如何有質量地活下來？華為拋出“10大科技難題”
（觀察者網訊 文/周昊 編輯/周遠方）為期兩天的第十九屆華為分析師大會在4月27日落幕，兩天的大會期間，華為強調“有質量活下來”的同時，進一步拋出了“華為如何看待未來、走向未來”這一話題。
華為輪值董事長鬍厚崑在大會上表示，華為在過去的三十多年一直通過創新創造價值，儘管遇到經營上的困難，這一點也未曾改變。
他也請出華為戰略研究院院長周紅，與大家一起“抬頭看路”。
周紅表示，為了打通科學假設與商業願景，華為把創新分成前後相關的5個環節：從假設和願景，到理論、技術和商業創新。越靠近後端商業、客户和用户的創新，效果就越明顯；而越靠近前端假設、願景和基礎科學，就越需要耐心。
周紅表示，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，我們希望與夥伴一起探索“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。為此，華為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。
華為輪值董事長鬍厚崑
“穩健”並非原地踏步
2022年，華為提出“有質量活下來”的目標。胡厚崑也在接受觀察者網等媒體採訪時提到，華為雖然面臨諸多困難，但對於“生存質量”依舊有自身的追求。
首先，華為要保障給客户提供的產品和解決方案的質量。華為會採取大量的措施保證提供給客户的產品、解決方案競爭力不下降，服務的連續性不出問題；
其次，華為將在運營上追求“穩健”，在交易方面會格外重視交易的質量，對於一些低質量的交易華為也會選擇放棄。華為將會在聚焦ICT領域且相對多元化的業務組合之下，要求每個業務本身都要聚焦以實現有質量的發展，否則就要面臨被關閉的局面。
但求“穩健”並非是原地踏步，在創新及未來戰略方面華為依舊有諸多舉措。
比如在聯接領域，華為定義了5.5G和F5.5G的產業願景，以實現10Gbps無處不在，支持家庭場景下“身臨其境”的體驗需求，並滿足工業控制對實時性、可靠性的高要求；
在計算領域，華為重新定義節點、基礎軟件及數據中心級系統架構，實現性能倍增，顯著提升能效。
此外，通過打造雲上的數字內容生產線，華為構建以人為中心的全場景智慧化體驗，加速物理世界和數字世界的融合。
在助力數字化轉型方面，華為通過完善產品組合適配不同的行業場景，以華為云為底座把基礎設施、技術以及經驗雲化、服務化，並通過成立“軍團”形成針對性的解決方案，快速響應客户及行業需求。
在數字能源方面，華為將引入AI、雲等能力，優化光伏行業的技術路線，加速可再生能源發展；以無線站點和數據中心為發力點，使用系統級低碳方案，打造綠色ICT基礎設施。
在智能汽車業務，華為認為電動化、智能化、網聯化、共享化的未來方向已經清晰，這意味着龐大的汽車產業正在進入一個轉型期，數字化以及電力、電子技術將會成為關鍵的使能技術。
胡厚崑還透露稱接下來無論是HUAWEI Inside模式還是華為智選模式，合作伙伴都會有新的車型發佈；“華為在車領域是一個新人，但隨着智能電動汽車市場的發展，華為幫助合作伙伴‘造好車’、‘賣好車’的定位和選擇模式會得到越來越多上下游合作伙伴的認可”。
胡厚崑也強調，華為會持續在創新以及人才方面提供足夠的資金和資源保障，在創新路徑上進行優化，通過一系列措施使得華為今天的投入能夠讓未來的發展更有質量，“持續強化創新能力，牢牢抓住千行百業數字化、智能化發展以及人類社會低碳化發展的兩個大機遇，是華為走向未來的關鍵。”
風物長宜放眼量
華為創始人、CEO任正非曾在內部會議提出，企業發展的基本邏輯是：方向要大致正確，組織要充滿活力。
他説，首先，這裏的方向是指產業方向和技術方向，我們不可能完全看的準，做到大致準確就很了不起；其次，在方向大致準確的情況，組織充滿活力非常重要，是確保戰略執行、走向成功的關鍵。
華為本次也請出戰略研究院院長周紅，帶領大家“抬頭看路”。
華為戰略研究院院長周紅
