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

全面智能時(shí)代的四個(gè)突破

人類社會(huì)的每一輪發(fā)展都伴隨著關(guān)鍵技術(shù)的突破。在過去的300多年，人類社會(huì)經(jīng)歷了三次工業(yè)革命。從機(jī)械化、電氣化到信息化，人類社會(huì)的經(jīng)濟(jì)模式產(chǎn)生了巨大的變化。當(dāng)前，我們有了更多的數(shù)據(jù)、更好的算法和更大的計(jì)算能力，第四次工業(yè)革命正在到來，創(chuàng)造了新的數(shù)字經(jīng)濟(jì)。從數(shù)字基礎(chǔ)設(shè)施到產(chǎn)業(yè)應(yīng)用與創(chuàng)新，它將改革我們的數(shù)字消費(fèi)和生產(chǎn)、科學(xué)研究與技術(shù)創(chuàng)新以及我們的教育和文化。

未來10到20年，我認(rèn)為人類社會(huì)將加速走向全面智能時(shí)代，我們將看到新型數(shù)學(xué)和物理計(jì)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(fā)出高性能、用戶負(fù)擔(dān)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(fā)的時(shí)代，產(chǎn)生和使用著越來越多的數(shù)據(jù)。在中國，2023年平均每月移動(dòng)寬帶的流量達(dá)到26.5艾字節(jié)，比2013年的0.11艾字節(jié)增加大約240倍，其增速遠(yuǎn)超過2003至2013十年間的40倍增長。AI領(lǐng)域增長更快，2018年的大模型參數(shù)值約在1.17億，2019年增長到15億，2020年增長到1750億，2023年達(dá)到1.8萬億，五年時(shí)間就增長了接近1.5萬倍。我們認(rèn)為，未來10年，來自應(yīng)用側(cè)需求的增長將牽引信息產(chǎn)業(yè)的巨大發(fā)展，使得通信能力將增加100甚至1,000倍，計(jì)算能力將增加1,000到10,000倍。然而，目前還沒有足夠強(qiáng)大的基礎(chǔ)理論和先進(jìn)技術(shù)來支撐這些發(fā)展，因此我們希望和合作伙伴加強(qiáng)開放和聯(lián)合創(chuàng)新。

隨著信息技術(shù)的迅速發(fā)展，未來的世界將會(huì)是什么樣？根據(jù)與學(xué)術(shù)界、產(chǎn)業(yè)界廣泛的交流，我們識(shí)別出面向未來新生活、新工作、新環(huán)境、新數(shù)字世界的四個(gè)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(duì)血壓的影響。我發(fā)現(xiàn)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(huì)降低到理想水平。有了強(qiáng)大的可穿戴設(shè)備，我們可以更好地管理自己的健康。事實(shí)上，華為正在與很多醫(yī)院和醫(yī)學(xué)院合作，在627萬名志愿者中，華為穿戴設(shè)備已經(jīng)檢測出超過2萬例潛在的房顫風(fēng)險(xiǎn)，準(zhǔn)確率約為94%，并且?guī)椭脩艚⒘诉B接醫(yī)生的快速通道。未來，越來越多的疾病可以通過基于Al計(jì)算的靶向藥物治愈。隨著AI應(yīng)用和工具的普及，年輕一代將擁有比我們更強(qiáng)的創(chuàng)造力。

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

?第三，我們將建設(shè)可持續(xù)發(fā)展的環(huán)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(fā)電每度電成本約為1.6美分。未來，我們認(rèn)為發(fā)電成本可能還會(huì)進(jìn)一步降低。低空運(yùn)輸會(huì)得到大力的發(fā)展，將比我們傳統(tǒng)的地面通行速度提升十倍以上。

?最后，我們將看到虛實(shí)融合的數(shù)字世界廣泛應(yīng)用于我們的生活和生產(chǎn)中，如元宇宙、3D全息、數(shù)字孿生等。目前我們還有很大的差距，一部像《阿麗塔：戰(zhàn)斗天使》這樣的科幻電影，可能需要3萬臺(tái)服務(wù)器和4年的時(shí)間進(jìn)行計(jì)算。

