捷克導演伏拉基米爾 · 米切爾在 2001 年指導了一部電影,叫做《秋天裏的春光 Bab í l é to》。
我很喜歡這個名字,它吐露着一種簡單質樸的美好。回望曆史,我們會發現文明與知識經常陷入秋天,但卻因爲人類的一次次努力,最終我們迎來的不是寒冬,而是新一輪春天的開啓。
在我們感知到瓶頸的一刹那,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,華爲分析師大會 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爲最重要的兩個窗口。如果說,全聯接大會展示華爲的手中做出了什麽,那麽分析師大會,則展現華爲的眼中看到了什麽。
比如說,上一屆 HAS,我們讨論過華爲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,華爲則更加直接、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。
華爲戰略研究院院長周紅在名爲《建設智能世界的假設與願景,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着人類科技進步的秋天,那麽尋找打破它們的辦法,就是人類又一次嘗試在秋天裏尋找春光,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産,同時也會感受到寒意。我們生活在信息革命的豐收中,享受着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,而在現實裏,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裏,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,也被稱爲香農第二定理。根據這一理論,有限帶寬、有噪聲的信道中存在着極限傳輸速率,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,有效牽引了通信産業的發展,指出了不同網絡環境下的最高通信效率,對通信和存儲産業起到了奠基作用。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。
比香農極限更廣爲人知的是摩爾定律。英特爾創始人之一戈登 · 摩爾,根據自身的産業觀察與技術實踐,曆經數次調整,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,處理器性能将 18 個月翻倍,同時其價格下降一半。
摩爾定律牽引了計算産業的數十年發展,爲信息革命奠定了産業基礎,但随着材料工藝、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 納米制程芯片将廣泛使用,2025 年将實現 1 納米制程,這顯然與目前形勢大爲不符。
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尴尬境地。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。但在華爲看來,瓶頸意味着待解決的問題,找到瓶頸,也就找到了通向未來的大門。
通信之春
藏在可能性的搖籃裏
對于人類科技來說,秋天裏的春光在哪裏?
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。華爲希望在這時與大家一起擡頭看看,看向遠方,看向充滿可能性的未來。
比如說,香農極限的存在,爲通信産業打下了十年十倍帶寬增長的框架。但華爲卻認爲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。
怎麽才能做到這點呢?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、艾裏波束、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後,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 規模商用後,有效解決了複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,我們看到了華爲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爲了現實。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,或許我們将習慣讓 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 這顆種子成長爲嫩芽。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。在華爲看來,AI 想要與人類目标保持一緻,并且正确和高效地執行,必須克服三個主要的挑戰,其中包括:
對 AI 的目标定義問題。集成了七十年發展成果的 AI,有大量科研分支與技術流派,這也導緻 AI 研究與應用缺乏整體性目标,難以達成系統化、整體化的研究體系。
AI 的正确性與适應性問題。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 幹擾就是一個顯著的例子,路牌上有個黑點,就可能導緻自動駕駛系統識别失靈。缺乏适應性,給 AI 應用帶來了巨大的隐患。
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。
隻有跨越這些挑戰,AI 才能從一顆嫩芽,發展爲向下紮到根,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 成長爲一顆改變人類世界的 " 壯芽 "。
怎麽才能跨越這些挑戰呢?在華爲看來," 實用 " 是 AI 技術的最佳牽引。科學是無立場的,隻呈現真實,但科技是有方向的,它需要爲人類服務。實用性,既可以成爲 AI 應用的導航器,也可以成爲 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,在複雜的環境和有限的資源下達成目标。這條跨越 AI 邊界,甚至指向摩爾定律極限的智能之路,華爲已經攜手産學各界,找到了一些方向,比如:
一、發展自治智能系統,提高 AI 的适應性。
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 具有更高的正确性與适應性,甚至成爲自主化的智能系統。在這個過程中,人的經驗、訴求與利益将十分重要,科技必須确保人的立場與 AI 技術融合爲一。在這樣的探索下,未來的 AI 将具有更強的自主決策能力,我們會在自動駕駛汽車、雲服務、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适配 AI 本身的計算模式,并産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,這既是華爲關注的方向,也是業界正在共同努力的目标。
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、産業場景結合,才能最大化釋放生産力,這在今天已經形成了共識。華爲是這條路的先驅,尤其在行業大模型領域有領先且充沛的探索。目前,華爲已經幫助電力、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,華爲幫助客戶通過 AI 模型來實現瓦斯濃度的超前預警、作業序列風險防範、作業質量智能驗收等應用;華爲的智慧港口方案,已經在天津、青島、上海、深圳等港口實現智慧化應用。
四、AI4Science,構築科學發現新範式。
在産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,而是構築了一種各個學科整體性、通用性的新研究範式,爲人類探索科學提供新的路徑。
在今天,華爲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,華爲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,可以加速小分子遍曆蛋白質的過程,極大提升了藥物研發的效率。
除此之外,華爲還在 AI 重構軟件與計算模式,甚至用 AI 來開發計算部件,提升産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爲内部孵化應用,進而成爲全球業界通用的工具與能力。或許,AI 将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,你會認爲華爲提出這樣的目标太過遙遠嗎?
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,忽視了隻有未來才是人類真正可以掌握和改變的。
我們時刻在鑽研現在,也需要偶爾去遠眺未來,去觸碰極限。每年的 HAS,就在華爲的戰略結構中扮演着這個角色,而它似乎也在全球科技産業的更叠中,扮演着同樣的角色。
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範式,讓智能體代替人類探索計算的可能性。
未來,人類必定會跨越通信與計算兩大極限,在新的技術基石驅動下,邁向通用智能,甚至超級智能的 " 科幻之旅 "。
在華爲看來,我們甚至可以想得更遠。增強生命,創造物質,控制能量,跨越時空,實現人類文明的進化——去勇敢表達對這些的向往和追逐,是 HAS 的價值所在,也是華爲的精氣神所在。
埋頭趕路的華爲,更多時候拿出的是一個個具體的創新,具體的産品和解決方案,但其實他的目标一直未變。這不是華爲第一次提到香農極限與摩爾定律,或許在所有全球性科技公司中,華爲是提到打破極限最多的那一家。
華爲的未來在哪裏?人類科技的未來在哪裏?未來在極限之外,未來在秋天過後的下一個春天,未來在長夜之後的晨曦綻放。
我們在此刻誠懇地擡頭看向遠方,就會發現:未來,注定是智能世界。