3月1日，在2022年世界移動通信大會上，華為輪值董事長郭平表示，華為正在努力實作三個重構，包括基礎理論重構、架構重構、軟體重構，這三個重構将支撐ICT行業長期可持續發展。
郭平說，數字化和碳中和，是當今世界的兩大重要課題，對于ICT的未來影響深遠。全球數字經濟高速發展，有預測稱數字經濟今年占GDP的比重将超過50%，數字化需求超出預期。反觀供給側，香農定理和馮諾依曼架構已遇到很大瓶頸。是以，我們需要探索新理論和新架構，支撐數字可持續發展。
基礎理論重構，逼近香農突破香農
郭平說：“聯接的密度乘以計算的精度，就是數字經濟的強度。但現在我們不隻需要強度，還需要長期活力。是以，我們需要多考慮一個次元，即碳減排的力度。為實作這一目标，華為将大幅增加對根技術的戰略投入，我們将和夥伴一起努力，努力重構技術底座。”
郭平說：“我們知道，信道容量已經接近天花闆。華為持續探索新一代MIMO和無線AI等理論與技術，進一步逼近香農極限，同時研究語義通信等新理論，嘗試超越香農極限，為通信打開更為廣闊的發展空間。
香農定理認為，一個信道中，也就是在某段頻譜資源内，能夠傳送的資料量是有極限的，從第一代移動通信到第五代移動通信，信道編碼的方式換了又換，目的就是提高頻譜的利用效率，向香農極限靠近，現在已經十分逼近于香農曲線的極限值，産業繼續發展面臨理論基礎的天花闆。
是以，華為在軟體算法方面研發新一代MIMO技術、無線AI等技術來進一步提升無線裝置的收發效率，逼近香農極限。無線AI技術是通過人工智能重構無線網絡的實體層設計、信道譯碼和信号檢測、智能排程，提升無線信号的傳輸效率，應對未來的無線資料浪潮。
要突破香農定理，就要拓展新的理論，比如語義通信。
語義通信通俗一點說，就好像電視劇裡特工密碼發報一樣，發很少的位元組，傳複雜的内容。通信雙方憑借本地的語義知識庫，隻傳很少的資訊基礎上，各自分别編解碼，來傳複雜龐大的資訊。面向未來，進入元宇宙時代以後，會有大量的視訊，大量AR VR，尤其是遊戲裡的AR VR，可能一個渲染，一道光刀的畫面，原本需要傳輸大量的資訊，但是語義通信可以實作，在傳輸的一端發送簡單的語義資訊說需要有一道光，接收端或者說解碼端，它根據語義知識庫，就可以直接把那道光給渲染并呈現出來了。
原圖、語義編碼重建圖、現有編碼重建圖（H.264碼）
可見，語義通信可以極大地減少傳統的通信信道傳送的資料量，但基于語義知識庫，解碼後的表現力依然豐富。未來，華為可能從語義通信方向去突破和超越香農資訊論的架構，向更廣闊的空間發展。
架構重構，突破馮諾依曼架構
郭平表示，無線通信依然面臨高頻、超大帶寬、超高速等重大技術挑戰，華為積極探索新技術以重構架構，比如引入光電融合技術，解決關鍵問題，并突破未來晶片面臨的工藝瓶頸。
華為在無線和光領域都是世界級技術水準，光技術天然可适用于高頻，在無線網絡向大帶寬、高頻段、超高速方向演進中面臨的一些技術難題，可以通過無線與光的融合獲得突破。
無線網絡的頻譜越來越高，從2G時期的1GHz頻率以下向3G的2GHz頻率以下、4G的3GHz頻率以下、5G的6GHz頻率以下不斷提高，在新的演進中，毫米波把頻譜提高到了20GHz頻率以上。高頻帶來的益處是大帶寬、高速率，這對天線和基站等無線裝置的處理能力提出越來越高的要求，而光與電融合處理的技術就能滿足這樣的要求，超越現有架構帶來的限制。