人工智能的三個(gè)挑戰(zhàn)

信息感知、通信、計(jì)算和控制是實(shí)現(xiàn)這四大突破的基石，而通用人工智能將扮演關(guān)鍵角色。在通往通用人工智能的道路上有哪些重要挑戰(zhàn)？我們根據(jù)實(shí)際應(yīng)用，識(shí)別出三個(gè)挑戰(zhàn)，包括認(rèn)知偏差、性價(jià)比以及如何創(chuàng)造價(jià)值。

?首先是認(rèn)知偏差。比如，我們發(fā)現(xiàn)深度學(xué)習(xí)算法和大模型在視覺計(jì)算方面存在局限，在一些情況下對(duì)噪聲、顏色、紋理、背景、組合和旋轉(zhuǎn)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(rèn)作長臂猿？我們不能接受停車標(biāo)志上貼幾個(gè)黑白小塊，就可能被認(rèn)為是限速45。大語言模型會(huì)存在偏見、缺乏概念和邏輯以及幻覺的挑戰(zhàn)。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(gè)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(shí)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(tǒng)的學(xué)習(xí)方法和有限的訓(xùn)練數(shù)據(jù)下，單純的大語言模型很難甚至無法真正學(xué)會(huì)四則運(yùn)算，這方面還不如計(jì)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(kuò)展大語言模型和Scaling Law的極限，人們開始嘗試有監(jiān)督的微調(diào)（SFT）、逆向訓(xùn)練（RT）、檢索增強(qiáng)生成（RAG）、Q*分步驗(yàn)證、混合專家（MOE）、思維鏈（COT）、代理和工具調(diào)用等新的想法。

?如何提升性價(jià)比？盡管超級(jí)計(jì)算機(jī)的算力遠(yuǎn)超人腦，但在能效和成本方面都存在著巨大的挑戰(zhàn)。目前，一臺(tái)2,000萬瓦高性能計(jì)算機(jī)可以提供大約1,000 PFLOPS的算力，而一個(gè)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(yīng)用方面，目前一個(gè)大語言模型每天需要消耗近50萬度電來回答近2億個(gè)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(gè)耗電的單一功能大模型的需求。

?如何創(chuàng)造價(jià)值？應(yīng)用是AI的終極目標(biāo)。我們需要基于基礎(chǔ)模型開發(fā)各種基于行業(yè)和場景的模型、工具和生態(tài)，從而創(chuàng)造更多客戶價(jià)值和更好的用戶、伙伴和開發(fā)者體驗(yàn)。我認(rèn)為，除了少數(shù)幾個(gè)大型、非常昂貴的訓(xùn)練模型之外，廣泛部署高效、低成本的中、小、微型推理模型，對(duì)于AI的普及應(yīng)用更加重要和迫切。

應(yīng)對(duì)挑戰(zhàn)的四個(gè)建議

面對(duì)上述三個(gè)挑戰(zhàn)，我們提出了四個(gè)建議，以提高準(zhǔn)確性、適應(yīng)性、創(chuàng)造性和效率。

?第一個(gè)建議是發(fā)展多種智能。我認(rèn)同Howard Gardner教授的看法。他認(rèn)為人有多種智能，包括語言文字智能、自我認(rèn)知智能、人際交互智能、視覺和空間計(jì)算智能、自然理解智能、音樂智能、運(yùn)動(dòng)智能和數(shù)理邏輯智能。我認(rèn)為前三類智能非常重要，因?yàn)樗鼈兣c人類社會(huì)的道德倫理、價(jià)值觀和文化息息相關(guān)。我們必須確保人在環(huán)中，避免對(duì)我們的身體和精神的隱私和保密、安全和發(fā)展帶來失控。我們應(yīng)該考慮如何實(shí)施Isaac Asimov提出的機(jī)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(qū)域，有不同的功能。語言文字智能在第三區(qū)和第七區(qū)，計(jì)劃和決策在第一區(qū)，視覺和空間計(jì)算智能在第十區(qū)，而運(yùn)動(dòng)智能在第十一區(qū)。我認(rèn)為這些分布式的異構(gòu)智能可以幫助我們提高準(zhǔn)確性和適應(yīng)性。

