2002-2006年，在经济的高速发展中，电力短缺不期而至：2004年全国陷入大范围“电荒”，21个省大面积“拉闸限电”，24个省共缺电30GW；至2005年，情况虽有所缓解，但仍有10多个省份出现短缺，造成巨大经济损失，有的省份GDP损失（当年）高达1~2%。
作为电力时代最宝贵的资源，电力的短缺造成了巨大的经济损失，影响了人们的正常生活；随着数字经济时代的到来，我们正在经历从电力时代向算力时代的转变：在未来的很长一段时间里，作为数字经济时代的核心生产力，算力很可能重演电力短缺的一幕，出现供不应求的情况，这需要从现在就开始关注。
美国国防高级研究计划局（DARPA）的首席微电子专家Bill Chappell是“算力短缺”问题的支持者之一，他认为，支撑全球芯片产业发展，同时也是维系全球算力供给水平的“摩尔定律”，“早在十年前就死了”，这位芯片专家认为，芯片性能的持续提升一直维系着该行业的发展，强大的计算能力更是在不断开辟新的技术市场，但是在过去很长一段时间，这种性能的改善在持续减弱，也就是说“虽然芯片公司还在持续投入，但是芯片的性能改善却无法与过去相提并论了”。
不只是Bill Chappell，卡耐基梅隆大学的教授Erica Fuchs也持有相同观点，而英特尔等公司近年来在芯片性能提升上的不佳表现，恰好印证了他们的观点。这多少有些讽刺：芯片行业已经发展了近60年，但恰恰是在我们正在进入算力时代的当下，遭遇了前所未有的芯片性能提升瓶颈。芯片行业一旦陷入慢速发展周期，算力短缺几成定局，造成的损失不可估量。
DARPA的电子产业复兴计划在此时提出了一条新的发展道路：在新材料和新体系结构上找寻提升芯片性能的方法，比如说3D单芯片片上系统（3DSoC）就可以在90纳米制程工艺下，以相同的芯片面积实现当前7纳米制程工艺所提供的性能。
因此，改变追求制程工艺的传统方式，在材料、体系机构、软件定义、3D化等多个层面寻找提升芯片性能的办法，对解决芯片发展问题，为算力时代提供充足的计算能力，具有非常重大的意义。突破传统方法，从之前未曾涉足的维度解决当前难题，不止适用于为算力时代找到突破芯片性能的方法，也适用于绝大多数数字经济时代的技术发展场景。
比如说，谷歌大脑团队使用新的思路，构建出用于移动设备的CNN模型；阿里云的城市大脑团队利用“认知反演”理论构建城市大脑技术理论体系，解决城市交通拥堵问题；所有这些都利用了新的思路、新的维度，没有陷入传统解决问题方法的“循环陷阱”。在数字经济时代，我们正面对越来越多的未知问题和难解的“僵局”，如若固守传统的方式方法，只会陷入无尽的循环或是干脆遭遇彻底的失败。
以新的维度思考，从新的角度观察，用新的方法尝试解决问题，是数字经济时代的“解题秘诀”，换句话说，我们需要“新大脑”，只有这样，我们才能真正步入数字经济的时代，同时享受数字经济时代所带来的“数字红利”。
技术
