如何有质量地活下来？华为抛出“10大科技难题”
（观察者网讯 文/周昊 编辑/周远方）为期两天的第十九届华为分析师大会在4月27日落幕，两天的大会期间，华为强调“有质量活下来”的同时，进一步抛出了“华为如何看待未来、走向未来”这一话题。
华为轮值董事长胡厚崑在大会上表示，华为在过去的三十多年一直通过创新创造价值，尽管遇到经营上的困难，这一点也未曾改变。
他也请出华为战略研究院院长周红，与大家一起“抬头看路”。
周红表示，为了打通科学假设与商业愿景，华为把创新分成前后相关的5个环节：从假设和愿景，到理论、技术和商业创新。越靠近后端商业、客户和用户的创新，效果就越明显；而越靠近前端假设、愿景和基础科学，就越需要耐心。
周红表示，在基础科学研究上，除了支持以科学家兴趣驱动的“波尔象限”创新外，我们希望与伙伴一起探索“巴斯德象限”创新，这样既能拓展科学认知，也能创造应用价值。为此，华为提炼出面向未来可以重点考虑的两个基础科学问题，以及8个前沿技术挑战。
华为轮值董事长胡厚崑
“稳健”并非原地踏步
2022年，华为提出“有质量活下来”的目标。胡厚崑也在接受观察者网等媒体采访时提到，华为虽然面临诸多困难，但对于“生存质量”依旧有自身的追求。
首先，华为要保障给客户提供的产品和解决方案的质量。华为会采取大量的措施保证提供给客户的产品、解决方案竞争力不下降，服务的连续性不出问题；
其次，华为将在运营上追求“稳健”，在交易方面会格外重视交易的质量，对于一些低质量的交易华为也会选择放弃。华为将会在聚焦ICT领域且相对多元化的业务组合之下，要求每个业务本身都要聚焦以实现有质量的发展，否则就要面临被关闭的局面。
但求“稳健”并非是原地踏步，在创新及未来战略方面华为依旧有诸多举措。
比如在联接领域，华为定义了5.5G和F5.5G的产业愿景，以实现10Gbps无处不在，支持家庭场景下“身临其境”的体验需求，并满足工业控制对实时性、可靠性的高要求；
在计算领域，华为重新定义节点、基础软件及数据中心级系统架构，实现性能倍增，显著提升能效。
此外，通过打造云上的数字内容生产线，华为构建以人为中心的全场景智慧化体验，加速物理世界和数字世界的融合。
在助力数字化转型方面，华为通过完善产品组合适配不同的行业场景，以华为云为底座把基础设施、技术以及经验云化、服务化，并通过成立“军团”形成针对性的解决方案，快速响应客户及行业需求。
在数字能源方面，华为将引入AI、云等能力，优化光伏行业的技术路线，加速可再生能源发展；以无线站点和数据中心为发力点，使用系统级低碳方案，打造绿色ICT基础设施。
在智能汽车业务，华为认为电动化、智能化、网联化、共享化的未来方向已经清晰，这意味着庞大的汽车产业正在进入一个转型期，数字化以及电力、电子技术将会成为关键的使能技术。
胡厚崑还透露称接下来无论是HUAWEI Inside模式还是华为智选模式，合作伙伴都会有新的车型发布；“华为在车领域是一个新人，但随着智能电动汽车市场的发展，华为帮助合作伙伴‘造好车’、‘卖好车’的定位和选择模式会得到越来越多上下游合作伙伴的认可”。
胡厚崑也强调，华为会持续在创新以及人才方面提供足够的资金和资源保障，在创新路径上进行优化，通过一系列措施使得华为今天的投入能够让未来的发展更有质量，“持续强化创新能力，牢牢抓住千行百业数字化、智能化发展以及人类社会低碳化发展的两个大机遇，是华为走向未来的关键。”
风物长宜放眼量
华为创始人、CEO任正非曾在内部会议提出，企业发展的基本逻辑是：方向要大致正确，组织要充满活力。
他说，首先，这里的方向是指产业方向和技术方向，我们不可能完全看的准，做到大致准确就很了不起；其次，在方向大致准确的情况，组织充满活力非常重要，是确保战略执行、走向成功的关键。
华为本次也请出战略研究院院长周红，带领大家“抬头看路”。
华为战略研究院院长周红
“三十年前的人还需要排长队打长途电话，完全无法想象有一天仅凭一个小盒子，不需要任何连线就能够随时随地与远方的家人进行视频沟通，也不需要任何连线就可以通过这个小盒子连接世界”，周红感叹，这在当时而言就是“科幻”。