?第二個(gè)建議是發(fā)展基于自治代理的開放智能系統(tǒng)。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(tǒng)。該系統(tǒng)應(yīng)包括三個(gè)重要部分。首先是感知和學(xué)習(xí)，除了從內(nèi)外部環(huán)境獲得信息外，還要從互聯(lián)網(wǎng)、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(guān)系和事件之間的統(tǒng)計(jì)關(guān)聯(lián)關(guān)系，形成經(jīng)驗(yàn)?zāi)Ｐ汀５诙羌訌?qiáng)從經(jīng)驗(yàn)到理念的系統(tǒng)化和自動(dòng)化抽象、驗(yàn)證與擴(kuò)展。經(jīng)驗(yàn)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(cuò)進(jìn)行目標(biāo)管理和規(guī)劃，推動(dòng)決策與行動(dòng)。第一部分善于參考，第二部分善于監(jiān)督，第三部分善于控制?；谶@一開放的智能系統(tǒng)，我們可以發(fā)展世界模型，包括時(shí)間、地點(diǎn)、人、物、關(guān)系、事件以及真實(shí)世界運(yùn)行規(guī)律和法則等信息。

?第三個(gè)建議是構(gòu)建新計(jì)算模式、新架構(gòu)、新部件，提升效率。我們與數(shù)學(xué)家交流，探討在AI計(jì)算領(lǐng)域面臨的挑戰(zhàn)。比如在視覺和空間計(jì)算領(lǐng)域，有些場景，比如自動(dòng)駕駛，更關(guān)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(shí)現(xiàn)比基于像素表征高100倍甚至1,000倍的計(jì)算效率？我們與生理學(xué)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(dǎo)體專家討論，能不能發(fā)展新型內(nèi)存，而不是傳統(tǒng)的DRAM和HBM，從而在Transformer計(jì)算中將數(shù)據(jù)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(jì)算、模擬計(jì)算、存內(nèi)計(jì)算、量子計(jì)算等。未來，這些技術(shù)有可能將計(jì)算效率提升100萬倍。

?第四個(gè)建議是從系統(tǒng)工程的角度來發(fā)展AI。除了商業(yè)模式、基礎(chǔ)設(shè)施和法律法規(guī)之外，我們還應(yīng)該考慮如何構(gòu)建高質(zhì)量的語料，創(chuàng)建更好的模型，設(shè)計(jì)更大規(guī)模的超節(jié)點(diǎn)集群。同時(shí)，我們需要重視開發(fā)高效易用的工程工具，發(fā)展生態(tài)，還要重視對(duì)創(chuàng)新人才的教育培養(yǎng)。

華為實(shí)現(xiàn)AI價(jià)值的兩種方式

華為正在與伙伴一起構(gòu)建全棧、全場景解決方案，為產(chǎn)業(yè)創(chuàng)造價(jià)值。AI技術(shù)可以幫助我們提高質(zhì)量和安全性，如提升工業(yè)質(zhì)檢準(zhǔn)確率、電力設(shè)施異常識(shí)別精度以及高速列車未知故障發(fā)現(xiàn)率。Al技術(shù)還有助于提升法務(wù)卷宗審查效率、提高銷售轉(zhuǎn)化率和提升藥物設(shè)計(jì)和貨品監(jiān)控的效率。AI技術(shù)還可以幫助我們降低水泥制造和中央空調(diào)的成本和能耗。

