安全距离，缩小到0.8米，从而极大地提升高速公路的车流量与安全性，
同时可以支持组队行驶减少风阻，节省20%左右的油耗。
车联网还可以支持远程驾驶，创造新的作业模式与服务模式。
我们也在城市环境中进行试验，通过超视距的车联网、车路协同，有可能提升30%通行效率、减少90%交通事故。
今天，在工厂、在医院、在港口、在煤矿，ICT技术正在深入千行百业，使能行业数字化、智能化转型。
人类对未来的追求永无止境
面向未来，我们看到还有很多地方，ICT技术有可能做出更大的贡献。
比如人的健康与幸福，通过穿戴式传感器、无线通信与云计算，可以更好地支持运动健康和慢性病的管理，AI计算还能帮助进行药物和疫苗的快速设计和高效筛选。
ICT技术可以支持无处不在的自动和智能机器，从而提升人们的生活质量，提高各行各业的作业效率。
ICT技术可以帮助建设绿色可持续发展的环境，例如进行高效的能源变换和调度、设计低成本、高效率的能源转换催化剂、储能材料。
在虚实融合的数字世界上，ICT技术还能帮助建立“远在天边、近在眼前、身临其境”的体验，丰富人们的生活、帮助人们学习成长、帮助各行各业在数字世界快速迭代改进等。
全球数字化超越“十年百倍”的发展
在这么多的需求驱动下，全球数字化正以指数速度增长。
例如全球的移动宽带数据流量，从2010年的每月0.24艾字节（EB），增长到2020年的每月60艾字节，在10年时间中增长超过250倍。
中国的移动宽带数据流量，从2010年的每月0.033艾字节，发展到2020年的每月13艾字节，增长超过400倍。
面向未来，我们认为数字技术将以超过十年百倍的速度增长，数字化将促进人和社会加速发展。
从另一方面，我们也看到，现有的很多理论和技术都是几十年前甚至一百多年前提出的，基于这些理论和技术的应用已经开始遇到瓶颈，例如通信领域的奈奎斯特采样定理和香农定律、计算领域的可计算性理论和冯·诺依曼架构、半导体领域的摩尔定律等，希望有新的假设和愿景来牵引突破。
为此，我们提出面向未来的4个科学假设和商业愿景，希望与学术界、产业界一起共同探索，开展面向未来的研究。
一：拓展认知的边界，物质与能量、现象与规律
首先是探索基础科学和前沿技术，拓展我们认知的边界。尤其是物理、化学、生物等领域的突破，将使我们能够更好地发明新分子、催化剂、蛋白质等材料和器件，以及新的装备和新工艺。
有一次，我和一位量子科学家讨论，怎么把光子、量子存起来？他在1993年就提出了量子存储概念的时候没人相信，大家可能会想，能用一个瓶子把光存起来吗？存储量子的操作不会影响它的状态？直到1998年，哈佛Hau等人用电磁感应透明现象将光子速度降到17m/s，2000年，她们成功地把光子“冻结”了一分钟时间。2006年帝国理工的Pendry等人提出可以用类似“光子黑洞”的思路来束缚住光，让其无法离开。目前已经有很多办法来可以实现量子存储，从而更好地支持量子通信和量子计算。
为了降低半导体器件的功耗、提升可靠性，我们和科学家合作，分析半导体器件中的热机理，看看能不能构造出有利条件，加快“光声子”变成“声声子”，从而减少栅极与漏极之间热点的形成。
现在很多超导量子计算机采用毫开尔文的温度，一些科学家在进一步探索，用激光来冷却原子，从豪开尔文降低一百万倍温度到纳开尔文，接近绝对零度的温度极限，看看能不能发现更复杂的量子现象。
未来，物质的特性能不能通过计算预测出来，而不用靠漫长的试验来进行摸索？答案是可能的。例如采用USPEX计算方法，目前用100万核时的算力，可以计算出小于200个原子组成的分子的主要特性。2017年，科学家通过计算发现了超硬五硼化钨的结构，解决了困扰科学界近60年的难题；2019年科学家通过计算，发现了十氢化钍在85万个大气压的情况下，具有惊人的高温超导性，临界温度达到-112摄氏度。