“三十年前的人還需要排長隊打長途電話，完全無法想象有一天僅憑一個小盒子，不需要任何連線就能夠隨時隨地與遠方的家人進行視頻溝通，也不需要任何連線就可以通過這個小盒子連接世界”，周紅感嘆，這在當時而言就是“科幻”。
過去10年，全球的移動寬帶數據流量，從2010年的每月0.24艾字節（EB），增長到2020年的每月60艾字節，增長超過250倍；中國的移動寬帶數據流量，從2010年的每月0.033艾字節，發展到2020年的每月13艾字節，增長超過400倍。數字技術在極大的豐富人們生活的同時，用於支撐其發展的理論和技術卻已然面臨瓶頸。
周紅表示，我們認為數字技術將以超過十年百倍的速度增長，數字化將促進人和社會加速發展。
另一方面，現有的很多理論和技術都是幾十年前甚至一百多年前提出的，基於這些理論和技術的應用已經開始遇到瓶頸，例如通信領域的奈奎斯特採樣定理和香農定律、計算領域的可計算性理論和馮·諾依曼架構、半導體領域的摩爾定律等，希望有新的假設和願景來牽引突破。
為此，華為提出面向未來的4個科學假設和商業願景，希望與學術界、產業界一起共同探索，開展面向未來的研究。
首先，是探索基礎科學和前沿技術，尤其是物理、化學、生物等領域的突破，將使我們能夠更好地發明新分子、催化劑、蛋白質等材料和器件，以及新的裝備和新工藝。
周紅曾和一位量子科學家討論，怎麼把光子、量子存起來？
他在1993年就提出了量子存儲概念，當時沒人相信。直到1998年，哈佛大學的萊恩·韋斯特加德·豪（Lene Vestergaard Hau）等科學家用電磁感應透明現象將光子速度降到17m/s，2000年，她們成功地把光子“凍結”了一分鐘時間。目前已經有很多辦法來可以實現量子存儲，從而更好地支持量子通信和量子計算。
為了降低半導體器件的功耗、提升可靠性，華為和科學家合作，分析半導體器件中的熱機理，看看能不能構造出有利條件，加快“光聲子”變成“聲聲子”，從而減少柵極與漏極之間熱點的形成。
現在很多超導量子計算機採用毫開爾文的温度，一些科學家在進一步探索，用激光來冷卻原子，從豪開爾文降低一百萬倍温度到納開爾文，接近絕對零度的温度極限，看看能不能發現更復雜的量子現象。
未來，物質的特性能不能通過計算預測出來，而不用靠漫長的試驗來進行摸索？答案是可能的。
有了更好的計算化學，我們有望發現或者發明更好的催化劑、化學藥、生物藥與疫苗。
第二，是拓展感知極限，更好地瞭解世界和人類自身。從接近人類感知到超越人類感知、從替代感知到擴展和創造感知、從人類感知到機器感知。
周紅認為，這方面我們要向生物界學習，大自然通過百萬年甚至上億年的進化，形成了遠遠超越現有機器和人的感知能力。
例如在視覺上，有些蜘蛛眼睛在物體輪廓和運動計算上遠遠超越了人眼，有利於快速精準捕獲獵物，自動駕駛汽車是不是正好需要這種眼睛？
周紅認為，除了拓展對外部世界的感知，我們未來也能更好地感知和控制人體自身。像ECG、EEG、PPG等這些技術目前還沒有系統地、便捷而又低成本地發展起來，對於人體的八大子系統的實時度量感知，我們還有很多工作要做。通過發展新的傳感器，我們將來可能實時、無感知地測量血壓、血糖、心電等重要的健康參數；我們可以發展新的神經系統腦機接口、肌機接口，更好地與機器協同，將來有可能用思考來交流和工作、用思考來開車和娛樂。
第三，是探索適應目標與環境的計算模式與高效實現方式。信息領域經過多年的積累，已經發展出了十幾種廣泛使用的計算模式，例如無線和光通信裏大量使用基於快速傅里葉變換的蝶形計算模式，路由器裏大量使用基於邏輯狀態轉移的有限狀態機計算模式，AI裏目前大量使用基於統計和相關的計算模式等。數學家和工程師們奮鬥了這麼多年，我們在計算模式上是不是已經走到了盡頭？
周紅認為，還有很大的空間，例如：
在通信上，隨着未來的通信系統不斷走向高頻、高速，我們將面臨越來越多的非線性信道和非線性器件帶來的問題，我們能不能從傳統的線性傅里葉變換拓展到非線性逆散射變換，以更好地匹配未來的應用？
