4月17日，華為分析師大會在深圳舉辦。華為戰略研究院院長周紅發表了題為《面向智能時代的思考和展望》的主題演講。

全面智能時代的四個突破

人類社會的每一輪發展都伴隨著關鍵技術的突破。在過去的300多年，人類社會經歷了三次工業革命。從機械化、電氣化到信息化，人類社會的經濟模式產生了巨大的變化。當前，我們有了更多的數據、更好的算法和更大的計算能力，第四次工業革命正在到來，創造了新的數字經濟。從數字基礎設施到產業應用與創新，它將改革我們的數字消費和生產、科學研究與技術創新以及我們的教育和文化。

未來10到20年，我認為人類社會將加速走向全面智能時代，我們將看到新型數學和物理計算的突破、新的清潔能源、新的信息通信，和新的智能將支持這些突破革命性的融合。6G和Al將被廣泛使用，我們希望開發出高性能、用戶負擔得起且無處不在的算力和可再生能源。

我們正處于信息大爆發的時代，產生和使用著越來越多的數據。在中國，2023年平均每月移動寬帶的流量達到26.5艾字節，比2013年的0.11艾字節增加大約240倍，其增速遠超過2003至2013十年間的40倍增長。AI領域增長更快，2018年的大模型參數值約在1.17億，2019年增長到15億，2020年增長到1750億，2023年達到1.8萬億，五年時間就增長了接近1.5萬倍。我們認為，未來10年，來自應用側需求的增長將牽引信息產業的巨大發展，使得通信能力將增加100甚至1,000倍，計算能力將增加1,000到10,000倍。然而，目前還沒有足夠強大的基礎理論和先進技術來支撐這些發展，因此我們希望和合作伙伴加強開放和聯合創新。

隨著信息技術的迅速發展，未來的世界將會是什么樣？根據與學術界、產業界廣泛的交流，我們識別出面向未來新生活、新工作、新環境、新數字世界的四個重大突破。

?首先是人的健康和成長。我用這款華為智能手表來檢測喝咖啡、綠茶、紅茶、白茶以及紅酒、伏特加和白蘭地對血壓的影響。我發現幾乎每次我只要喝了1盎司或差不多半兩白蘭地，15分鐘后我的血壓就會降低到理想水平。有了強大的可穿戴設備，我們可以更好地管理自己的健康。事實上，華為正在與很多醫院和醫學院合作，在627萬名志愿者中，華為穿戴設備已經檢測出超過2萬例潛在的房顫風險，準確率約為94%，并且幫助用戶建立了連接醫生的快速通道。未來，越來越多的疾病可以通過基于Al計算的靶向藥物治愈。隨著AI應用和工具的普及，年輕一代將擁有比我們更強的創造力。

?其次，未來將有越來越多的智能機器人，他們不僅能夠提供服務，還將參與生產，幫助人們過上舒適和富足的生活。

?第三，我們將建設可持續發展的環境以及更好的地面和太空城市。例如，華為正在與伙伴合作，在沙漠中部署光伏解決方案。兩年前，光伏發電每度電成本約為1.6美分。未來，我們認為發電成本可能還會進一步降低。低空運輸會得到大力的發展，將比我們傳統的地面通行速度提升十倍以上。

?最后，我們將看到虛實融合的數字世界廣泛應用于我們的生活和生產中，如元宇宙、3D全息、數字孿生等。目前我們還有很大的差距，一部像《阿麗塔：戰斗天使》這樣的科幻電影，可能需要3萬臺服務器和4年的時間進行計算。

人工智能的三個挑戰

信息感知、通信、計算和控制是實現這四大突破的基石，而通用人工智能將扮演關鍵角色。在通往通用人工智能的道路上有哪些重要挑戰？我們根據實際應用，識別出三個挑戰，包括認知偏差、性價比以及如何創造價值。

