华为，找寻科技秋天里的春光

捷克导演伏拉基米尔·米切尔在2001年指导了一部电影，叫做《秋天里的春光 Babí léto》。

我很喜欢这个名字，它吐露着一种简单质朴的美好。回望历史，我们会发现文明与知识经常陷入秋天，但却因为人类的一次次努力，最终我们迎来的不是寒冬，而是新一轮春天的开启。

在我们感知到瓶颈的一刹那，也就开始思考如何解决瓶颈；当我们开始担忧未来，也就开始掌握和改变未来。能在秋天寻找春光，这是人类何以伟大，也是人类这一物种何以延续的原因。

在科技领域，这样的故事正在上演。

4月19日，华为分析师大会HAS 2023在深圳举办。此前曾跟大家聊过，全联接大会与分析师大会是了解华为最重要的两个窗口。如果说，全联接大会展示华为的手中做出了什么，那么分析师大会，则展现华为的眼中看到了什么。

比如说，上一届HAS，我们讨论过华为面向智能世界的科学假设，这可能是大型科技公司首次用科学假设来锚定未来战略。

而在今年，华为则更加直接、更加勇敢且热烈，直接提出如何解决通信与计算两大极限——香农极限与摩尔定律。

华为战略研究院院长周红在名为《建设智能世界的假设与愿景，从经验、知识到智能》中提出：建设智能世界的核心，就是解决未来通信和未来计算两大问题。

如果说，通信与计算极限是困扰着人类科技进步的秋天，那么寻找打破它们的办法，就是人类又一次尝试在秋天里寻找春光，改变未来。

触摸瓶颈

当人类科技步入秋天

在秋天，人们可以享受丰饶的物产，同时也会感受到寒意。我们生活在信息革命的丰收中，享受着前人甚至不敢想象的通信体验与数字化工作、生活，但在这种美好之中，寒意也逼近了。这种寒意，来自于发展的瓶颈。

在《三体》中，三体人来到地球的第一步是用质子创造瓶颈，锁死人类基础技术创新，而在现实里，瓶颈自己就会出现。从元宇宙到无人驾驶、智能制造，我们提出了太多的数字化、智能化应用方向，这需要信息的处理、传输、存放能力千百倍增长。但残酷的现实是，计算与通信已经逼近了极限，在现有的理论与技术进步框架下，已经很难支撑科技持续高速发展。

之所以我们能够知道这两大极限在哪里，要感谢两位信息技术中的伟人。

首先是信息论的创始人克劳德·艾尔伍德·香农，在1948年首次提出了噪信道编码定理，也被称为香农第二定理。根据这一理论，有限带宽、有噪声的信道中存在着极限传输速率，无论采用何种编码方式都无法突破这个极限。

香农极限的存在，有效牵引了通信产业的发展，指出了不同网络环境下的最高通信效率，对通信和存储产业起到了奠基作用。与此同时，香农极限也提前展示了人类通信能力的边界，比如5G的频谱效率已经很大程度上的接近甚至达到了香农极限。这也就是说，接下来需要更大通信能力支持的元宇宙、泛在高清化视频、人工智能技术，都迎来了巨大的瓶颈与压力。

比香农极限更广为人知的是摩尔定律。英特尔创始人之一戈登·摩尔，根据自身的产业观察与技术实践，历经数次调整，最终提出了集成电路上可以容纳的晶体管数目在大约每经过18个月到24个月增加一倍的规律。也就是说，处理器性能将18个月翻倍，同时其价格下降一半。

摩尔定律牵引了计算产业的数十年发展，为信息革命奠定了产业基础，但随着材料工艺、制程工艺纷纷达到极限，摩尔定律开始逐渐失速。如果严格按照摩尔定律，在2023年2纳米制程芯片将广泛使用，2025年将实现1纳米制程，这显然与目前形势大为不符。

但另一方面，在供给端降速的同时，计算的需求端却在暴涨。AI计算的兴起带来了全面的算力饥渴现象。过去十年，AI算力需求增长了数十万倍，今天AI计算依旧处在一卡难求的尴尬境地。计算瓶颈，已经在真实限制和困扰人类的科技创新。

逼近的香农极限，失速的摩尔定律。这两项巨大瓶颈，从源头围困了人类科技的进步。但在华为看来，瓶颈意味着待解决的问题，找到瓶颈，也就找到了通向未来的大门。

通信之春

藏在可能性的摇篮里

对于人类科技来说，秋天里的春光在哪里？

这可能是我们平时很难去触及的问题，而这也是HAS的珍贵之处。华为希望在这时与大家一起抬头看看，看向远方，看向充满可能性的未来。

比如说，香农极限的存在，为通信产业打下了十年十倍带宽增长的框架。但华为却认为我们可以尝试超越香农极限，实现网络带宽的十年百倍增长，甚至更多。

怎么才能做到这点呢？周红提出，香农极限是在上世纪40年代提出的。有很多新的现象、新的工程能力和新的应用环境，都是75年前人们不了解的、也不在假设中。因此未来的通信上还有很大的发展空间，甚至有可能改变香农定理最初的假设和应用条件，实现超越十年百倍的发展。

