李善友教授说: 创新能力的本质就是发现不连续性。
连续性是人类思维里边一个去除不掉的隐含性的假设。从某种意义而言，就是这种隐含假设会成为思维的墙。
当遭遇不连续性的时候，人类的思维将会遭遇到一个窘境。就是一个很狭义的跨越非连续性曲线的一个创新。
当下人工智能获得突破的关键在于机器算法的深度学习，之前的深度学习受到存储技术与大数据的窘境，尚未发挥出人工智能深度学习的潜力。
又十年之后，第三波人工智能浪潮到来。这一次，人工智能终于集齐了算法、算力、数据三条腿，可以大展身手了。标志性的事件有两个：一是1997年“深蓝”击败国际象棋大师卡斯帕罗夫；二是2016年“阿尔法狗”击败围棋世界冠军李世石。看起来这两件事的性质差不多，但其实标志着人工智能的一次大转型。
“深蓝”代表着上一代人工智能，也就是专家系统。它是按照人类给它输入的规则进行运算和推演，靠强大的计算能力击败对手。而“阿尔法狗”代表新一代人工智能，也就是神经网络和机器学习。它根本不用人类教它怎么下棋，自己随便看看就自成大师了，还能自创人类经验中没有的新棋路。也许，在“阿尔法狗”看来，“深蓝”根本不算真正的人工智能。
这是因为，以深度学习为代表的人工智能需要的算力，和一直以来以冯诺依曼架构为核心的通用计算，有很大的不同。一方面，通用计算的很多能力，比如高精度计算、庞大的操作指令集，对深度学习来说是不必要的。深度学习需要的数据精度比较低、计算比较简单。
但另一方面，深度学习需要处理天文数字的海量数据，一个大模型中包含的参数，就可以多达2000亿个。这意味着，无论多么强大的芯片和机器都不能够单独完成计算任务，它需要用“异构”的方式把多个算力单元叠加在一起。换句话说，未来人工智能算力拼的不是单个芯片的独立性能，而是海量芯片相互之间的通信能力，而这是传统的计算架构不擅长的。这意味着，人工智能的真正崛起，需要从底层去重构“根技术”。
可见，非连续性突破是技术创新的拐点。