2023年5月25-30日，中關(guān)村論壇開啟了全球科創(chuàng)的“北京時(shí)間”，世界目光看向中關(guān)村。論壇會(huì)議、展覽展示、技術(shù)交易、成果發(fā)布、前沿大賽、配套活動(dòng)，中關(guān)村論壇六大板塊，構(gòu)筑“開放合作·共享未來”的全球科技盛會(huì)。

作為中關(guān)村論壇六大板塊之一的“技術(shù)交易”，挖掘前沿科技新成果，激發(fā)科創(chuàng)市場新價(jià)值，追尋成果轉(zhuǎn)化新路徑，搭建“全球買賣”新平臺，共建技術(shù)交易新生態(tài)，其開幕吸引了全球科創(chuàng)界的目光。2023年5月27日，在2023中關(guān)村國際技術(shù)交易大會(huì)開幕式暨全球技術(shù)交易生態(tài)伙伴大會(huì)上，諾獎(jiǎng)得主、院士專家、政府領(lǐng)導(dǎo)、領(lǐng)軍人物等國內(nèi)外嘉賓齊聚中關(guān)村合力“發(fā)聲”，現(xiàn)在與未來，開放與合作，思考與建議，趨勢與判斷……先鋒云集，巔峰對話，思想交匯，創(chuàng)新無界！【“技”往開來】欄目與你一起分享2023中關(guān)村國際技術(shù)交易大會(huì)開幕式嘉賓的真知灼見，共啟技術(shù)交易新篇章。

精彩要點(diǎn)

華為戰(zhàn)略研究院院長周紅發(fā)表《建設(shè)智能世界的假設(shè)與愿景》的演講，分析了AI在理論、技術(shù)上面臨的挑戰(zhàn)和未來的發(fā)展方向，并分享了華為在AI領(lǐng)域的探索與實(shí)踐。

他介紹，通過AI模型的優(yōu)化可能幫助解決應(yīng)用碎片化的問題，這也引發(fā)了模型規(guī)模的爆發(fā)式增長。過去十年，AI算法的算力需求提升了四十萬倍。

AI的目標(biāo)如何與人類一致、并且正確和高效地執(zhí)行，除了通過規(guī)則和法律來加強(qiáng)AI的倫理和治理外，從理論和技術(shù)的角度看，還面臨三個(gè)重要的挑戰(zhàn)：AI的目標(biāo)定義、正確性與適應(yīng)性，以及效率的挑戰(zhàn)。

在走向智能社會(huì)的道路上，希望通過理論和技術(shù)的不斷突破，來實(shí)現(xiàn)萬物智聯(lián)，助力我們超越極限、增強(qiáng)生命、創(chuàng)造物質(zhì)、控制能量、跨越時(shí)空，幫助人類文明的不斷進(jìn)化，共建開放、合作，共同建設(shè)更美好的智能世界。

【以下根據(jù)嘉賓演講實(shí)錄進(jìn)行整理，與讀者共饗】

過去十年，隨著智能設(shè)備、寬帶通信、AI和云計(jì)算的迅速發(fā)展，極大促進(jìn)了數(shù)字化生活和辦公。未來十年，信息技術(shù)還可以在幾個(gè)方面作出更大的貢獻(xiàn)，例如：人的健康和幸福、AI的普及與智能的機(jī)器、綠色可持續(xù)發(fā)展的環(huán)境以及虛實(shí)融合的數(shù)字世界等等。

面向未來智能世界的10個(gè)問題和挑戰(zhàn)

為此，我們提出了兩個(gè)基礎(chǔ)科學(xué)問題和八個(gè)前沿技術(shù)挑戰(zhàn)

科學(xué)問題包括：

① 機(jī)器如何認(rèn)知世界，我們能不能建設(shè)適合于機(jī)器理解世界的模型？

② 如何理解人體的生理學(xué)模型，八大子系統(tǒng)的運(yùn)行機(jī)制和健康狀態(tài)，理解人的意圖和智能？

前沿技術(shù)挑戰(zhàn)包括：

③ 新接口：新的感知和控制能力，腦機(jī)、肌機(jī)接口、3D 顯示、虛擬觸覺；

④ 新健康：如何連續(xù)、無感知地測量人的血壓、血糖和心電，強(qiáng)人工智能幫助發(fā)明化學(xué)藥、生物藥和疫苗；

⑤ 新軟件：發(fā)展以應(yīng)用為中心，面向價(jià)值與體驗(yàn)的高效率、自動(dòng)化和智能化軟件；

⑥ 新通信：接近和擴(kuò)展香農(nóng)極限，實(shí)現(xiàn)區(qū)域級和全球級的高效、高性能連接；

⑦ 新計(jì)算：創(chuàng)造高適應(yīng)性與高效率的計(jì)算模式，非馮·諾伊曼計(jì)算架構(gòu)與非傳統(tǒng)部件，發(fā)展可解釋和可調(diào)試AI；

