10月22日上午，清华大学智能产业研究院院长、清华大学“智能科学”讲席教授张亚勤博士在中国计算机大会（CNCC 2020）上作了主题为《智能产业新浪潮》的特邀报告。

回顾数字化现象的历史

张亚勤博士首先回顾了数字化现象的历史。

数字化1.0：内容的数字化

第一波数字化在八十年代中期至九十年代，主要包括语音、图片、视频和文档。

数字化2.0：消费者互联网与企业的数字化

第二波的数字化从九十年代中期就开始了，由于内容的数字化加上消费者互联网的产生，经历了好几波浪潮。从搜索（Search）、到社交（Social）、电子商务（E-commerce），包括时下的共享经济（Sharing economy）、通信（Communications）、数字货币（Digital Currency）和移动支付（Mobile Payment）。

与此同时，企业也不甘示弱，进行不断的细化与革新，包括客户关系管理（CRM）、供应链（Supply Chain）、商业智能（BI）、数据库和云计算等。

已经到来的数字化3.0：物理世界的数字化

物理世界的数字化，具象来说，生活中的车、船、飞行的器件在数字化，道路上的交通灯，人们生活的城市、每一个家庭在数字化，工业车间、工厂、电网、机器都在数字化；物理世界和数字世界逐渐形成一对一的映射。

物理世界的数字化有两个显著的，不同于前两个阶段的特点：一是产生的信息量巨大；例如自动驾驶，每辆车每天产生的数据量约为3TB。二是数据分析的决策者不同；以后的数据90%以上的信息不是给人看的，而是给机器看的。

张亚勤博士用下面这张图展示了人工智能领域的几个起伏点，从逻辑推理到专家系统再到机器学习/深度学习，从当年的AlphaGo到AlphaMaster，再到AlphaZero实现三大棋类游戏的零基础自我对弈。

在深度学习方面，经过这十几年的研究和应用，也已经到达了一个稳定期，包括LSTM、CNN、GAN、BERT等的发展，在语音识别、人脸识别、物体识别等领域已经达到了和人类相近的水平。现在主要的发展靠不仅是算法，更多是靠计算；在研究方面算法方面还有一些可挖之处，但是已经到了一个相对的平台期。

如何突破香农、冯诺依曼、摩尔瓶颈

传统计算与通讯范式的三个原理即香农定律（Shannon’s limits）、冯诺依曼架构（Von Neumann Architecture）和摩尔定律（Moore’s Law）。

一、香农定律（Shannon’s limits）

在信息论中，香农-哈特利定理指出了在存在噪声的情况下，信息可以通过指定带宽的通信信道传输的最大速率。这是有噪信道编码定理在连续时间模拟通信信道中受高斯噪声影响的原型情况中的一种应用。

该定理建立香农的信道容量为这样的通信链路，结合在无差错的最大数量的信息可以与指定要发送每时间单位的带宽在存在噪声干扰的情况下，假设信号功率是有界的，并且高斯噪声过程的特征在于已知功率或功率谱密度。

二、冯诺依曼架构（Von Neumann Architecture）

冯·诺伊曼结构，也称冯·诺伊曼模型（Von Neumann model）或普林斯顿结构（Princeton architecture），是一种将程序指令存储器和数据存储器合并在一起的电脑设计概念结构。

其理论描述了存储程序计算机在体系结构上的主要特点（以运算单元为中心；采用存储程序原理；存储器是按地址访问、线性编址的空间；控制流由指令流产生；指令由操作码和地址码组成；数据以二进制编码）。

三、摩尔定律（Moore’s Law）

摩尔定律是由英特尔（Intel）创始人之一戈登·摩尔提出的。其内容为：集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍；经常被引用的“18个月”，是由英特尔首席执行官大卫·豪斯（David House）提出：预计18个月会将芯片的性能提高一倍（即更多的晶体管使其更快），是一种以倍数增长的观测。