未來的無線AAU射頻部分和BBU基帶部分中，大量的晶片都要做複雜的信号處理，普通電晶片難以完成處理。第六代移動通信的頻段，專家普遍認為會使用毫米波的高頻段，在幾十GHz頻率以上甚至達到太赫茲，傳統射頻技術難以支撐，因為沒有辦法實作數模轉化。而光的頻譜本身很高，是以天然的對高頻無線信号的處理會有巨大的優勢，模拟視訊信号可以直接上光。
比如随着無線速率越來越高，傳統CPRI接口難以滿足要求，ROF(Radio Over Fiber)使用模拟信号直接在光上傳輸，可以簡化基站架構、減少能耗，是支撐CPRI演進的潛力技術，最早實作這種架構方式的突破，可以期待華為。
郭平說，計算架構的目前沖突是AI、大資料應用蓬勃發展，而傳統計算架構仍然是“以CPU為中心”。為了解決這一沖突，華為正在設計“對等”架構，讓GPU、NPU等能夠更好支撐全球AI業務的發展。
“以CPU為中心”，正是長期主導CPU微架構設計的馮諾依曼架構，這一架構最重要的特征是計算和存儲功能分離。目前大量新應用湧現，AI、大資料是計算的中心，而擅長處理整型、浮點運算的傳統CPU并不能很好地處理這類應用，而GPU、NPU及新硬體卻無法直接通路記憶體、存儲。是以，華為提出的重構計算架構，就是從原來的CPU中心架構更新為對等架構，讓更擅長運作AI軟體的GPU、NPU等主晶片可以充分發揮效用，支撐大量的AI軟體運作。
在傳統架構中，計算機有CPU中央處理器，所有任務都由CPU來下達指令任務給各個處理器去執行，而華為正在設計的以AI為中心的“對等”計算架構，可以打破CPU瓶頸，把CPU的中心地位弱化，通過新的架構把記憶體和硬碟連接配接起來，充分發揮各處理器的性能潛力。這個架構創新，能夠解決大量的AI應用、大資料應用對計算架構帶來的巨大壓力。
軟體重構，實作以AI為中心的全棧軟體重構
“面向未來，随着AI的爆發，對算力的需求急劇增加，但是硬體工藝進步放緩。”郭平說，“為此，我們提出了‘軟體性能倍增計劃’，比如：無線小區數和排程使用者等關鍵名額已認證軟體優化提升了一倍；我們将通過鴻蒙、歐拉更有效地發揮多樣化硬體的算力潛能；通過Mindspore架構，幫助科學家、工程師們提升開發效率。”
目前，AI需求爆發性增長，以AI為中心，結合大資料、HPC等的混合計算正在成為應用的主流。華為的軟體重構則是實作了以AI為中心的全棧軟體重構。
在作業系統層面，華為通過歐拉和鴻蒙兩個作業系統可以直接連接配接鲲鵬和昇騰中的多種計算硬體，将各自算力充分發揮出來。通過這兩個作業系統，能夠很快速的做任務分發。華為通過從上到下的軟體重構，可以支撐未來大量的 APP，尤其是AI和大資料的大爆發。
在軟體工具層，通過計算架構解決大規模異構并行計算，比如AI和大資料并行、AI和HPC并行的問題，讓開發者忽略AI、HPC等所采用的多個架構之間的複雜關系，開發AI變得更容易。針對AI的開發，華為的Mindspore的目标是為資料科學家和算法工程師提供設計友好、運作高效的開發體驗，在整體支援業界主流Pytorch、Tensorflow的基礎上，重點提升Mindspore，使開發更加高效。
郭平說，我們知道，隻有軟硬體充分協同的産品才能真正帶來良好的使用者體驗。在ICT産品開發中，我們也在踐行這一理念。比如：基站AHR Turbo算法的精進，使MetaAAU實作了性能節能雙優；全息圖光學算法突破後，OXC實作了全光“一跳直達”。而華為持續的根技術投入，将逐漸在産品競争力上得以展現。