今天，ASPENCORE第二屆“全球CEO峰會”在深圳舉辦，峰會邀請世界各地行業領袖和創新巨擘一起探討新一輪技術沖擊下最熱門的技術話題，搜羅差異化的創新點，準確定義下一代電子產品。新思科技創始人Aart de Geus博士發表了《后摩爾時代，shift left搶占經濟先機》的演講。

以下是Aart de Geus演講的具體內容：

我們看到硅和軟件是兩個最重要的因素，打開萬物互聯的世界，因為它真的改變了我們，就像四五十年前計算改變我們的生活一樣，四五十年前我們也很難做到讓幻燈片進行演講的變化。作為演講者我就要學習不斷地適應這個變化。

我們人類的知識對技術的發展也是非常重要的。我們知道，智能的事情其實不是新的東西，我們可以幾百年前放到一些聰明智慧的東西，比如在很多年前，幾十萬年前我們就可以發現，如果回到幾千年前我們就出現了這些農用的工具，再回到之前，還有像我們這些農具、馬、車輪等等，我們就來到了現在的年代。

我們可以看到，在現代的年代，在后面近一個時代，摩爾定律還有數字電子，還有人工智能，讓所有的事情都發生了改變。他們都有著同樣的特點，就是他們給我們一種非常驚奇的事物出現，然后就得到我們一個工程學的應用。正如我們所看到的，我想給大家看的幻燈片沒有及時放出來，大家看到，這是一個閉環，然后通過這樣一種發展，進入了我們的科技經濟的反饋，最后經過融合，回到科技行業，然后最終形成一種指數級的影響。

之前我們也可以看到，它能夠應用到很多不同的領域，比如說能夠應用到我們生活里面的一些實際方面、生物的方面、生態的方面，還有我們的一些智慧知識方面，還有能夠應用到我們的社會方面，還有不同方面的中間領域。最重要的在里面我們可以看到，這是我們的印刷機的發展，有了印刷的發展，給我們人類的技術發展有很大影響。我們首先有字母的產生，然后有了金屬的活字，墨水、紙張，后來有的螺旋壓機，當然在中國很久之前就有印刷技術的出現了。但在歐洲，在公元前六七百年，我們中國就有了雕版印刷，在德國公元后1440年就有了德國的活版印刷。五百年之后，我們也看到了另外一種印刷技術，我們出現了一種印刷的技術，就是布爾字母和邏輯庫，然后又出現了平版印刷，電子設計和自動化產生的一種平板的晶體管，所以我們稱之為一個數字年代。所有這些集成到一個芯片里面，改變了我們的生活。

我們整個指數級是一個非常特別的，比如說像猛獸般一樣發展的情況，因為它發展得非常快，它發展那么快，就代表著我們很難回到之前的一些步驟里面。我從大家其中的一些項目里面看實際情況，在項目里面會不會有延誤的情況出現呢，還是經理是不是瘋了，他為什么這樣說你，但就算他瘋了，我們可能還是會有點延誤，因為我們知道，一開始的時候我們有很多不確定的東西，然后我們這些步驟逐漸地得到收斂，而我們要不斷地去解決中間的一些問題，我們要解決在我們整個過程里面有令人驚奇的東西出現，我們要不斷地解決這些讓人吃驚的問題。

在這里我們要解決幾個問題：第一個就是結果的質量，還有實現者結果的時間，還有整個實現結果的成本。當然我們希望有更好的結果的質量，能夠更快地實現這個結果，還有用更低的成本實現這個結果。

非常緩慢的來解決這些問題，然后你把它整個的曲線向左側推移，就變成這樣一個過程，已經在過去的50年的時間里，我們都在這樣做了，我們也在不斷地驗證這些觀點。我們之前提到的EDA就是電子設計自動化，在過去50年的時間里，我們在做的事情，我們把它如果輸入到電腦中，我們就能夠進行一些相關的抓取信息，然后建立模型，然后最后模擬進行分析，進行優化，然后如果你進行優化之后，就能夠進行自動化的操作，最后進行不斷地重復利用，產生IP。我們看到，很多主要的問題，我們看到有很多的推動力，非常有趣的是，我們可以說在這個領域有非常重大的關注和努力，我們進行設計電腦，我們就是用這樣的電腦程序來建立最先進的芯片。

