据媒体报道,华为参与欧盟旗舰研究和创新计划“展望欧洲”(Horizon Europe)的11项专案,该计划将持续到2027年,预算为955亿欧元。其中,华为参与的11个项目包括人工智能(AI)、6G、云计算、量子传感、连接以及自动驾驶框架在内的技术,每项最多获得14%资金,华为合计拿到389万欧元资金。
在如今的大环境下,不得不说,华为纯粹凭过硬的技术实力拿到了欧盟的这些项目。其中,我们看到,除了AI、6G等华为被公认的技术强项外,华为竟然还参与了量子传感的研究。
事实上,华为多年来重视传感器技术的研发,以及未来感知技术在6G、AI等方面发挥的作用。早在2018年,华为在就在法国成立了主攻传感器和感知算法研发的研究中心;华为进入智能汽车/自动驾驶领域以来,研发了激光雷达、毫米波雷达等全栈感知传感器。
这家中国最顶尖的科技企业——华为,认为未来传感器等感知技术将发挥什么作用?未来传感器将面临什么挑战?传感器技术将往哪些方面发展?
此前,华为战略研究院院长周红博士的演讲中 ,对这些问题进行了探讨,本文为该演讲全文,或许有所启发。周红博士指出“我认为21世纪将是人类社会全面走向智能化的时代,智能化的核心是感知、连接和计算,以及由此带来对物质和现象、生命和能量等的更高认知和掌控能力。”
以智能化时代和感知、连接、计算为核心,周红博士提出了四个科学假设以及面向未来的10个问题和挑战,其中,“新的感知和控制能力”、“拓展感知极限”、“如何连续、无感知地测量人的血压、血糖和心电”、“发展超越传统CMOS制造的技术”等方面均涉及到传感器技术的应用和研究,可见华为高层对未来传感器技术的重视和战略发展眼光。
专家档案
华为战略研究院院长周红演讲全文:
很高兴有机会和大家探讨面向未来的科学假设和商业愿景。
我们知道,18世纪是机械化时代、19世纪是电气化时代、20世纪是信息化时代,那么21世纪会是什么时代呢?
我认为21世纪将是人类社会全面走向智能化的时代,智能化的核心是感知、连接和计算,以及由此带来对物质和现象、生命和能量等的更高认知和掌控能力。
在走向智能世界的路上,我们面临着巨大的挑战,一方面,幸福生活、高效工作、绿色环境还需要感知、连接和计算提升成百上千倍能力,另一方面,在相关科学与技术上,过去的几十年中都没有大的突破,甚至已经接近瓶颈,怎么才能创造可行的发展路线?
我认为,面向未来,只有大胆提出假设、大胆提出愿景,敢于打破既有理论与技术瓶颈的条条框框,才能大踏步前行。
1、数字技术极大丰富了人类的工作与生活
除了生活中所需要的ICT技术,我们也在过去10年中,与很多行业进行联合探索,看看ICT技术能不能帮助或者是怎样帮助行业发展。
例如,我们与汽车公司、电信运营商一起,在高速公路上进行试验,大家知道,人工驾驶的反应速度是以秒为单位的,我们通过在汽车之间、以及汽车与网络之间建立10毫秒级的高性能连接,帮助将紧急事件的检测和反应能力提升上百倍,在100公里时速下,可以将人工驾驶所需要的几十米、上百米的安全距离,缩小到0.8米,从而极大地提升高速公路的车流量与安全性,同时可以支持组队行驶减少风阻,节省20%左右的油耗。
车联网还可以支持远程驾驶,创造新的作业模式与服务模式。
我们也在城市环境中进行试验,通过超视距的车联网、车路协同,有可能提升30%通行效率、减少90%交通事故。
今天,在工厂、在医院、在港口、在煤矿,ICT技术正在深入千行百业,使能行业数字化、智能化转型。
2、人类对未来的追求永无止境
比如人的健康与幸福,通过穿戴式传感器、无线通信与云计算,可以更好地支持运动健康和慢性病的管理,AI计算还能帮助进行药物和疫苗的快速设计和高效筛选。
ICT技术可以支持无处不在的自动和智能机器,从而提升人们的生活质量,提高各行各业的作业效率。
ICT技术可以帮助建设绿色可持续发展的环境,例如进行高效的能源变换和调度、设计低成本、高效率的能源转换催化剂、储能材料。
在虚实融合的数字世界上,ICT技术还能帮助建立“远在天边、近在眼前、身临其境”的体验,丰富人们的生活、帮助人们学习成长、帮助各行各业在数字世界快速迭代改进等。
3、全球数字化超越“十年百倍”的发展
例如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,在10年时间中增长超过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。
面向未来,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。
从另一方面,我们也看到,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,我们提出面向未来的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。
一:拓展认知的边界,物质与能量、现象与规律
