今年5月，他曾出席贵阳2018数博会，在数博会区块链论坛上做了主题发言，会上，他先谈了自己一生的骄傲——天使粒子，再谈信息技术最前沿的支柱——区块链。
2007年，张首晟发现“量子自旋霍尔效应”，量子自旋霍尔效应找到了电子自转方向与电流方向之间的规律，芯片中杂乱无序运动的电子可以在一定条件下实现规则运动，就像在高速公路上各行其道。
比特币只是区块链的开端，张首晟认为接下来整个区块链的发展还具有激动人心的前景。
比特币是一个非常吻合的基本原理，排除一些熵，自己排除熵，使我们金融系统变得更加稳定，我们时间先后就能判断出来。所以区块链发展提供最为深刻的判断，分布式系统里，时间通过怎样的机制进行排序。
3全球首次提出“拓扑绝缘体”理论
但是，在这个拥有数据保护隐私的情况下还是可以用这些数学模式，真正创造一个数学市场在这上面进行计算。
天使粒子的发现，对于整个信息技术有重大改变，比如在人类最尖端的工程——创造量子计算机中，工厂15和11不一样，15是3×5，但是如果给一个很大的数分析出来，到底是复合数还是属数是很难的事情。
量子世界是平行的，基本粒子可以同时间同时穿过两个孔，这是平行的原理，如果按照平行原理，这是一个非常难算的数学网页游戏私服推荐，我们可以并行进行计算。
通常情况下粒子可以构成基本量子信息单位，它有一正一反两个面，一般情况下，天使粒子是量子信息的一半，使我们可以把基本单位量子信息有两个量子信息储存，保证其稳定性，从而为造成真正量子计算机创造了条件。
我们本来椭圆曲线加密，还有哈希函数的计算，还有零知识证明、多体系计算、微分隐私、同态加密等，这些数学使我们真正产品数据市场，使每个人都可以拥有自己应该拥有的数据。
谈到区块链时，张首晟表示：区块链是什么？
发现量子自旋霍尔效应，张首晟因此获得了物理学界三大最高奖项——2010年的欧洲物理学奖、2012年的巴莱克奖和狄拉克奖，同时，这项发现被《科学》杂志评为当年的“全球十大重要科学突破”之一。
（责任编辑：王治强 HF013）
而如果摩尔定律停止工作，整个信息社会就会停止发展。“拓扑绝缘体”的提出在于它能极大提升计算机的算力，让整个信息社会继续按照“摩尔定律”的规律往前推进。届时，手机的手机续航问题将得到解决，手机能有更大的数据处理能力，一个手机就抵得上十个或者一百个大脑。
在一小时内获得永恒。
关于拓扑绝缘体对电子芯片带来的影响，张首晟曾用“集市”和“高速公路”的例子来阐述：电子在芯片中移动就像跑车开进集市中，再怎么高档也跑不快；但若在高速公路上就可畅行无阻。
2007年，张首晟发现“量子自旋霍尔效应”，被《科学》杂志评为当年的“全球十大重要科学突破”之一。
张首晟认为，信息行业的发展得益于过去五六十年基础物理（比如量子力学为半导体技术的发展奠定了基础）的发现。
张首晟认为，在人类发展进程中，材料起到十分主要的作用。2006年，他提出“拓扑绝缘体”理论；次年，这个理论在他与德国维尔茨堡大学的试验中得到证明。
“有阴必有阳，有善必有恶，有天使必有魔鬼。”张首晟认为，我们似乎生活在一个非常对立的世界里。科学家拥有的无止境的好奇心以及务实求证的精神，促使其团队最终找到不为人知的反粒子——天使粒子。
张首晟曾解释，过去50年来的信息社会，一直是按照摩尔定律（当价格不变时，集成电路上可容纳的元器件数目约每隔18-24个月便会增加一倍，性能也将提升一倍）在往前推进，因为有这个规律的推进，才有了我们现在的信息社会。
大家提到区块链是新的记帐模式，为什么记帐的事情那么困难？
1980年，德国和英国研究人员发现了量子霍尔效应，这一发现让人们对制造新型电脑芯片装置充满了希望。但由于无法满足强磁场和低温两个条件，新型电脑芯片的装置仍然无法实现。
区块链的发展，必然由数据市场的产生，在整个互联网的状态下，本来只可以交换信息，现在可以交换价值。张首晟认为区块链的行业价值，至少是互联网的十倍。
如果在一个分布式系统要记帐，最能确定的是哪一笔账先发生，哪一笔账后发生，时间秩序怎么排列，或者因果关系怎么排列，这在一个分布式的情况下是非常难的问题。
人工智能在过去几年进展并不快，根本原因是什么？
他进一步解释到，什么是数学？
张首晟是斯坦福大学物理系终身教授，美国国家科学院院士，美国艺术与科学学院院士，中国科学院外籍院士。
但我们还是知道，在自然界，虽然在分布式系统里，还是能达到共识，比如说右边是磁铁，但是在混乱的状态里，总的来说没有总的磁性，但是左边可以达到共识状态，没有一个中央指挥也可以达到共识状态，就告诉我们要达到共识，对时间先后共识，必然按照物理根本原理，排掉一些熵。
在对区块链技术展望方面，张首晟认为DAG（有向无环图）的发明无比重要，它将会使区块链发展变得很快。
所以，在加密经济学体系下，也可以为社会创造更公正的福利。因为现在社会碰到最大的不公正，就是对少数的歧视，但是在数据市场经济情况下，大家都知道AI、知道如何通过学习让自己更聪明，真正需要的数据并不跟以前学过的数据一样，是最不一样的数据，对它来说是更加有利的。