?首先是認知偏差。比如，我們發現深度學習算法和大模型在視覺計算方面存在局限，在一些情況下對噪聲、顏色、紋理、背景、組合和旋轉敏感。我們不能理解，為什么熊貓加上一些肉眼不可見的噪聲，就可能被認作長臂猿？我們不能接受停車標志上貼幾個黑白小塊，就可能被認為是限速45。大語言模型會存在偏見、缺乏概念和邏輯以及幻覺的挑戰。大家知道中國有位叫周樹人的著名作家，他的筆名叫魯迅。我去年問一個大模型“魯迅是周樹人嗎？”，大模型回答“不，周樹人的真名是巴金”，這就是典型的幻覺；大模型能夠回答出Tom Cruise的母親是Mary Lee Pfeiffer，但與此同時卻不能回答誰是Mary Lee Pfeiffer的兒子，這就是缺乏概念和邏輯。近期有多篇研究論文表明，在傳統的學習方法和有限的訓練數據下，單純的大語言模型很難甚至無法真正學會四則運算，這方面還不如計算器。除此之外，大語言模型也很難理解和回答如何用天秤找出假幣的問題。為了探索和擴展大語言模型和Scaling Law的極限，人們開始嘗試有監督的微調（SFT）、逆向訓練（RT）、檢索增強生成（RAG）、Q*分步驗證、混合專家（MOE）、思維鏈（COT）、代理和工具調用等新的想法。

?如何提升性價比？盡管超級計算機的算力遠超人腦，但在能效和成本方面都存在著巨大的挑戰。目前，一臺2,000萬瓦高性能計算機可以提供大約1,000 PFLOPS的算力，而一個20瓦的人腦可以提供30 PFLOPS的算力，能效幾乎是前者的30,000倍。在AI應用方面，目前一個大語言模型每天需要消耗近50萬度電來回答近2億個問題。試想一下：如果未來十年，我們需要1,000倍的算力，但無法顯著提升能效，那幾十座核電站可能都不足以滿足這樣一個耗電的單一功能大模型的需求。

?如何創造價值？應用是AI的終極目標。我們需要基于基礎模型開發各種基于行業和場景的模型、工具和生態，從而創造更多客戶價值和更好的用戶、伙伴和開發者體驗。我認為，除了少數幾個大型、非常昂貴的訓練模型之外，廣泛部署高效、低成本的中、小、微型推理模型，對于AI的普及應用更加重要和迫切。

應對挑戰的四個建議

面對上述三個挑戰，我們提出了四個建議，以提高準確性、適應性、創造性和效率。

?第一個建議是發展多種智能。我認同Howard Gardner教授的看法。他認為人有多種智能，包括語言文字智能、自我認知智能、人際交互智能、視覺和空間計算智能、自然理解智能、音樂智能、運動智能和數理邏輯智能。我認為前三類智能非常重要，因為它們與人類社會的道德倫理、價值觀和文化息息相關。我們必須確保人在環中，避免對我們的身體和精神的隱私和保密、安全和發展帶來失控。我們應該考慮如何實施Isaac Asimov提出的機器人三定律。

從這張人腦示意圖中可以看出，人腦有很多不同的區域，有不同的功能。語言文字智能在第三區和第七區，計劃和決策在第一區，視覺和空間計算智能在第十區，而運動智能在第十一區。我認為這些分布式的異構智能可以幫助我們提高準確性和適應性。

?第二個建議是發展基于自治代理的開放智能系統。我曾和Joseph Sifakis教授探討過面向未來基于自治代理、開放的智能系統。該系統應包括三個重要部分。首先是感知和學習，除了從內外部環境獲得信息外，還要從互聯網、人類和其他模型獲得信息。通過這一步，可以建立概念、特征、關系和事件之間的統計關聯關系，形成經驗模型。第二是加強從經驗到理念的系統化和自動化抽象、驗證與擴展。經驗并不總是正確的，謊言講一千遍也成不了真相。三是通過演繹、歸納、解因推理以及試錯進行目標管理和規劃，推動決策與行動。第一部分善于參考，第二部分善于監督，第三部分善于控制。基于這一開放的智能系統，我們可以發展世界模型，包括時間、地點、人、物、關系、事件以及真實世界運行規律和法則等信息。

?第三個建議是構建新計算模式、新架構、新部件，提升效率。我們與數學家交流，探討在AI計算領域面臨的挑戰。比如在視覺和空間計算領域，有些場景，比如自動駕駛，更關注前面汽車的輪廓，而不是顏色、紋理和圖案。如果采用幾何流形來表征，能不能實現比基于像素表征高100倍甚至1,000倍的計算效率？我們與生理學家交流，能不能把模型從96層簡化到6層，就像人的大腦皮層一樣，從而將效率提高15倍？我們與半導體專家討論，能不能發展新型內存，而不是傳統的DRAM和HBM，從而在Transformer計算中將數據讀寫效率提升100倍？此外，還有許多其他可能的突破方向，比如近似計算、模擬計算、存內計算、量子計算等。未來，這些技術有可能將計算效率提升100萬倍。