过去10年，全球的移动宽带数据流量，从2010年的每月0.24艾字节（EB），增长到2020年的每月60艾字节，增长超过250倍；中国的移动宽带数据流量，从2010年的每月0.033艾字节，发展到2020年的每月13艾字节，增长超过400倍。数字技术在极大的丰富人们生活的同时，用于支撑其发展的理论和技术却已然面临瓶颈。
周红表示，我们认为数字技术将以超过十年百倍的速度增长，数字化将促进人和社会加速发展。
另一方面，现有的很多理论和技术都是几十年前甚至一百多年前提出的，基于这些理论和技术的应用已经开始遇到瓶颈，例如通信领域的奈奎斯特采样定理和香农定律、计算领域的可计算性理论和冯·诺依曼架构、半导体领域的摩尔定律等，希望有新的假设和愿景来牵引突破。
为此，华为提出面向未来的4个科学假设和商业愿景，希望与学术界、产业界一起共同探索，开展面向未来的研究。
首先，是探索基础科学和前沿技术，尤其是物理、化学、生物等领域的突破，将使我们能够更好地发明新分子、催化剂、蛋白质等材料和器件，以及新的装备和新工艺。
周红曾和一位量子科学家讨论，怎么把光子、量子存起来？
他在1993年就提出了量子存储概念，当时没人相信。直到1998年，哈佛大学的莱恩·韦斯特加德·豪（Lene Vestergaard Hau）等科学家用电磁感应透明现象将光子速度降到17m/s，2000年，她们成功地把光子“冻结”了一分钟时间。目前已经有很多办法来可以实现量子存储，从而更好地支持量子通信和量子计算。
为了降低半导体器件的功耗、提升可靠性，华为和科学家合作，分析半导体器件中的热机理，看看能不能构造出有利条件，加快“光声子”变成“声声子”，从而减少栅极与漏极之间热点的形成。
现在很多超导量子计算机采用毫开尔文的温度，一些科学家在进一步探索，用激光来冷却原子，从豪开尔文降低一百万倍温度到纳开尔文，接近绝对零度的温度极限，看看能不能发现更复杂的量子现象。
未来，物质的特性能不能通过计算预测出来，而不用靠漫长的试验来进行摸索？答案是可能的。
有了更好的计算化学，我们有望发现或者发明更好的催化剂、化学药、生物药与疫苗。
第二，是拓展感知极限，更好地了解世界和人类自身。从接近人类感知到超越人类感知、从替代感知到扩展和创造感知、从人类感知到机器感知。
周红认为，这方面我们要向生物界学习，大自然通过百万年甚至上亿年的进化，形成了远远超越现有机器和人的感知能力。
例如在视觉上，有些蜘蛛眼睛在物体轮廓和运动计算上远远超越了人眼，有利于快速精准捕获猎物，自动驾驶汽车是不是正好需要这种眼睛？
周红认为，除了拓展对外部世界的感知，我们未来也能更好地感知和控制人体自身。像ECG、EEG、PPG等这些技术目前还没有系统地、便捷而又低成本地发展起来，对于人体的八大子系统的实时度量感知，我们还有很多工作要做。通过发展新的传感器，我们将来可能实时、无感知地测量血压、血糖、心电等重要的健康参数；我们可以发展新的神经系统脑机接口、肌机接口，更好地与机器协同，将来有可能用思考来交流和工作、用思考来开车和娱乐。
第三，是探索适应目标与环境的计算模式与高效实现方式。信息领域经过多年的积累，已经发展出了十几种广泛使用的计算模式，例如无线和光通信里大量使用基于快速傅里叶变换的蝶形计算模式，路由器里大量使用基于逻辑状态转移的有限状态机计算模式，AI里目前大量使用基于统计和相关的计算模式等。数学家和工程师们奋斗了这么多年，我们在计算模式上是不是已经走到了尽头？
周红认为，还有很大的空间，例如：
在通信上，随着未来的通信系统不断走向高频、高速，我们将面临越来越多的非线性信道和非线性器件带来的问题，我们能不能从传统的线性傅里叶变换拓展到非线性逆散射变换，以更好地匹配未来的应用？