在如何传递信息这件事上，人类始终在积累更多可能性。这些可能性大多数还在摇篮当中，但也足够让我们看到打破极限的路径。

在通信方式层面，量子通信、艾里波束、激光器的相继发现与实验成功，让人类看到了找寻新通信传播介质的可能。而在人工智能技术兴起后，各界发现以先验知识传播信息的可能，语义通信代表的新通信方法正冉冉升起。即使在工程技术方面，5G的MassiveMIMO规模商用后，有效解决了复杂城市环境中通信的传统难题，这就在某种程度上超越了香农时代对通信的理解。

长时间来，我们看到了华为在通信领域的不断探索，MassiveMIMO、自动驾驶网络、感知网络等可能性成为了现实。一系列的成功提醒我们，敢于寻找可能性，敢于打破理论与技术的瓶颈，就是寻找通信之春的开始。

计算之春

藏在AI的壮芽中

最近几个月，生成式AI带来了前所未有的火爆，大模型让每一个人都真实感知到了AI的魅力与潜力。同时AI也加强了对算力的消耗，进一步逼近了摩尔定律的极限。

但从另一个角度看，AI也是摩尔定律的破壁者，是一颗解决摩尔定律失效，甚至超越经典计算边界的种子。未来，或许我们将习惯让AI去处理各种问题，创造各种可能，而不是依赖晶体管的堆叠。

智能应用的快速发展，让AI这颗种子成长为嫩芽。但进一步看，想要让AI更加茁壮、强大，还需要克服一系列挑战。在华为看来，AI想要与人类目标保持一致，并且正确和高效地执行，必须克服三个主要的挑战，其中包括：

对AI的目标定义问题。集成了七十年发展成果的AI，有大量科研分支与技术流派，这也导致AI研究与应用缺乏整体性目标，难以达成系统化、整体化的研究体系。

AI的正确性与适应性问题。深度学习以及其他AI技术的黑箱性问题依旧没有得到解决，人类在理解和控制AI模型上缺乏有效手段，对抗生成样本进行AI干扰就是一个显著的例子，路牌上有个黑点，就可能导致自动驾驶系统识别失灵。缺乏适应性，给AI应用带来了巨大的隐患。

AI训练与部署中的效率问题。在今天，AI还需要巨大的算力开销、能源开销以及高度依赖海量数据进行训练。效率问题始终在限制AI的进一步发展。

只有跨越这些挑战，AI才能从一颗嫩芽，发展为向下扎到根，向上捅破天的大树。虽然那距离通用智能、超级智能的参天大树还很遥远，但我们至少可以期待AI成长为一颗改变人类世界的“壮芽”。

怎么才能跨越这些挑战呢？在华为看来，“实用”是AI技术的最佳牵引。科学是无立场的，只呈现真实，但科技是有方向的，它需要为人类服务。实用性，既可以成为AI应用的导航器，也可以成为AI理论研究与底层技术构建当中的护城河。

周红建议，可以从实用的角度来发展知识和智能。具体来说，可以通过感知与交互、计算或者试错，在复杂的环境和有限的资源下达成目标。这条跨越AI边界，甚至指向摩尔定律极限的智能之路，华为已经携手产学各界，找到了一些方向，比如：

一、发展自治智能系统，提高AI的适应性。

目前的AI模型，更多是从数据中抽取规律。未来，我们或许可以通过发展感知与建模、知识自动生成、求解与行动三个核心部分，推动AI具有更高的正确性与适应性，甚至成为自主化的智能系统。在这个过程中，人的经验、诉求与利益将十分重要，科技必须确保人的立场与AI技术融合为一。在这样的探索下，未来的AI将具有更强的自主决策能力，我们会在自动驾驶汽车、云服务、自动驾驶网络等领域实现自主自治的智能体。

二、发明新的计算模式、架构与部件，提升AI效率。

目前AI依赖的存算基础，基本来自经典计算体系，二者本质上并不完全匹配。我们或许可以发展更适配AI本身的计算模式，并产生与之匹配的计算架构、计算部件，来提升AI的工作效率。比如说，类脑计算的AI任务处理模式正在得到越来越多的重视。

此外，AI还带来了海量非结构、多样性数据的存储问题。是否可以脱离传统存储框架，围绕AI计算来定义新的存储架构与部件，这既是华为关注的方向，也是业界正在共同努力的目标。

三、AI4Industry，让行业大模型助力价值创造。

AI需要与具体的行业需求、产业场景结合，才能最大化释放生产力，这在今天已经形成了共识。华为是这条路的先驱，尤其在行业大模型领域有领先且充沛的探索。目前，华为已经帮助电力、煤矿、交通、制造等行业，实现了以AI大模型提升作业效率、提升安全性的案例，比如在煤矿场景，华为帮助客户通过AI模型来实现瓦斯浓度的超前预警、作业序列风险防范、作业质量智能验收等应用；华为的智慧港口方案，已经在天津、青岛、上海、深圳等港口实现智慧化应用。