计算机技术的发展得益于摩尔定律，但也受害于摩尔定律。CPU和计算机性能的不断提高，解决了某些过去不容易解决的问题，但同时也掩盖了计算机科学中的一些基本矛盾。芯片和计算机性能的提高已遇到功耗、可靠性和成本三面高墙。并行处理不是万能药，一味从提高计算速度上找出路不是明智的选择。现在应该反思计算机科学是不是走错了路，应不应该探索革命性的突破。

不应以“化简为繁”为荣

计算机界普遍认为，计算机科学是“算法的科学”。我认为，成也算法，败也算法。计算机科学有两个基础理论：可计算性和计算复杂性。可惜，学可计算性的人主要兴趣在证明某些问题不可计算，学计算复杂性的人主要兴趣在证明求解的问题是NP困难问题。计算机界并没有在化繁为简方面下大功夫。

电子工程学真正帮助了设计，如芯片设计EDA大大提高了芯片设计的效率。但计算机科学并没有大大减轻软件编程的困难。软件设计理论是不是需要革命性的突破？

信息技术发展的历史证明：信息技术发展遵循简单性法则，过于复杂的技术往往被淘汰或脱离主流，如ada语言、数据流计算机、B-ISDN宽带综合业务数字网络技术等。我们知道，互联网成功的原因之一在于kiss原则keep it simple and stupid。计算机科学不应以把解决方案搞复杂为荣，应追求做事效率，应化繁为简，而不是化简为繁。尽可能用简单方法处理复杂问题是信息技术的生存之道。

软硬之分已落伍

与研究物质结构原理的物理学相比，计算机科学本质上是研究做事效率和成本的“事理学”。所谓做事，包括科学工程计算、事务处理、信息服务等各种人类想做的事情。做事讲章法、讲系统、讲组织，而不仅仅是算法。盖大楼包括土木、水电、供暖等各种子系统，相互配合井然有序。但在大型软件的编制过程中，失败者比比皆是。我们是否应该反思：计算机科学究竟缺了些什么？

近代科学学科划分过细，条块分割，反而模糊了人们对事物的总体性、全局性的认识。将计算机学科分成科学与工程已不合时宜了，而将计算机分为软件和硬件就更落伍了。美国南加州大学将计算机学科按分析与综合分类的新框架有一定道理。计算机科学主要内容是跨学科的分析，计算机工程主要从事面向系统的综合。

计算机领域要大大加强与物理学、生命科学及社会科学的交叉研究，特别要加强以超级计算机为基础的计算机模拟与仿真研究。计算机与生物、物理、社会的交叉研究，不能简单地看成计算机的应用，也不能认为只是其他学科多了一种分析工具。计算机＋物理、计算机＋生物、计算机＋社会学或上述多元组合将形成新的学科。