有一次,我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的时候没人相信,大家可能会想,能用一个瓶子把光存起来吗?存储量子的操作不会影响它的状态?直到1998年,哈佛Hau等人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。2006年帝国理工的Pendry等人提出可以用类似“光子黑洞”的思路来束缚住光,让其无法离开。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,我们和科学家合作,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。例如采用USPEX计算方法,目前用100万核时的算力,可以计算出小于200个原子组成的分子的主要特性。2017年,科学家通过计算发现了超硬五硼化钨的结构,解决了困扰科学界近60年的难题;2019年科学家通过计算,发现了十氢化钍在85万个大气压的情况下,具有惊人的高温超导性,临界温度达到-112摄氏度。
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。
二:拓展感知极限,更好地了解世界和人类自身
在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,我想自动驾驶汽车是不是正好需要这种眼睛?
同样的还有青蛙眼睛,是高灵敏度的单光子接收机,可以在黑暗的环境下看的更清楚。
在嗅觉上,狗鼻子分辨气味的能力超过人类1000倍。
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。
我们也可以发展虚实融合数字世界新的体验,例如3D显示和虚拟触觉,以帮助在数字世界中“看得真、摸得实”。
三:探索新的计算模式与实现方式,认知世界、解决问题
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?我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,小小的蚂蚁大脑一般只有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。因此在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?
四:突破香农定律的假设,在更大的时空中发展信息通信
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?
5、打通科学假设与商业愿景,创造知识与价值
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。
6、面向未来的10个问题和挑战
第一个科学问题是机器如何认知世界,能不能建立适合机器理解世界的模型?
第二个科学问题是如何理解人的生理学模型,尤其人体八大子系统的运行机制,以及人的意图和智能?
前沿技术挑战包括:
1.在人机接口上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、味觉等等
2.在健康上如何连续地、无感知地测量人的血压、血糖和心电?能不能通过AI强人工智能帮助发明新的化学药、生物药和疫苗?
3.在软件上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?
4.在通信上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?
5.在计算上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?
6.在材料上,如何通过AI帮助发明新的分子、催化剂和器件?
7.在制造上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?
8.在能源上能不能发展出安全、高效的能源转换和储能,提供按需服务?
7、最大的力是合力,最强的智是众智
今天,我们对数字技术的所有想象都是保守的
我们现在对于未来的所有想象可能都是保守的,因此我们要更加勇敢,希望能和学术界、产业界一起,重构基础理论、重构架构、重构软件,共同探索、开创未来!
谢谢大家!
您对本文有什么看法?欢迎在传感器专家网本内容底下留言讨论,或在中国最大的传感社区:传感交流圈中进行交流。
阅读全文
推荐器件
器件型号 | 数量 | 器件厂商 | 器件描述 | 数据手册 | ECAD模型 | 风险等级 | 参考价格 | 更多信息 |
---|---|---|---|---|---|---|---|---|
ACS711KLCTR-25AB-T | 1 | Allegro MicroSystems LLC | Hall Effect Sensor, Rectangular, Surface Mount, ROHS COMPLIANT, MS-012AA, SOIC-8 | ECAD模型 | $3.27 | 查看 | ||
DS18B20+T&R | 1 | Maxim Integrated Products | Serial Switch/Digital Sensor, 12 Bit(s), 0.50Cel, Rectangular, 3 Pin, Through Hole Mount, LEAD FREE, TO-92, 3 PIN | $3.53 | 查看 | |||
MPXV5004DP | 1 | Motorola Mobility LLC | DIFFERENTIAL, PEIZORESISTIVE PRESSURE SENSOR, 0-0.56Psi, 2.5%, 1-4V, SQUARE, SURFACE MOUNT, CASE 1351, 8 PIN | $15.78 | 查看 |