12月26日下午，中国工程院院士邬江兴在复旦大学大数据研究院举办年度学术报告会，围绕“iNEST理论与介观尺度智能涌现范式”作专题演讲。来自校内外的80余名研究生、本科生及教师代表齐聚一堂，共同探讨人工智能领域的颠覆性创新路径。这场题为“智能从何而来——介观尺度下的非线性革命”的报告，首次系统阐述了基于时空协同复杂度的智能涌现理论体系，为破解当前AI算力困局提供了全新解决方案。
报告开篇，邬江兴院士以一组震撼数据揭示当前AI发展的深层危机：全球AI算力需求正以每3.4个月翻番的速度激增，预计6年内增长30万倍，而硬件性能提升却陷入线性增长困境。他以GPT系列模型为例，指出从GPT-3到GPT-4参数规模扩大10倍的同时，训练成本飙升22倍，暴露出传统算力堆砌模式的不可持续性。“单纯增加晶体管数量犹如垒砖造楼，当物理极限逼近2nm阈值时，量子隧穿效应和功耗墙问题终将终结这场游戏。”院士的比喻引发全场深思。
在剖析人脑与智算系统的能效鸿沟时，邬江兴院士展示了一组令人警醒的对比数据：拥有860亿神经元的人脑仅需消耗20瓦能量，而支撑GPT-3运算的万卡集群功耗堪比小型水电站。这种生物脑以灯泡能耗实现超级计算，硅基系统用人脑能耗仅达专用智能的悖论，直指当前架构设计的根本缺陷。院士指出：“问题的症结在于连接方式，简单的单元堆砌无法产生质变，就像H2O分子无论排列成冰、水还是蒸汽，只有改变连接模式才能引发物性剧变。”
深入阐述iNEST理论体系时，邬江兴院士创造性地提出“时空协同复杂度（CST）”概念，构建起包含空间复杂度（Sc）、时间复杂度（Tc）和协同系数（Γst）的三维评估模型。他通过小世界网络拓扑结构图示，生动演示了临界状态下局部扰动如何引发全局响应的相变过程：“当系统处于有序与混沌边缘时，突触可塑性带来的毫秒级学习能力与长程关联形成的指数级放大效应完美耦合，这正是生物智能涌现的物理本质。”
邬江兴院士指出所谓介观尺度工程，即软件定义晶上系统，可以同时满足复杂网络的4个外在表征，高密度连接、高维度、大规模、动态可塑。目前集成电路能满足高密度、高维度，甚至动态可塑，但是无法满足大规模。所以说传统路径上算力的规模扩张（Scaling Law）不可能获得智能涌现，依赖先进制程、能效瓶颈、边际递减结果也不可能获得智能涌现，没法弥补算力剪刀差。关于iNEST，邬院士指出有三大特性，第一个是可测量性，即给定一个系统就可以用iNEST来测；第二个是可预测性，基于网络拓扑和动力学特性，可精准预测系统的智能上限与演化趋势，指导系统设计。第三个是可验证性，提供标准实验方法与检验标准，具备科学理论的可证伪性，打破智能定义的循环悖论。
关于智能是协同涌现而非线性叠加，邬院士指出要超越还原论的线性加和视角，将智能视为网络时空协同作用下的非线性相变产物。第一，非线性互作用（Non-linear Interaction），微观单元间的耦合效应创造出全新的宏观秩序。只有非线性才能产生新的物质，线性不可能产生，线性就是量变，非线性可以产生质变。第二，整体大于部分之和（The Whole > Sum of Parts），说明单一神经元是无智能的，网络协同产生思维与意识。第三，不可加性（Non-additivity），简单的数量堆积无法跨越智能涌现的门槛，通过晶圆级时空重构触发相变。
针对技术实现路径，邬江兴院士重点介绍了晶上系统（SoW）与软件定义互连（SDI）两大核心技术突破。“通过晶圆级异构异质集成，我们在单一衬底上实现了10⁹级神经元规模的超大规模互连网络，通信延迟降至纳秒级，能效较传统GPU集群提升三个数量级。”实验室数据显示，基于iNEST架构的原型系统在图像分类任务中展现出类脑能效特征，验证了理论的可行性。
展望未来，邬江兴院士描绘了激动人心的技术蓝图：2028年实现10⁸级节点规模的晶圆级异构异质集成，2031年突破通用智能阈值（RI≥π），2035年迈向超级智能（RI≥δ）。他特别强调：“中国AI发展必须走出‘跟跑’思维，通过架构创新实现换道超车。iNEST理论的最大价值在于，让我们首次看到在不依赖先进制程的情况下，用成熟工艺构建一流智能系统的可能性。”
这场报告不仅为破解AI算力困局提供了全新范式，更彰显了中国科技工作者在基础理论研究中的创新勇气。正如邬江兴在总结时所言：科学的每一次跃迁，都源于对第一性原理的深刻回归。人工智能正告别盲目堆砌算力的暴力美学，迈向可预测、可解释的理论新纪元。愿复旦学子敢于挑战这一“无人区”，在介观尺度的晶上世界里，重构智能涌现的物理根基，为中国换道超车贡献青春智慧。
