上个月有一篇新闻报道，我们用数据挖掘的算法和模型，成功帮助江苏的协鑫光伏（全球最大的光伏切片企业）把整个生产线的良品率提升了一个百分点，每年创造上亿元人民币的价值。大家可能会问，这个问题跟人工智能有什么关系，感觉就是一个很经典的质量管控问题。

　　其实我们做的跟原来用统计的方法做的事情是完全不一样的，今天在这个生产线上有几十个环节，上千个参数，而且是实时在线收集的，所以他的数据量已经超过用经典统计方法可以分析的力度。在复杂性方面，有离散性变量，有连续性变量，采集的变量之间还带有一些强依赖性，有冗余性在里面。更重要的是，它需要做实时在线的分析，及时发现异常实时反馈控制这个生产线。

　　用人工智能怎么解决这个复杂问题呢？首先我们要把这个生产线抽象为一个神经元模型，就是一个神经链路有多个功能区链接在一起，你可以认为是某一种认知行为的一个特征路径。在这个特征路径上面，每一个环节到下一个环节，都传递的是一个信息，而在光伏切片当中传递的是一组参数，以及这个物件用这样一组参数我切割下来的这个产品，他到了哪个阶段，然后传递到下游去，所以他传递的信息是通过物件，就是它切的那个光伏的板块来传递的。

　　所以当我们把切割的流程抽象为一个信息传递的流程的时候，后面的分析就变得很自然了。它就是一个信息流，它的异常以及这个信息流上的关键节点，哪几步是最关键的，对整个信息完整的表达是最至关重要的，我们通过历史的海量数据去挖掘，在云计算的大数据平台上去挖掘，是能够发现这个最关键节点，也就是对应了在这个生产流程当中最关键的工序，它有几十道工序，是第几道工序，在对应关键节点的工序上，他最优的参数控制应该是什么样，又是另外一个问题，就有点像我们刚刚讲的调节信号灯一样的。

　　协鑫的这个案例其实他代表的是一类看上去非常传统的制造业，尤其是流程制造业，包括半导体流片、印染企业、钢铁都是流程制造企业，他们都可以抽象为一种信息流，有不同的节点，那么怎么样从海量的历史数据当中，去发觉在这个信息流当中最关键的节点，以及每一个关键节点里面他最优的参数控制，我们今天找到一种解法，所以协鑫的这个实践其实是具有很强的行业辐射性。

　　基础理论实现突破的希望——量子计算

　　前面讲的都是我们基于要做大脑，要做认知，要从信号的传递、网络流传递这个基础性的物理过程上来解题，找到一些实战的应用案例。那么再从实战回归到到基础性的理论研究上，我想我刚刚给大家展示的那些文章、图片，都是很多年前我做的，肯定已经是不充分的，不够用了，只是一个抛砖引玉。今天如果在基础理论上我们要突破，方向在哪里？

　　可能大家听得最多的是谁谁谁开源了某一个平台，这个年代，我们不缺平台，我们缺的是思想，我们缺的是算法。更重要的是我们缺少原创性的算法和理论。在科学和技术这两者的结合上，其实今天有相当多的公司，包括从业者们，更看重的或者更加关注的是那些技术上的发展，谁谁谁开源了一个平台，把计算效率提升了多少，当然这个非常重要，但是为什么深度学习的理论，包括神经网络的理论，不是在中国创造出来的？我们有没有机会在下一轮的人工智能的理论发展上，或者脑科学的发展上，互联互通的人工智能发展理论上，做出一个开创性的成果？我觉得有可能。这个方向在哪里？在量子计算。

　　下面这张图是跟我今天要讲的核心思想“互联互通的人工智能”紧密相关的一张图片：

　　（以下全文仅限钛媒体专业用户开放，点击链接：注册钛媒体专业版）

　　……

　　……

　　……

　　今天我们要问一个问题，当量子计算机哪天成功的实现了之后，我们今天那些吹得很厉害的算法还有多少能够跟它相比，或者说能够改造为用量子位来表征的算法？究竟能带来多大效能的提升？