⑧ 新材料：通過智能計(jì)算發(fā)明新的分子、催化劑和器件；

⑨ 新制造：發(fā)展超越傳統(tǒng)芯片制造的技術(shù)，達(dá)到更低成本、更高的效率；

⑩ 新能源：發(fā)展出安全、高效的能源轉(zhuǎn)換和儲(chǔ)能，提供按需服務(wù)。

在過去的一年中，我們和學(xué)術(shù)界、產(chǎn)業(yè)界溝通，和科學(xué)家、客戶交流，探討了邁向智能世界需要解決的一些重要問題。今天，我向大家分享在未來的計(jì)算和AI問題上的一些思考。

在《生命3.0》這本書里，麻省理工的Max Tegmark教授給出了一個(gè)AI能力地圖?！吧侥_”處的很多應(yīng)用上，AI已經(jīng)超越了人類，比如死記硬背、智力問答和下棋。1997年AI打敗了國際象棋世界冠軍卡斯帕羅夫，2011年AI獲得了智力節(jié)目的冠軍，2016年AI打敗了前圍棋世界冠軍李世石。在“山腰”的應(yīng)用上，大家還在努力中，比如說自動(dòng)駕駛、圖像識別、語言、文字處理等等。AI在語言文字的學(xué)習(xí)、理解和生成上展現(xiàn)出來的能力，超出了很多人的想象。在接近“山頂”的位置上還有很多的應(yīng)用，比如說軟件編程、科學(xué)研究、定理證明等等，學(xué)術(shù)界和產(chǎn)業(yè)界已經(jīng)有了一些探索。

當(dāng)前，通過AI模型的優(yōu)化可能幫助解決應(yīng)用碎片化的問題，這也引發(fā)了模型規(guī)模的爆發(fā)式增長。過去十年，AI算法的算力需求提升了四十萬倍。我認(rèn)為，隨著計(jì)算模式不斷優(yōu)化，算力不斷提升，有了更多和更準(zhǔn)確的數(shù)據(jù)，AI將在越來越多的方面超過人類的平均水平。在AI能力快速提升的情況下，我認(rèn)為需要考慮AI的目標(biāo)如何與人類一致、并且正確和高效地執(zhí)行。除了通過規(guī)則和法律來加強(qiáng)AI的倫理和治理外，從理論和技術(shù)的角度看，要達(dá)到這些要求，目前還面臨三個(gè)重要的挑戰(zhàn)：AI的目標(biāo)定義、正確性與適應(yīng)性，以及效率的挑戰(zhàn)。

挑戰(zhàn) 1：智能的目標(biāo)定義

AI面臨的第一個(gè)挑戰(zhàn)，是缺乏共識的目標(biāo)定義。杜克大學(xué)物理學(xué)家Adrian Bejan在《生命的物理學(xué)》中列出了對智能的20多種目標(biāo)定義。有的強(qiáng)調(diào)理解和認(rèn)知能力，有的強(qiáng)調(diào)學(xué)習(xí)和思考能力，也有的強(qiáng)調(diào)適應(yīng)和行動(dòng)能力等等。我認(rèn)為，如果沒有定義清楚并且達(dá)成共識，就很難確保AI發(fā)展的目標(biāo)和人類一致，也很難合理地分類和科學(xué)地計(jì)算。人工智能在歷史上有不同的流派，例如聯(lián)結(jié)學(xué)派、符號學(xué)派、貝葉斯學(xué)派、行為學(xué)派以及進(jìn)化學(xué)派等等，他們還沒有很好地融合起來，我認(rèn)為缺乏共識的目標(biāo)定義是重要的原因之一。