經常來看，可以說成功僅僅是一部分我們努力所取得的成果，而不是全部，可能有的時候經過很多努力也沒有得到一個好的結果，比如說0結果，那就是合作的重要性，我們共同的突然，共同協作，你看到這一部分，我們不斷地在向前推動，我們看到AI人工智能的發展，我們抓取了數據。你把它在網絡中建模，然后學習，然后進行解碼，然后最后進行有限的行動，最后把它深化成一個自動的行為，這也就是可以被我們未來所用到這些東西。

你可以看到，經過這樣一些模擬建模，我們就通過建模，跟機器學習不斷地進行發展，我們就能夠了解和預估未來可能造成的失敗，來進行我們前面所提到的科技經濟的向左遷移的這一部分。就是這樣的一個演化，它就是一個復雜的科技經濟，我們把技術由原來的規模復雜性轉化成系統的復雜性。如果我們看這個系統的復雜，可以說摩爾定律是最重要的，需要我們不斷地設計我們最新的半導體和顯屏。可以說隨著半導體和芯片的不斷發展，我們看到很多電子產品不斷地進行連通，然后進行協調，最后變成不斷地發展。你可以看到供應鏈，供應鏈不斷地發展，更加獨立性，互相之間進行聯動，越來越發展。在汽車行業，可以說汽車行車在發生很大的改變。汽車工業不僅僅是一個系統的復雜性，而且還要面對很多的問題挑戰，比如說安全性等等。

現在我們在建設越來越多的未來的汽車，不僅僅是越來越方便，越來越快捷，而且是越來越安全，這就是我們未來的一個方向。可以看到這個汽車里面，基本上包含四到五個關鍵性的電子系統，你可以看到，首先要建立一些汽車的基本東西，然后建立網絡，在這所有的過程中，我們都需要有很多的東西，都需要芯片，這都需要花費時間。我們虛擬的模擬是什么呢？不僅僅是要使用這個芯片，而且要建立一個系統跟架構，然后建立一些模型，然后當你在這些方面做了之后，你把它發過去，他們就不斷地進行驗證，不管軟件硬件都要進行驗證，然后才能進行應用。因此我們有這樣的一個虛擬板和實物板，我們就要在這個過程中不斷地確認和了解，是否達到有效性和安全性。這也僅僅是一個例子，來說明一些我們剛才提到的內容，就是原型設計和樣機研究。對于人類最重要的就是來預測氣侯變化，而且要預測未來氣侯變暖對全球的影響。可以說這個問題是非常巨大的，涵蓋的內容非常地多，它有很多方面，在很多方面都造成相互的影響。如果我們看到系統的復雜性，你可以看到我們在1970年前，我們之間的模型是非常簡單的，而到了1980年代，就有一個發展，然后你可以看到，隨著時間的推移，氣侯的模型越來越復雜。你可以看到，第四步就是越來越復雜了。

我們在這個預測方面，非常地好，的確讓我們非常地奇怪，我們可以看到，很多細節的一些模型，你可以很好地預測出未來的發展趨勢，然后我們看到這些結果，我當時看到這些結果的分析并不復雜。你可以看到，這個全球范圍內的耦合器或模型，你可以看到在60年代、70年代、80年代、90年代，隨著時間的發展，數據的分析越來越復雜，而且越來越精確。你可以看到，2017年的還有最近的情況，氣侯預測與測量。你可以看到它可以很好地看到一些相關的指標，來預測一些氣侯性的世界性的特殊的事件發展。如果你能夠看到這些東西的話，你能夠看到這些分析，就能夠告訴我們，預測和測量能夠讓我們很好地了解到氣侯變化，還有全球變暖對我們全球氣候的問題，如果我們不把這些問題分析清楚的話，我們就沒有辦法解決這個問題。

