第三是探索适应目标与环境的计算模式与高效实现方式，从而更好认知世界、解决问题、创造价值。例如针对统计相关人工智能（AI）计算模式不可解释、不可调试以及能效的难题，是否可以向生物界学习？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，但是却能够做很多复杂的事情，例如筑巢、寻找食物、养蚜虫等等。目前自动驾驶汽车还需要几十瓦甚至几百瓦能耗来进行计算，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？
第四是突破香农定理的假设，在更大的时空中发展信息通信。未来真人级全息通讯、自动驾驶都将产生海量数据，而目前的5G网络远远达不到这个容量。对于这些挑战，在理论上，如果假设这个世界是有先验知识、有记忆的，就可能跳出香农定理的限制；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。这些技术如果嫁接到无线和光领域，就可以成千上万倍提升通信性能。
在四大科学假设和商业愿景之上，周红还提出了面向未来的10个问题和挑战，包括机器如何认知世界，能不能建立适合机器理解世界的模型？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？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？如何通过智能计算发明新的分子、催化剂和器件？如何发展出安全、高效的能源转换和储能，提供按需服务等等。
“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。”周红掷地有声的话语中透露出信心和力量。
集聚世界级人才 探索世界级难题
|