挑戰(zhàn) 2：正確性與適應(yīng)性

其次，在當(dāng)前的很多AI應(yīng)用中存在正確性和適應(yīng)性的挑戰(zhàn)，依靠大數(shù)據(jù)統(tǒng)計(jì)規(guī)律進(jìn)行的學(xué)習(xí)，會(huì)依賴于采樣的覆蓋面和數(shù)據(jù)的正確性，有其局限性。如果不當(dāng)使用，就可能導(dǎo)致過程不透明、結(jié)果不穩(wěn)定和偏見的風(fēng)險(xiǎn)，出現(xiàn)“黑天鵝”事件。比如用統(tǒng)計(jì)和相關(guān)計(jì)算模式識別香蕉，如果在香蕉邊上放一些其他圖片，識別的結(jié)果就有可能從香蕉變成烤箱，還有一定的概率是鼻涕蟲。在熊貓圖片上，加上一些肉眼幾乎不可見的小噪聲，也可能被識別成長臂猿。這些圖片用人眼來看是一目了然的，但是為什么人工智能會(huì)犯錯(cuò)？這很難解釋。而且，因?yàn)锳I的能力分布在巨大的參數(shù)中，出了這些問題，我們既無法解釋也難以調(diào)試。

挑戰(zhàn) 3：能源效率與數(shù)據(jù)效率

第三個(gè)挑戰(zhàn)是AI的效率。首先看能效，從去年第60屆全球超級計(jì)算機(jī)TOP500中看到，排名第一的Frontier計(jì)算性能約1102PFLOPS，能耗是2100萬瓦。排名第二的Fugaku，計(jì)算性能約442PFLOPS，能耗是3000萬瓦。相比之下，人腦只需要20瓦就能實(shí)現(xiàn)約30PFLOPS的計(jì)算性能。超級計(jì)算機(jī)單位能量的計(jì)算效率要比人腦低大約3萬到10萬倍。其次是數(shù)據(jù)效率，除了通過從大數(shù)據(jù)中得到統(tǒng)計(jì)規(guī)律來認(rèn)識和理解世界之外，AI能不能像生物界的人腦和烏鴉大腦那樣，從小數(shù)據(jù)中發(fā)現(xiàn)邏輯，抽象形成概念、屬性、關(guān)系和運(yùn)行規(guī)律？

面對這三個(gè)挑戰(zhàn)，如何進(jìn)一步尋求突破呢？我建議從實(shí)用的角度來發(fā)展知識和智能。

從經(jīng)驗(yàn)到知識和智能

愿景1：提高正確性與適應(yīng)性

首先，從外部環(huán)境和自身的事實(shí)和現(xiàn)象的經(jīng)驗(yàn)中、或者從思想實(shí)驗(yàn)中，歸納、抽象、驗(yàn)證其概念和屬性，關(guān)系和運(yùn)行規(guī)律來發(fā)展知識。在這個(gè)基礎(chǔ)上，通過提升達(dá)成追求或者是目標(biāo)的能力來發(fā)展智能。具體來說，通過感知與交付、計(jì)算或者試錯(cuò)，在復(fù)雜的環(huán)境和有限的資源下達(dá)成目標(biāo)。我們要通過智能來認(rèn)識環(huán)境、適應(yīng)環(huán)境，甚至改造環(huán)境和我們自身，其正確性、適應(yīng)性和高效性就非常重要。從已有的大數(shù)據(jù)中提取概率分布來進(jìn)行擬合和推演，是實(shí)現(xiàn)智能的一種手段。除此之外，我認(rèn)為智能也要考慮因果推理、進(jìn)行試錯(cuò)、創(chuàng)造性地解決問題等。

近年來，學(xué)術(shù)界有很多跳出Transformer以外的新型AI架構(gòu)思考。比如Geoffrey Hinton提出了GLOM模型，建議通過各種學(xué)習(xí)方法實(shí)現(xiàn)從部分到整體類似人類的感知系統(tǒng)。Yoshua Bengio建議未來的AI由基于直覺的System1模型和基于邏輯和歸納的System2模型組成。Yan LuCun建議通過自監(jiān)督學(xué)習(xí)形成世界模型，以此來進(jìn)行預(yù)測、推理和規(guī)劃。“強(qiáng)化學(xué)習(xí)之父”Richard Sutton建議發(fā)展基于經(jīng)驗(yàn)的AI，通過和環(huán)境的交互獲得經(jīng)驗(yàn)，從而構(gòu)建AI的目標(biāo)和世界狀態(tài)，使得智能體學(xué)會(huì)和環(huán)境的溝通、合作和競爭。哈佛大學(xué)的Howard Gartner教授認(rèn)為人類有八種智能，包括語言文字、視覺&空間、自然理解、自我認(rèn)知、人際關(guān)系、音樂、運(yùn)動(dòng)和數(shù)理邏輯。

面對這么多不同的建議，如何實(shí)現(xiàn)更高正確性和適應(yīng)性的智能系統(tǒng)呢？我和獲得圖靈獎(jiǎng)的Joseph Sifakis教授討論，建議在他提出的Autonomous Systems的基礎(chǔ)上，將AI和系統(tǒng)工程結(jié)合起來發(fā)展三大核心能力：包括感知與建模、知識自動(dòng)生成、求解與行動(dòng)。