有了更好的计算化学，我们有望发现或者发明更好的催化剂、化学药、生物药与疫苗。
二：拓展感知极限，更好地了解世界和人类自身
第二是我们未来将不断扩展感知世界和感知自身的能力，将从接近人类感知到超越人类感知、从替代感知到扩展和创造感知、从人类感知到机器感知。
在这方面我们要向生物界学习，大自然通过百万年甚至上亿年的进化，形成了远远超越现有机器和人的感知能力。
例如在视觉上，有些蜘蛛眼睛在物体轮廓和运动计算上远远超越了人眼，有利于快速精准捕获猎物，我想自动驾驶汽车是不是正好需要这种眼睛？
同样的还有青蛙眼睛，是高灵敏度的单光子接收机，可以在黑暗的环境下看的更清楚。
在嗅觉上，狗鼻子分辨气味的能力超过人类1000倍。
除了拓展对外部世界的感知，我们未来也能更好地感知和控制人体自身。像ECG、EEG、PPG等这些技术目前还没有系统地、便捷而又低成本地发展起来，对于人体的八大子系统的实时度量感知，我们还有很多工作要做。通过发展新的传感器，我们将来可能实时、无感知地测量血压、血糖、心电等重要的健康参数；我们可以发展新的神经系统脑机接口、肌机接口，更好地与机器协同，将来有可能用思考来交流和工作、用思考来开车和娱乐。
我们也可以发展虚实融合数字世界新的体验，例如3D显示和虚拟触觉，以帮助在数字世界中“看得真、摸得实”。
三：探索新的计算模式与实现方式，认知世界、解决问题
第三是探索适应目标与环境的计算模式与高效实现方式，从而更好认知世界、解决问题、创造价值。
信息领域经过多年的积累，已经发展出了十几种广泛使用的计算模式，例如无线和光通信里大量使用基于快速傅里叶变换的蝶形计算模式，路由器里大量使用基于逻辑状态转移的有限状态机计算模式，AI里目前大量使用基于统计和相关的计算模式等。数学家和工程师们奋斗了这么多年，我们在计算模式上是不是已经走到了尽头？我认为还有很大的空间，例如：
在通信上：随着未来的通信系统不断走向高频、高速，我们将面临越来越多的非线性信道和非线性器件带来的问题，我们能不能从传统的线性傅里叶变换拓展到非线性逆散射变换，以更好地匹配未来的应用？
在AI上：随着应用的不断拓展，我们面临统计相关AI计算模式不可解释、不可调试的问题，同时还有很大的能效挑战。我们能不能向生物界学习，例如蚂蚁，小小的蚂蚁大脑一般只有0.2毫瓦的能耗，它既不用深度学习、也不需要遵循可计算性理论和冯·诺依曼架构，但是却能够跑来跑去做很多复杂的事情，例如筑巢、寻找食物、养蚜虫等等。目前的自动驾驶汽车还需要几十瓦甚至几百瓦来进行计算，在能效上与蚂蚁相比还有很大的差距。因此在AI领域，除了统计和相关计算模式外，能不能进一步发展出数理逻辑计算模式、几何流形计算模式、博弈计算模式等？
在科学计算上：我们大量用到矩阵，对于两个n行n列矩阵的乘法，如果按照原始简单算法，复杂度是n的3次方，1969年德国数学家创造的斯特拉森算法，将复杂度降低到n的2.807次方，2020年底MIT的Williams与哈佛的Alman给出一个复杂度是n的2.3728596次方算法。
在矩阵计算中，我们更关心稀疏线性方程组求解，因为在社会科学中，地球上有几十亿人，平均每个人只维持不超过200个有效关系；在芯片设计中，大部分元件的限制条件是局部的。在这个领域，佐治亚理工大学的彭泱等人发明了计算复杂度为n的2.3316次方的先进算法，获得了计算理论顶会SODA的2021年最佳论文奖。几个月前我们的数学家发明了一个更新的算法，将复杂度下降到n的2.28次方，比彭泱等人的算法降低了0.0516次方，这个进步意味着什么呢？对n=100万来说，计算复杂度将能进一步下降约45%。
