1. 首頁 > 生活百科 > 科技 > >

機器|華為戰略研究院院長周紅：面向未來的科學假設與商業愿景( 四 )

華為駕駛機器算法


在具體實現上 ， 超級計算機往往要用巨大的能耗來實現大算力 ， 例如3千萬瓦實現近500PFLOPS算力 ， 而人腦大約用20W可以做到近30PFLOPS ， 效率高了約八萬倍 。
從這個角度看 ， 我們是不是要發展適應性與高效性計算模式 ， 創造新架構與新部件 ， 而不要受限于傳統的可計算性理論、以及馮·諾依曼架構？
四：突破香農定律的假設 ， 在更大的時空中發展信息通信

第四是在有別于香農定律的假設、以及更大的時空中探索信息通信 ， 從而跨越空間的障礙 ， 建設全球直達的能力 ， 連接虛擬與現實世界、以及無處不在的機器 。
將來的真人級全息通訊 ， 如果不壓縮數據 ， 需要接近2Tbps的帶寬 ， 以及1-5ms的時延；
自動駕駛如果采用12個攝像頭 ， 每天可能產生高達4T字節的數據 ， 目前的5G網絡遠遠達不到這個容量 。
對于這些挑戰 ， 我們是不是有足夠的理論和技術來實現呢？我認為這是可能的 。
例如 ， 在理論上 ， 如果我們假設這個世界是有先驗知識、有記憶的 ， 就可能跳出香農1/2/3定律的限制 。 在工程上 ， 一個量子級聯激光器可以同時產生幾百個波長 ， 實現上百T的流量；未來如果我們能做出高重頻阿秒激光器 ， 甚至可能產生百萬T的流量 。 這些技術如果能嫁接到無線和光領域 ， 是不是可以成千上萬倍提升通信性能？
打通科學假設與商業愿景 ， 創造知識與價值

為了打通科學假設與商業愿景 ， 我們把創新分成前后相關的5個環節：從假設和愿景 ， 到理論、技術和商業創新 。
越靠近后端商業、客戶和用戶的創新 ， 效果就越明顯；而越靠近前端假設、愿景和基礎科學 ， 就越需要耐心 。
面向未來 ， 我們要敢于向前端基礎研究尋求答案 。
在基礎科學研究上 ， 除了支持以科學家興趣驅動的“波爾象限”創新外 ， 我們希望與伙伴一起探索“巴斯德象限”創新 ， 這樣既能拓展科學認知 ， 也能創造應用價值 。
面向未來的10個問題和挑戰

圍繞前面4個假設與愿景 ， 聚焦“巴斯德象限” ， 我們提煉出面向未來可以重點考慮的兩個基礎科學問題 ， 以及8個前沿技術挑戰 。
第一個科學問題是機器如何認知世界 ， 能不能建立適合機器理解世界的模型？
第二個科學問題是如何理解人的生理學模型 ， 尤其人體八大子系統的運行機制 ， 以及人的意圖和智能？
前沿技術挑戰包括：
在人機接口上如何發展新的感知和控制能力 ， 例如腦機和肌機接口、3D顯示、虛擬觸覺、嗅覺、味覺等等
在健康上如何連續地、無感知地測量人的血壓、血糖和心電？能不能通過AI強人工智能幫助發明新的化學藥、生物藥和疫苗？
在軟件上如何發展以應用為中心 ， 面向價值與體驗的高效率自動化和智能化軟件？
在通信上如何接近和擴展香農極限 ， 實現區域級和全球級的高效、高性能連接？
在計算上如何發展適應性與高效率的計算模式、發展非馮·諾伊曼計算架構與非傳統部件、發展可解釋和可調試AI？
在材料上 ， 如何通過AI幫助發明新的分子、催化劑和器件？
在制造上如何發展出超越傳統CMOS制造的技術 ， 達到更低成本、更高的效率？
在能源上能不能發展出安全、高效的能源轉換和儲能 ， 提供按需服務？
最大的力是合力 ， 最強的智是眾智

華為正以開放的心態 ， 與全世界伙伴一起創造 。
4月30日我們計劃推出線上黃大年茶思屋 ， 希望建設成一個科學和技術交流的通道 ， 向全社會開放 。

相關經驗推薦