?第四個建議是從系統工程的角度來發展AI。除了商業模式、基礎設施和法律法規之外，我們還應該考慮如何構建高質量的語料，創建更好的模型，設計更大規模的超節點集群。同時，我們需要重視開發高效易用的工程工具，發展生態，還要重視對創新人才的教育培養。

華為實現AI價值的兩種方式

華為正在與伙伴一起構建全棧、全場景解決方案，為產業創造價值。AI技術可以幫助我們提高質量和安全性，如提升工業質檢準確率、電力設施異常識別精度以及高速列車未知故障發現率。Al技術還有助于提升法務卷宗審查效率、提高銷售轉化率和提升藥物設計和貨品監控的效率。AI技術還可以幫助我們降低水泥制造和中央空調的成本和能耗。

在華為內部，AI解決方案廣泛應用于研發、生產、供應鏈、銷售與服務、用戶體驗與質量和集團管理等流程。比如在研發領域，我們將AI用于發展智能駕駛、智能座艙，也將其用于設計工具與裝備的開發，從而幫助實現代碼生成和測試驗證效率提升50%；在生產領域，AI已經幫助將質檢準確率提升至99%；在財經領域，AI幫助合同風險評審速度提升10倍。我們將自身經驗與制造業客戶分享，實現了1,000多個聯合創新成果，其中超過30%用于核心生產系統和產品智能化升級。基于客戶的行業知識和AI解決方案，我們在助力客戶提升安全性、質量和用戶體驗的同時，實現了平均盈利能力提升18%。

在Al forScience領域，我們積極與學術界合作。2007年，Jim Gray教授提出了科學研究的四個范式。第一個范式是基于經驗的研究，第二個范式是基于理論的研究，第三個范式是基于計算的研究，第四個是基于數據驅動的研究。如今，大模型可以幫助我們從超高維空間中抽象出統計相關性，在這方面比人類做得更好；AI計算速度在越來越多的領域超越人類。華為開發了微觀尺度的盤古藥物分子大模型，幫助藥物設計效率提升了10倍，成功率提升了50%；在介觀尺度上，盤古流體大模型幫助流體仿真速度提升20倍；在宏觀尺度上，盤古氣象大模型幫助提升天氣預報速度10,000倍，準確性提升20%。將來，如果我們能將統計與相關關系、因果和形式關系以及隨機關系整合起來，能不能推動形成基于AI的科學研究第五個范式？

隨著越來越多的突破涌現，AI正在重塑我們的文明。對于未來，我們能做什么，我們應該做什么？我曾經參觀過一個考古博物館。我很難想象在4,000年前，已經發展出了如此繁榮的文明和如此多精美的藝術品。這些文明為何會衰落？歷史學家Arnold Joseph Toynbee在《歷史研究》一書中指出，一個文明的衰落的主要原因不是外敵入侵和天災，而是其內部失去了創造力與分裂。文明面臨的最大挑戰是人類在人造環境中的自我奴役。如今，我們面臨著戰爭的威脅、環境的污染、氣候的危機、各種工作和學習的焦慮和內卷等。我們認為促進文明發展的最有效方式是將科技的進步轉化為創造力，拓展知識和自由的邊界，創造更加美好的生活、工作和環境。

懷揣的一個夢想

面向未來，我們仍面臨諸多不確定性。華為希望通過茶思屋這個平臺，與各界分享當今世界面臨的難題以及我們面向未來的科學假設和商業愿景，我們期待與合作伙伴一起加強開放和聯合創新。我們比以往任何時候都更需要通過科學和技術來引領突破，其重要性超越了傳統的客戶需求推動。

我們很難想象，300年前，工業革命還沒有開始，30年前，GPRS數據套餐也還不存在。期待未來30年，我們能共同創造出高級智能，幫助我們管理更多的物質和能量，將人類文明的自由度從行星文明擴展到星際文明。就像菲爾茲獎獎章上那句話，“超越人類極限，做宇宙的主人”！