我為什么要告訴大家呢？可以說通過分析這些東西，這些分析家是世界上最聰明，在這個行業最聰明的人士，他們在這些分析中能夠分析很多數據，能夠幫助到我們，不僅僅能夠推動我們技術的發展，我們也能夠了解到我們現在的產能是怎么樣消耗能源的。如果我們進行一些簡單的分析，一個相機的能源消耗，你可以可到一個普通的相機，消耗的能量是發電廠的產能，這里面僅僅是一個公式，你可以看到這個研究，你可以看到很多的數據，很多的能源，你可以進行很多的運算，都要涵蓋在這里面。

我們可以看到，里面有很多的一些計算，結果就是機器學習，機器學習實際上會消耗很多的能量，因此我們就需要設計更好的東西，就是消耗的能量更低。我們不斷地發展我們新的技術，不斷地促進這方面的發現，我們可以很好地應用。你可以看到很多東西都是起源于算法的，當我們談到融合的時候，我們可不可以把我們現有的一些技術能夠把它整合到一起，能夠把他們整合到同樣的算法里面，能夠提高它的有效性。

我給大家一個例子，在很多年前，我們努力建立一個計算機，很多計算機涵蓋很多處理器和存儲器，怎么融合呢，非常簡單有效，就是進行架構的創新，這是關鍵要素所在。

這是至關重要，我們就要把這些進行創新，把他們融合在一起，在設計芯片的時候，我們也要有類似的問題需要回答。我們需要有很多的步驟采取。比如說架構，還有模擬，還有整合，還有測試，還有時間，還有功率，還有進行整合等等的一些內容，最后達成整個的過程。剛才我們提到了緩存。我們可以看到，這是我們1995年以來，在計算機設計方面等等一些方面所取得的很多的進展和融合。

對我們來說，我們能不能在這兩方達成融合，就是通過團隊合作，答案是對的，我們可以的。我們必須要進行這方面的一些工作，我們必須一步步地來，做重要的合成，然后并且根據它的路徑和路由器等等進行整合，最后我們把它整合在一起，并且仔細地看看里面的算法，并且通過前面的一些架構的創新，來達成融合編譯器。我們在這些工作做了之后，我們就知道了，我們能夠做到哪些東西，我們把它們能夠融合起來，能夠不斷地增加設計步驟的速度，可以說能增加100%，也就是原來的兩倍多，并且能夠使得它的響應時間更快，它使用的功率更加小，并且占據的產品空間越來越小，就是產品越來越精巧。而且我們也在這方面加進了很多人工智能的步驟，來達成更好的最后結果。

當然，最后就回到了我們經常談到的一個課題，就是人工智能AI，它在我們人生的方方面面都離不開人工智能，這所有的東西都先要開始談一下融合，我們實際上最偉大的一個融合機器就是我們的大腦，首先就是邏輯思維，還有進行分析。也還有一種學習的模式，能夠讓我們不斷地學習新的東西，人腦是人類出現最偉大一個合成融合的機器。如果我們進行比較的話，如果我們把人工智能與人的大腦自然智能進行比較的話，我們就能夠看到這樣一個發展過程，從1997年相關的圍棋、象棋，還有2015年的一些游戲等等東西。有一天它發展到一定階段，可能把你們的母親都可以替代掉。但我們可以想一下，我們的媽媽是一個只需要使用12W功率非常聰明的一個人。所以我們在人的大腦里，有一個非常非常深入的人工智能，要很多年才可以真的達到那種高的水平。我們可以看到，在其中有多種能力去驅動人工智能的發展，比如包括機器學習，還有通過物聯網，讓我們得到很多的大數據，我們經濟的利益也讓我們能夠進入到垂直的市場里面，每一個垂直的市場都能讓我們的AI有非常迅猛的發展。