在具体实现上，超级计算机往往要用巨大的能耗来实现大算力，例如3千万瓦实现近500PFLOPS算力，而人脑大约用20W可以做到近30PFLOPS，效率高了约八万倍。
从这个角度看，我们是不是要发展适应性与高效性计算模式，创造新架构与新部件，而不要受限于传统的可计算性理论、以及冯·诺依曼架构？
四：突破香农定律的假设，在更大的时空中发展信息通信
第四是在有别于香农定律的假设、以及更大的时空中探索信息通信，从而跨越空间的障碍，建设全球直达的能力，连接虚拟与现实世界、以及无处不在的机器。
将来的真人级全息通讯，如果不压缩数据，需要接近2Tbps的带宽，以及1-5ms的时延；
自动驾驶如果采用12个摄像头，每天可能产生高达4T字节的数据，目前的5G网络远远达不到这个容量。
对于这些挑战，我们是不是有足够的理论和技术来实现呢？我认为这是可能的。
例如，在理论上，如果我们假设这个世界是有先验知识、有记忆的，就可能跳出香农1/2/3定律的限制。在工程上，一个量子级联激光器可以同时产生几百个波长，实现上百T的流量；未来如果我们能做出高重频阿秒激光器，甚至可能产生百万T的流量。这些技术如果能嫁接到无线和光领域，是不是可以成千上万倍提升通信性能？
打通科学假设与商业愿景，创造知识与价值
为了打通科学假设与商业愿景，我们把创新分成前后相关的5个环节：从假设和愿景，到理论、技术和商业创新。
越靠近后端商业、客户和用户的创新，效果就越明显；而越靠近前端假设、愿景和基础科学，就越需要耐心。
面向未来，我们要敢于向前端基础研究寻求答案。
在基础科学研究上，除了支持以科学家兴趣驱动的“波尔象限”创新外，我们希望与伙伴一起探索“巴斯德象限”创新，这样既能拓展科学认知，也能创造应用价值。
面向未来的10个问题和挑战
围绕前面4个假设与愿景，聚焦“巴斯德象限”，我们提炼出面向未来可以重点考虑的两个基础科学问题，以及8个前沿技术挑战。
第一个科学问题是机器如何认知世界，能不能建立适合机器理解世界的模型？
第二个科学问题是如何理解人的生理学模型，尤其人体八大子系统的运行机制，以及人的意图和智能？
前沿技术挑战包括：
在人机接口上如何发展新的感知和控制能力，例如脑机和肌机接口、3D显示、虚拟触觉、嗅觉、味觉等等
在健康上如何连续地、无感知地测量人的血压、血糖和心电？能不能通过AI强人工智能帮助发明新的化学药、生物药和疫苗？
在软件上如何发展以应用为中心，面向价值与体验的高效率自动化和智能化软件？
在通信上如何接近和扩展香农极限，实现区域级和全球级的高效、高性能连接？
在计算上如何发展适应性与高效率的计算模式、发展非冯·诺伊曼计算架构与非传统部件、发展可解释和可调试AI？
在材料上，如何通过AI帮助发明新的分子、催化剂和器件？
在制造上如何发展出超越传统CMOS制造的技术，达到更低成本、更高的效率？
在能源上能不能发展出安全、高效的能源转换和储能，提供按需服务？
最大的力是合力，最强的智是众智
华为正以开放的心态，与全世界伙伴一起创造。
4月30日我们计划推出线上黄大年茶思屋，希望建设成一个科学和技术交流的通道，向全社会开放。
在黄大年茶思屋上，我们将总结和提炼出挑战的课题，邀请全球优秀人才来一起探索创新。
今天，我们对数字技术的所有想象都是保守的
三十年前，我在大学的时候，还需要排长队来打长途电话，完全无法想象有一天能够拿着一个小盒子，不需要任何连线就可以随时随地与远方的家人视频沟通，可以通过这个小盒子可以连接世界，干很多事情，这在当时太科幻了。
我们现在对于未来的所有想象可能都是保守的，因此我们要更加勇敢，希望能和学术界、产业界一起，重构基础理论、重构架构、重构软件，共同探索、开创未来！
谢谢大家！