感知建模是對外部環(huán)境以及自身的融合表征和抽象；知識自動(dòng)生成要將人類已有的積累和判斷融入策略模型或評價(jià)函數(shù)之中。而求解和行動(dòng)是通過演繹推理或者試錯(cuò)來找到解決辦法。

愿景2：發(fā)明新的計(jì)算模式、架構(gòu)與部件，提升效率

其次是發(fā)展更好的計(jì)算模式，以及與之匹配的計(jì)算架構(gòu)和部件，來持續(xù)提升智能計(jì)算的效率。我和菲爾茲獎(jiǎng)的數(shù)學(xué)家Laurent Lafforgue討論，當(dāng)前在視覺和空間計(jì)算上往往采用像素點(diǎn)來表達(dá)物體，但是絕大部分物體的識別與其像素點(diǎn)的顏色沒有直接的關(guān)系，有時(shí)甚至是毫無關(guān)系，比如，物體在不同的光下面呈現(xiàn)出不同的顏色，因此，我們建議增加幾何流形來進(jìn)行表達(dá)和計(jì)算，看看能不能用很小的數(shù)據(jù)量來抓住物體的不變性。

EPFL的Gestner和Kistlei等人寫了一本《神經(jīng)動(dòng)力學(xué)》的書，介紹了大腦皮層功能柱、以及功能柱中六層連接情況，這樣的淺度神經(jīng)網(wǎng)絡(luò)會(huì)不會(huì)比深度網(wǎng)絡(luò)更高效？從實(shí)踐的角度看，當(dāng)前很多AI計(jì)算面臨著存儲(chǔ)瓶頸的問題，往往要花比計(jì)算多上百倍的時(shí)間和能耗來讀寫與搬移數(shù)據(jù)，今后，能不能拋開傳統(tǒng)馮·諾伊曼架構(gòu)的處理器、指令集、總線、邏輯器件和存儲(chǔ)器件，圍繞先進(jìn)AI計(jì)算模式的需要，來定義新的架構(gòu)與新的部件？

華為的探索實(shí)踐

接下來向大家匯報(bào)分享華為在計(jì)算領(lǐng)域所做的一些探索。

實(shí)踐 1：AI for Industry，行業(yè)大模型助力價(jià)值創(chuàng)造

在視覺、語言文字、圖網(wǎng)絡(luò)、多模態(tài)等L0基礎(chǔ)大模型上，形成了L1行業(yè)專用大模型，降低開發(fā)門檻、提升泛化能力，推動(dòng)從“作坊式”的開發(fā)走向工業(yè)化，幫助重點(diǎn)關(guān)基行業(yè)提升作業(yè)效率和安全性。

比如在煤礦場景，華為幫助客戶通過模型訓(xùn)練和推理，來實(shí)現(xiàn)瓦斯?jié)舛鹊某邦A(yù)警、作業(yè)序列的安全風(fēng)險(xiǎn)防范，以及作業(yè)質(zhì)量的智能驗(yàn)收。港口場景，已經(jīng)在天津、青島、上海、深圳等港口實(shí)現(xiàn)了智能化的應(yīng)用。機(jī)場和軌道場景，在呼和浩特、武漢、西安、深圳、香港等地和客戶以及合作伙伴一起探索城軌、鐵路和機(jī)場的數(shù)字化轉(zhuǎn)型，不僅僅是提升作業(yè)的安全性和效率，還提升用戶的體驗(yàn)和滿意度。比如在深圳機(jī)場，我們通過云+大數(shù)據(jù)+AI的創(chuàng)新，實(shí)現(xiàn)了智能機(jī)位的分配，每年可節(jié)省260萬旅客免坐擺渡車，成為全球數(shù)字化轉(zhuǎn)型的標(biāo)桿。

實(shí)踐 2：AI for Science，助力科學(xué)發(fā)現(xiàn)與科學(xué)計(jì)算

我們通過構(gòu)造新型的地理信息3D Transformer編碼結(jié)構(gòu)，及層次化時(shí)域聚合方法，推出了盤古氣象大模型。從大自然實(shí)際運(yùn)轉(zhuǎn)出來的數(shù)據(jù)中提取出全球氣象先驗(yàn)知識，代替?zhèn)鹘y(tǒng)科學(xué)計(jì)算超大規(guī)模偏微分方程的時(shí)序求解，可快速完成全球未來1小時(shí)到7天的天氣預(yù)報(bào)，預(yù)測精度比歐洲中期天氣預(yù)報(bào)中心高20%以上。

