李善友教授說: 創新能力的本質就是發現不連續性。
連續性是人類思維裏邊一個去除不掉的隱含性的假設。從某種意義而言，就是這種隱含假設會成爲思維的牆。
當遭遇不連續性的時候，人類的思維將會遭遇到一個窘境。就是一個很狹義的跨越非連續性曲線的一個創新。
當下人工智能獲得突破的關鍵在於機器算法的深度學習，之前的深度學習受到存儲技術與大數據的窘境，尚未發揮出人工智能深度學習的潛力。
又十年之後，第三波人工智能浪潮到來。這一次，人工智能終於集齊了算法、算力、數據三條腿，可以大展身手了。標誌性的事件有兩個：一是1997年“深藍”擊敗國際象棋大師卡斯帕羅夫；二是2016年“阿爾法狗”擊敗圍棋世界冠軍李世石。看起來這兩件事的性質差不多，但其實標誌着人工智能的一次大轉型。
“深藍”代表着上一代人工智能，也就是專家系統。它是按照人類給它輸入的規則進行運算和推演，靠強大的計算能力擊敗對手。而“阿爾法狗”代表新一代人工智能，也就是神經網絡和機器學習。它根本不用人類教它怎麼下棋，自己隨便看看就自成大師了，還能自創人類經驗中沒有的新棋路。也許，在“阿爾法狗”看來，“深藍”根本不算真正的人工智能。
這是因爲，以深度學習爲代表的人工智能需要的算力，和一直以來以馮諾依曼架構爲核心的通用計算，有很大的不同。一方面，通用計算的很多能力，比如高精度計算、龐大的操作指令集，對深度學習來說是不必要的。深度學習需要的數據精度比較低、計算比較簡單。
但另一方面，深度學習需要處理天文數字的海量數據，一個大模型中包含的參數，就可以多達2000億個。這意味着，無論多麼強大的芯片和機器都不能夠單獨完成計算任務，它需要用“異構”的方式把多個算力單元疊加在一起。換句話說，未來人工智能算力拼的不是單個芯片的獨立性能，而是海量芯片相互之間的通信能力，而這是傳統的計算架構不擅長的。這意味着，人工智能的真正崛起，需要從底層去重構“根技術”。
可見，非連續性突破是技術創新的拐點。