我和菲爾茲獎教授Laurent Lafforgue討論，當(dāng)前在視覺與空間計算上，往往采用像素點來表達物體，但是絕大部分物體的識別與其像素點的顏色沒有直接的關(guān)系，甚至是毫無關(guān)系，它們在不同的光下呈現(xiàn)不同的顏色，因此建議增加幾何流形來進行表達和計算，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等寫了一本《神經(jīng)動力學(xué)》的書，介紹了大腦皮層的功能柱、以及功能柱中的六層連接情況，這樣的淺度神經(jīng)網(wǎng)絡(luò)架構(gòu)，會不會比深度網(wǎng)絡(luò)更高效？

另外，從實現(xiàn)的角度看，在當(dāng)前的很多AI計算上，面臨存儲瓶頸的問題，我們往往要花比計算多上百倍的時間來讀寫與搬移數(shù)據(jù)，今后能不能拋開傳統(tǒng)的馮·諾依曼架構(gòu)的處理器、指令集、總線、邏輯器件和存儲器件，圍繞先進AI計算模式的需要來定義新的架構(gòu)與部件？

接下來我和大家分享華為在AI領(lǐng)域所做的一些探索。首先是AI4Industry，通過行業(yè)大模型促進價值創(chuàng)造。我們在視覺、語言文字、圖網(wǎng)絡(luò)、多模態(tài)等專用L0基礎(chǔ)大模型之上，形成L1行業(yè)專用大模型，來降低開發(fā)門檻、提升泛化能力，解決應(yīng)用碎片化的問題，推動從“作坊式”走向工業(yè)化升級，幫助電力、煤礦、交通、制造等重要行業(yè)，提升作業(yè)效率、提升安全性。比如，在煤礦場景，華為幫助客戶通過模型訓(xùn)練與推理，來實現(xiàn)瓦斯?jié)舛鹊某邦A(yù)警、作業(yè)序列的風(fēng)險防范、以及作業(yè)質(zhì)量的智能驗收；華為的智慧港口方案，已經(jīng)在天津、青島、上海、深圳等港口實現(xiàn)智慧化應(yīng)用。機場與軌道軍團在呼和浩特、武漢與深圳與伙伴們一起探索機場、鐵路與地鐵的現(xiàn)代化智聯(lián)。

圖源：觀察者網(wǎng)

另一方面，AI4Science的發(fā)展也可以極大幫助提升科學(xué)研究的能力。

比如，我們通過構(gòu)造新型的、地理信息3D Transformer編碼結(jié)構(gòu)，以及層次化時域聚合方法，推出盤古氣象大模型，通過更精準、高效的學(xué)習(xí)與推理機制，從大自然歷史運轉(zhuǎn)出來的數(shù)據(jù)中提取出全球氣象先驗知識，代替?zhèn)鹘y(tǒng)科學(xué)計算的超大規(guī)模偏微分方程的時序求解，從而可以實現(xiàn)快速完成全球未來1小時到7天的天氣預(yù)報，預(yù)測精度比歐洲中期天氣預(yù)報中心高20%以上。在這兩張臺風(fēng)軌跡圖中，藍色軌跡是歐洲中期天氣預(yù)報中心給出的預(yù)測，實際路徑是黑色軌跡，我們的預(yù)測的路徑是紅色軌跡，可以看出，這個預(yù)測非常接近實際情況。

再比如制藥領(lǐng)域，藥物靶點發(fā)現(xiàn)是藥物研發(fā)過程的關(guān)鍵問題。傳統(tǒng)的分子對接計算方法效率高，但是沒有考慮蛋白質(zhì)的柔性，導(dǎo)致搜索空間小，尋找到的靶點少；而分子動力學(xué)模擬考慮了蛋白質(zhì)的柔性，但是計算量非常大。我們的專家與北大教授一起提出了基于元動力學(xué)的靶點發(fā)現(xiàn)和構(gòu)象搜索算法，加速小分子遍歷蛋白質(zhì)的過程，對同樣的構(gòu)象搜索，傳統(tǒng)方法需要37天，我們只需要6個小時，提升了150倍效率。