再如，靶點(diǎn)發(fā)現(xiàn)是藥物研發(fā)過程的關(guān)鍵問題，傳統(tǒng)的分子對接計(jì)算方法效率高，但是沒有考慮到分子、原子以及蛋白質(zhì)的柔性，導(dǎo)致了搜索空間小，尋找的靶點(diǎn)小。而分子動(dòng)力學(xué)模擬考慮了蛋白質(zhì)的柔性，但是計(jì)算量非常大，我們的專家和北大教授們一起，提出了基于元?jiǎng)恿W(xué)的靶點(diǎn)發(fā)現(xiàn)、構(gòu)象搜索算法，加速小分子遍歷蛋白質(zhì)的過程。同樣對一個(gè)構(gòu)象搜索的任務(wù)，傳統(tǒng)的方法需要37天，我們希望將效率提升150倍，用6個(gè)小時(shí)完成任務(wù)。

實(shí)踐 3：軟件編程與自動(dòng)優(yōu)化、定理自動(dòng)證明、重構(gòu)基礎(chǔ)計(jì)算部件

在軟件編程上，除了用傳統(tǒng)的AI對代碼進(jìn)行搜索和推薦以外，我們也在發(fā)展模型驅(qū)動(dòng)和形式化的方法，尤其是在大規(guī)模并行化普遍應(yīng)用的情況下，很多的處理是相互糾纏和前后關(guān)聯(lián)的。華為創(chuàng)造了Vsync的方法進(jìn)行操作系統(tǒng)內(nèi)核自動(dòng)化驗(yàn)證和自動(dòng)并發(fā)代碼優(yōu)化。2015年，Linux社區(qū)一個(gè)內(nèi)存屏障的Bug花了社區(qū)專家兩年多的時(shí)間來修復(fù)。華為的Vsync方法僅用了20多分鐘發(fā)現(xiàn)并修復(fù)。在Linux社區(qū)Kernel版本補(bǔ)丁貢獻(xiàn)上，華為在2020年的R5.10版本、2021年的R5.14版本和2022年的R6.1版本上做到了全球第一。

在定理自動(dòng)證明上，拓?fù)渌估碚撚兄谔剿鞣懂犠C明、同余推理和自動(dòng)導(dǎo)出，希望能幫助解決形式驗(yàn)證中的狀態(tài)爆炸、自動(dòng)模型抽象問題。

我們也在探索基礎(chǔ)計(jì)算部件的重構(gòu)。比如兩個(gè)二進(jìn)制的數(shù)相加，面對不確定次數(shù)的進(jìn)位問題，要消耗大量的時(shí)間和能耗，現(xiàn)代數(shù)學(xué)家曾經(jīng)提出過將普通數(shù)轉(zhuǎn)換到MSD領(lǐng)域來進(jìn)行計(jì)算，從而規(guī)避進(jìn)位的問題。我們希望解決變換效率及溢出等實(shí)際問題，重構(gòu)最基本的加法和乘法，來提高計(jì)算效率。

開放、合作，共同建設(shè)更美好的智能世界

在走向智能社會(huì)的道路上，可能有超過百倍、甚至千倍的信息需求增長，現(xiàn)有很多的理論和技術(shù)都已經(jīng)遇到了瓶頸，因此我們把這些問題分享在黃大年茶思屋網(wǎng)站以及全球?qū)W生競賽上，促進(jìn)科學(xué)假設(shè)與商業(yè)愿景牽引的創(chuàng)新。希望通過理論和技術(shù)的不斷突破，來實(shí)現(xiàn)萬物智聯(lián)，促進(jìn)社會(huì)的進(jìn)步，同時(shí)勇于拓展思想的邊界，增強(qiáng)對智能的認(rèn)知水平和掌控能力，用正確的目標(biāo)和有力的手段，牽引人工智能的發(fā)展，助力我們超越極限、增強(qiáng)生命、創(chuàng)造物質(zhì)、控制能量、跨越時(shí)空，幫助人類文明的不斷進(jìn)化。

我們正在快速奔向智能社會(huì)，面對無窮的新方向新機(jī)會(huì)，所有的想象都可能是保守的。在征服星辰大海的道路上，一切的不可知和不確定性都會(huì)使我們變得更加強(qiáng)大，期待和大家一起應(yīng)對挑戰(zhàn)，開展相關(guān)的科學(xué)研究和技術(shù)創(chuàng)新，重構(gòu)基礎(chǔ)理論、重構(gòu)架構(gòu)、重構(gòu)軟件、共同開創(chuàng)更美好的明天。