在華為內(nèi)部，AI解決方案廣泛應(yīng)用于研發(fā)、生產(chǎn)、供應(yīng)鏈、銷售與服務(wù)、用戶體驗(yàn)與質(zhì)量和集團(tuán)管理等流程。比如在研發(fā)領(lǐng)域，我們將AI用于發(fā)展智能駕駛、智能座艙，也將其用于設(shè)計(jì)工具與裝備的開發(fā)，從而幫助實(shí)現(xiàn)代碼生成和測試驗(yàn)證效率提升50%；在生產(chǎn)領(lǐng)域，AI已經(jīng)幫助將質(zhì)檢準(zhǔn)確率提升至99%；在財(cái)經(jīng)領(lǐng)域，AI幫助合同風(fēng)險(xiǎn)評(píng)審速度提升10倍。我們將自身經(jīng)驗(yàn)與制造業(yè)客戶分享，實(shí)現(xiàn)了1,000多個(gè)聯(lián)合創(chuàng)新成果，其中超過30%用于核心生產(chǎn)系統(tǒng)和產(chǎn)品智能化升級(jí)。基于客戶的行業(yè)知識(shí)和AI解決方案，我們?cè)谥蛻籼嵘踩?、質(zhì)量和用戶體驗(yàn)的同時(shí)，實(shí)現(xiàn)了平均盈利能力提升18%。

在Al forScience領(lǐng)域，我們積極與學(xué)術(shù)界合作。2007年，Jim Gray教授提出了科學(xué)研究的四個(gè)范式。第一個(gè)范式是基于經(jīng)驗(yàn)的研究，第二個(gè)范式是基于理論的研究，第三個(gè)范式是基于計(jì)算的研究，第四個(gè)是基于數(shù)據(jù)驅(qū)動(dòng)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(tǒng)計(jì)相關(guān)性，在這方面比人類做得更好；AI計(jì)算速度在越來越多的領(lǐng)域超越人類。華為開發(fā)了微觀尺度的盤古藥物分子大模型，幫助藥物設(shè)計(jì)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(yù)報(bào)速度10,000倍，準(zhǔn)確性提升20%。將來，如果我們能將統(tǒng)計(jì)與相關(guān)關(guān)系、因果和形式關(guān)系以及隨機(jī)關(guān)系整合起來，能不能推動(dòng)形成基于AI的科學(xué)研究第五個(gè)范式？

隨著越來越多的突破涌現(xiàn)，AI正在重塑我們的文明。對(duì)于未來，我們能做什么，我們應(yīng)該做什么？我曾經(jīng)參觀過一個(gè)考古博物館。我很難想象在4,000年前，已經(jīng)發(fā)展出了如此繁榮的文明和如此多精美的藝術(shù)品。這些文明為何會(huì)衰落？歷史學(xué)家Arnold Joseph Toynbee在《歷史研究》一書中指出，一個(gè)文明的衰落的主要原因不是外敵入侵和天災(zāi)，而是其內(nèi)部失去了創(chuàng)造力與分裂。文明面臨的最大挑戰(zhàn)是人類在人造環(huán)境中的自我奴役。如今，我們面臨著戰(zhàn)爭的威脅、環(huán)境的污染、氣候的危機(jī)、各種工作和學(xué)習(xí)的焦慮和內(nèi)卷等。我們認(rèn)為促進(jìn)文明發(fā)展的最有效方式是將科技的進(jìn)步轉(zhuǎn)化為創(chuàng)造力，拓展知識(shí)和自由的邊界，創(chuàng)造更加美好的生活、工作和環(huán)境。

懷揣的一個(gè)夢(mèng)想

面向未來，我們?nèi)悦媾R諸多不確定性。華為希望通過茶思屋這個(gè)平臺(tái)，與各界分享當(dāng)今世界面臨的難題以及我們面向未來的科學(xué)假設(shè)和商業(yè)愿景，我們期待與合作伙伴一起加強(qiáng)開放和聯(lián)合創(chuàng)新。我們比以往任何時(shí)候都更需要通過科學(xué)和技術(shù)來引領(lǐng)突破，其重要性超越了傳統(tǒng)的客戶需求推動(dòng)。

我們很難想象，300年前，工業(yè)革命還沒有開始，30年前，GPRS數(shù)據(jù)套餐也還不存在。期待未來30年，我們能共同創(chuàng)造出高級(jí)智能，幫助我們管理更多的物質(zhì)和能量，將人類文明的自由度從行星文明擴(kuò)展到星際文明。就像菲爾茲獎(jiǎng)獎(jiǎng)?wù)律夏蔷湓挘俺饺祟悩O限，做宇宙的主人”！