在AI上，随着应用的不断拓展，我们面临统计相关AI计算模式不可解释、不可调试的问题，同时还有很大的能效挑战。我们能不能向生物界学习，例如蚂蚁的大脑一般只有0.2毫瓦的能耗，它既不用深度学习、也不需要遵循可计算性理论和冯·诺依曼架构，但是却能够跑来跑去做很多复杂的事情，例如筑巢、寻找食物、养蚜虫等等。目前的自动驾驶汽车还需要几十瓦甚至几百瓦来进行计算，在能效上与蚂蚁相比还有很大的差距。在AI领域，除了统计和相关计算模式外，能不能进一步发展出数理逻辑计算模式、几何流形计算模式、博弈计算模式等？
在科学计算上，我们大量用到矩阵，对于两个n行n列矩阵的乘法，如果按照原始简单算法，复杂度是n的3次方，1969年德国数学家创造的斯特拉森算法，将复杂度降低到n的2.807次方，2020年底MIT的Williams与哈佛的Alman给出一个复杂度是n的2.3728596次方算法。
在矩阵计算中，我们更关心稀疏线性方程组求解，因为在社会科学中，地球上有几十亿人，平均每个人只维持不超过200个有效关系；在芯片设计中，大部分元件的限制条件是局部的。在这个领域，佐治亚理工大学的彭泱等人发明了计算复杂度为n的2.3316次方的先进算法，获得了计算理论顶会SODA的2021年最佳论文奖。
几个月前，我们的数学家发明了一个更新的算法，将复杂度下降到n的2.28次方，比彭泱等人的算法降低了0.0516次方，这个进步意味着什么呢？对n=100万来说，计算复杂度将能进一步下降约45%。
在具体实现上，超级计算机往往要用巨大的能耗来实现大算力，例如3千万瓦实现近500PFLOPS算力，而人脑大约用20W可以做到近30PFLOPS，效率高了约八万倍。从这个角度看，我们是不是要发展适应性与高效性计算模式，创造新架构与新部件，而不要受限于传统的可计算性理论、以及冯·诺依曼架构？
第四，是在有别于香农定律的假设、以及更大的时空中探索信息通信，从而跨越空间的障碍，建设全球直达的能力，连接虚拟与现实世界、以及无处不在的机器。
将来的真人级全息通讯，如果不压缩数据，需要接近2Tbps的带宽，以及1-5ms的时延；
自动驾驶如果采用12个摄像头，每天可能产生高达4T字节的数据，目前的5G网络远远达不到这个容量。
对于这些挑战，我们是不是有足够的理论和技术来实现呢？我认为这是可能的。
例如，在理论上，如果我们假设这个世界是有先验知识、有记忆的，就可能跳出香农1/2/3定律的限制。在工程上，一个量子级联激光器可以同时产生几百个波长，实现上百T的流量；未来如果我们能做出高重频阿秒激光器，甚至可能产生百万T的流量。这些技术如果能嫁接到无线和光领域，是不是可以成千上万倍提升通信性能？
周红表示，为了打通科学假设与商业愿景，华为把创新分成前后相关的5个环节：从假设和愿景，到理论、技术和商业创新。
越靠近后端商业、客户和用户的创新，效果就越明显；而越靠近前端假设、愿景和基础科学，就越需要耐心。
面向未来，我们要敢于向前端基础研究寻求答案。
在基础科学研究上，除了支持以科学家兴趣驱动的“波尔象限”创新外，我们希望与伙伴一起探索“巴斯德象限”创新，这样既能拓展科学认知，也能创造应用价值。
围绕前面4个假设与愿景，聚焦“巴斯德象限”，我们提炼出面向未来可以重点考虑的两个基础科学问题，以及8个前沿技术挑战。
两个基础科学问题是：
认知世界：机器如何认知世界，能不能建立适合机器理解世界的模型？
认知自身：如何理解人体的生理学模型，八大子系统的运行机制，以及人的意图和智能？
八个前沿技术挑战包括：
新接口，如何发展新的感知和控制能力，例如脑机和肌机接口、3D显示、虚拟触觉、嗅觉、味觉等；
新健康，如何连续、无感知地测量人的血压、血糖和心电，能否通过AI强人工智能帮助发明新的化学药、生物药和疫苗；
新软件，如何发展以应用为中心，面向价值与体验的高效率自动化和智能化软件；
新通信，如何接近和扩展香农极限，实现区域级和全球级的高效、高性能连接；
新计算，如何发展适应性与高效率的计算模式、发展非冯·诺伊曼计算架构与非传统部件、发展可解释和可调试AI；
新材料，如何通过AI帮助发明新的分子、催化剂和器件；
新制造，如何发展出超越传统CMOS制造的技术，达到更低成本、更高的效率；
新能源，如何发展出安全、高效的能源转换和储能，提供按需服务。