在AI上，隨着應用的不斷拓展，我們面臨統計相關AI計算模式不可解釋、不可調試的問題，同時還有很大的能效挑戰。我們能不能向生物界學習，例如螞蟻的大腦一般只有0.2毫瓦的能耗，它既不用深度學習、也不需要遵循可計算性理論和馮·諾依曼架構，但是卻能夠跑來跑去做很多複雜的事情，例如築巢、尋找食物、養蚜蟲等等。目前的自動駕駛汽車還需要幾十瓦甚至幾百瓦來進行計算，在能效上與螞蟻相比還有很大的差距。在AI領域，除了統計和相關計算模式外，能不能進一步發展出數理邏輯計算模式、幾何流形計算模式、博弈計算模式等？
在科學計算上，我們大量用到矩陣，對於兩個n行n列矩陣的乘法，如果按照原始簡單算法，複雜度是n的3次方，1969年德國數學家創造的斯特拉森算法，將複雜度降低到n的2.807次方，2020年底MIT的Williams與哈佛的Alman給出一個複雜度是n的2.3728596次方算法。
在矩陣計算中，我們更關心稀疏線性方程組求解，因為在社會科學中，地球上有幾十億人，平均每個人只維持不超過200個有效關係；在芯片設計中，大部分元件的限制條件是局部的。在這個領域，佐治亞理工大學的彭泱等人發明了計算複雜度為n的2.3316次方的先進算法，獲得了計算理論頂會SODA的2021年最佳論文獎。
幾個月前，我們的數學家發明了一個更新的算法，將複雜度下降到n的2.28次方，比彭泱等人的算法降低了0.0516次方，這個進步意味着什麼呢？對n=100萬來説，計算複雜度將能進一步下降約45%。
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，而不要受限於傳統的可計算性理論、以及馮·諾依曼架構？
第四，是在有別於香農定律的假設、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；
自動駕駛如果採用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。
對於這些挑戰，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？
周紅表示，為了打通科學假設與商業願景，華為把創新分成前後相關的5個環節：從假設和願景，到理論、技術和商業創新。
越靠近後端商業、客户和用户的創新，效果就越明顯；而越靠近前端假設、願景和基礎科學，就越需要耐心。
面向未來，我們要敢於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，我們希望與夥伴一起探索“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。
圍繞前面4個假設與願景，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。
兩個基礎科學問題是：
認知世界：機器如何認知世界，能不能建立適合機器理解世界的模型？
認知自身：如何理解人體的生理學模型，八大子系統的運行機制，以及人的意圖和智能？
八個前沿技術挑戰包括：
新接口，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；
新健康，如何連續、無感知地測量人的血壓、血糖和心電，能否通過AI強人工智能幫助發明新的化學藥、生物藥和疫苗；
新軟件，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；
新通信，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；
新計算，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；
新材料，如何通過AI幫助發明新的分子、催化劑和器件；
新制造，如何發展出超越傳統CMOS製造的技術，達到更低成本、更高的效率；
新能源，如何發展出安全、高效的能源轉換和儲能，提供按需服務。