在軟件編程上，除了用傳統(tǒng)AI在大量已有代碼中進行檢索和推薦外，我們也在發(fā)展科學(xué)的模型驅(qū)動和形式化方法。尤其是在大規(guī)模并行化的情況下，很多處理是相互糾纏和前后關(guān)聯(lián)的，我們探索出了一套名為Vsync的方法，實現(xiàn)了操作系統(tǒng)內(nèi)核的自動化驗證和并發(fā)代碼優(yōu)化，在提升性能的同時也確?？煽啃浴?015年Linux社區(qū)發(fā)現(xiàn)了一個很難的內(nèi)存屏障Bug，社區(qū)專家花了兩年多才修復(fù)，而使用我們的Vsync方法，僅用20分鐘就發(fā)現(xiàn)并修復(fù)了這個Bug。歐美一些學(xué)校和公司都來尋求Vysnc方法的合作。

在Linux社區(qū)，對Kernel版本的補丁修改貢獻上，我們在2020年的5.10版本，2021年的5.14版本，以及2022年的6.1版本上，做到全球貢獻第一。

圖源：觀察者網(wǎng)

我們也通過新的AI計算模式，來研究定理自動證明問題。比如拓撲斯理論有助于探索范疇證明、同余推理系統(tǒng)、自動理論導(dǎo)出，提升定理證明器的水平，希望解決形式驗證中的狀態(tài)爆炸問題和自動模型抽象問題，增強形式驗證能力。

我們也在探索基礎(chǔ)計算部件的重構(gòu)。比如加法和乘法在學(xué)術(shù)界和產(chǎn)業(yè)界目前還不知道復(fù)雜度能降到什么程度。兩個二進制數(shù)相加，可能面臨不確定次數(shù)的進位問題，從而消耗大量的時間和能量。早在一千多年前，南北朝時期的《孫子算經(jīng)》，南宋時期的《數(shù)書九章》中提到過余數(shù)定理，現(xiàn)代數(shù)學(xué)家也在60多年前提出過將普通的數(shù)變換為MSD數(shù)來進行計算，避免進位的發(fā)生，但是這個思想因為有一些實際問題而沒有被產(chǎn)業(yè)界接受。我們希望解決實際應(yīng)用中的變換效率以及溢出等問題，重構(gòu)最基本的加法和乘法，提高計算的效率。

在走向智能社會的過程中，可能有超過百倍、甚至千倍的信息需求增長，現(xiàn)有的很多理論和技術(shù)已經(jīng)遇到瓶頸，難以支持未來的發(fā)展，因此我們積極推動科學(xué)假設(shè)與商業(yè)愿景牽引的創(chuàng)新，在通信上，大膽探索有別于香農(nóng)定理的前提條件和應(yīng)用場景；在計算上，進一步明確人工智能的目標定義、提升正確性、適應(yīng)性和高效性。

在通信和計算兩大基石的驅(qū)動下，從狹義人工智能，到通用人工智能與超級人工智能的過程中，我們首先要通過理論和技術(shù)的不斷突破，來實現(xiàn)萬物智聯(lián)，促進社會的進步；其次要勇于拓展思想的邊界，增強對智能的認知和掌控能力；最終，用正確的目標和有力的手段，牽引人工智能的發(fā)展，助力我們超越極限，增強生命，創(chuàng)造物質(zhì)，控制能量，跨越時空，實現(xiàn)人類文明的進化。

我們將這些面向未來的思考放在黃大年茶思屋網(wǎng)站上，促進開放的探討交流，希望能與伙伴們一起，開展相關(guān)的基礎(chǔ)科學(xué)研究與技術(shù)創(chuàng)新，重構(gòu)基礎(chǔ)理論、重構(gòu)架構(gòu)、重構(gòu)軟件。同時我們也贊助青年學(xué)者，并在ICPC、IMC、以及其他全球?qū)W生奧林匹克競賽中，分享這些挑戰(zhàn)和方向、贊助學(xué)生訓(xùn)練營、激勵和培養(yǎng)更多的未來領(lǐng)軍人才。

我們正在快速奔向智能社會，面對無窮的可能性，我們所有的想象都是保守的。在征服星辰大海的道路上，一切的不可知和不確定性，都會使我們變得更加強大。期待和大家一起應(yīng)對挑戰(zhàn)，共同開創(chuàng)更美好的明天！

謝謝大家！