這幅圖的比例是有一點點不太對的，我跟你說一下，我們對我們的半導體是非常自豪的，但我們看一下我們今天的半導體，其實整個市場量只有5000億的規模，我們看整個的軟件我們還不知道有多少萬億，但我們在之前看整個GDP，有85萬億這么多，所以我們怎樣把這個半導體在里面的貢獻額更加地提高呢？因為現在只有5000億這么小。我們可以看到，在整個解決方案里面，市場規模可以達到10萬億那么多。所以通過我們的摩爾法則的拉動，能夠讓我們整個半導體市場的規模變得更高。所以通過這種拉動，能夠讓我們的科技和經濟有非常大的發展。

我們可以想一下，整個的規模有不斷的發展，然后可能成本會越來越高，但整體通過這樣一種半導體芯片體積的壓縮變小，還有不斷的變薄。我們還可以把它們堆疊在一塊，拉在一塊，我們可以看到，在這樣一個小的芯片里面，里面可以包含12000億個芯片組，晶體管等等。然后在里面有非常多層，可以把這么多的芯片提供到我們不同的運營商他們使用。

我最推薦的就是第三樣，我們要讓芯片變得更加專業化，用到一些具體的行業和領域里面，然后再從中建立全新的架構。在中國很多公司正在構建下一代AI的架構，他們每個公司都說，我們在做的是最好的，前所未有最好的一些芯片。當然在這里我們也面臨一些挑戰，我們可以看其中一個就是要用的能耗，比如損耗的能耗，動態的電能，還有大多數的能量，我們所需要的都是熱能，還有一些人類所需要用的能量。在里面安全也對我們整體的流程產生一個影響，也對我們的安全還有我們所期待的可靠性也會有影響。當然，最后也會考慮到我們的隱私。

所以這些目前都是在軟件領域去解決的，軟件其實整個的發展流程跟整個硬件的流程其實是一樣的，我們一開始的時候，就想要去完成這個軟件，在我們去完成這個軟件之后，我們很快就會做完這樣一個過程，因為我們有一些開源的代碼，我們還需要去檢查它的安全性，如果我們找到問題就要解決這個問題，如果我們找到更多的問題，我們要不斷地去解決它。我們會用很多的開源，可能會讓我們提高更多的效率，但開源也會產生數據泄露的問題，所以未來應該怎樣解決這些問題呢？我們應該在整個流程過程的最前端就開始介入。當我們再去開發的時候，我們在不斷地開發過程中，要把這些問題都解決掉。有時候通過一些電子的學習，比如可以開發一些軟件測試，去發現問題，然后進行直接驗證，我們也要驗證所有的開源，沒有任何問題，然后我們也要得到一些許可，去遵守這些許可。所以這就是我們所說的向左推移的流程。

所以在我的演講里面說了很多的主題，由于我的控制器不太靈光，讓大家覺得有點卡頓，但我希望在我這里在分享的概念，智能互聯關系著很多方面，它關系到我們整個指數級的發展，也關系到每個領域里面都要做向左推移的控制和管理。我們也看到了，調整我們有關結果控制的，比如說包括質量、時間和成本的調整。我們也可以看到，我們面臨了很多挑戰和驗證的問題，我們也要打造很多的原型和樣本。我們要處理很多我們需要用到的這些能量，還有我們要去處理安全、隱私、可靠性等等問題。對我來說最有趣的一個解決方案就是，這讓我們有機會去改變我們過去很多事情的一些架構，為了要能夠做到這一點，我們這個圖是最重要的，在這個圖片里面，它不僅僅是有關我們整個努力的結果，而是有關我們整個產品本來的概念。所以通過我們這樣一種協作，協作就是整體的核心。

我們已經來到中國25年了，我們希望能夠跟中國很多初創的企業合作。謝謝非常您！