當前位置:
首頁 > 新聞 > 數據的變化正驅動計算革命,晶元巨頭為何押注這兩大突破性方向?

數據的變化正驅動計算革命,晶元巨頭為何押注這兩大突破性方向?

席位有限,先到先得

掃描上圖二維碼購票

在過去 20 年來,數據經歷了非常大的變化,具體到用以進行計算的數據,人類還將對其進行更大規模的智能處理。在這個過程中,數據和計算之間會遵循怎樣的技術演進邏輯?

近日,英特爾中國研究院院長宋繼強在一場媒體交流活動上發表演講,結合英特爾的行業實踐與思考,解讀了未來的數據與計算趨勢。

他指出,此前,人類主要以對聲音數據、視頻數據、圖片數據等數據進行多媒體計算為主,即只是進行編輯壓縮,不會做識別和理解。但是後來,人類開始對這些數據進行智能的處理,例如識別像素中的事物,這時候的計算量不止是以前的編輯壓縮了。

與此同時,數據產生的來源和流向也發生了變化。多媒體時代的流程是,專人將這些數據編輯好,依照廣播電視分發,觀眾進行收看;現在,這個流程變為人產生數據、攝像頭產生數據、智能城市產生數據,這些數據由終端往雲上走。

在智能時代,為了更好地處理數據,很多人工智慧演算法隨之誕生,這些演算法模型中有參數,於是便誕生了數據之上的數據,即源數據,其中的量可能是百萬級別的。

這個時候數據又應該如何進行處理和壓縮?事實上,智能時代對數據的處理、提高計算效率、傳輸存儲等都有了新的要求和新的優化。

(來源:DeepTech)

以英特爾的實踐來看,儘管它被作為晶元巨人所認知,但這家公司的技術著眼點已經不止晶元,而是希望從多個層面提高計算的效率。

據介紹,目前英特爾已經使用以下幾種不同的計算架構處理各種數據,分別是標量、矢量、矩陣和空間架構,這幾種架構構成了異構計算里主要的組成部分,彼此之間靈活的組合,可以用來處理各種數據,也可以在數據處於不同的位置上,比如雲、邊緣計算或者終端時滿足不同場景的計算要求。

但英特爾判斷是,如此還不足以面向未來。

以機器智能的發展角度來看,未來機器將擁有以下幾個重要能力:

第一,認知能力。目前深度學習技術已經幫助機器提供一部分感知的能力,也可以做一些推理計算,但是還沒有到達所謂的認知,機器的認知能力還要繼續提高,才能夠比較正確地理解這個場景里發生什麼。

第二,學習能力。人類在學習陌生概念的時候可以一邊去學習,一邊使用這個概念,不需要先經過很長時間、很大量數據的訓練才學到新的知識。但機器還不懂如何變通這種學習能力,包括一邊訓練、一邊學習,在低功耗的調價下完成學習也非常重要。

第三,處理不確定性的能力。人類擅長針對現在的情況做風險評估、預判和驗證,以提高自身處理不確定性能力的水平,這幾種都是非常重要的能力,機器智能還需要繼續發展才能逐步幫助人完成各項任務。

以認知能力和學習能力為例,近幾年來業界也有了不少重要探索,包括構建三維語義地圖,通過模仿學習加上強化學習等,都可以幫助智能系統提高學習能力。

(來源:DeepTech)

另外,機器智能發展的另一個重要內容將在於萬物互聯。

其中,萬物互聯的維度和程度又將十分多元化,晶元和晶元之間可以互聯,邊緣計算和設備可以互聯。豐富的互聯,意味著如果連接之間的延遲足夠小,帶寬足夠高,機器之間智能的能力或者存儲的知識都可以交互,這又是新的智能發展階段。

基於此,宋繼強認為,對於機器智能來說,網路和雲將幫助打破機器的物理邊界,而這個邊界在人類這種生命個體上是難以消除的,一旦機器有了這種能力,可以利用這個能力把雲邊端完全融合起來,這個模式不光用在機器人和無人駕駛上,未來像智能家居、智能零售、智能醫療都可以用到。對於英特爾而言,這意味著它需要在不同的環節提供不同的計算硬體。

具體而言,在計算硬體的規划上,英特爾也將在已有的硬體架構方式上繼續突破,追求提供更高的智能。除此之外,另一個重要的方向在於——押注突破式計算技術。

(來源:DeepTech)

其中兩個代表性技術分別是量子計算和神經擬態計算。

在神經擬態計算上,英特爾於 2017 年提出 Loihi 晶元項目,近兩年一直致力於繼續擴展 Loihi 神經擬態晶元的多片互聯規模,以構成更大系統,現已從最開始的 4 塊相連到 32 塊相連,再到今年夏天實現 64 塊相連,提供接近 800 萬個神經元計算。

宋繼強表示,Loihi 晶元還在追求更高的互聯程度,希望提供一億個神經元的計算學習平台,而人腦擁有 800 億個神經元,這也就意味著 Loihi 晶元可以逐漸接近人腦,有望用在醫療等計算場景中。

圍繞 Loihi 晶元,英特爾也在搭建一個生態,以期集結社區、大學、公司等力量探索更多的神經擬態晶元應用,包括這種新的計算模式和新的學習能力可以用在哪裡、處理什麼樣的數據等。最近,這個生態中已經有世界五百強公司加入,包括 GE、埃森哲、空中客車等。

(來源:DeepTech)

針對神經擬態計算未來的可能性,宋繼強也在接受 DeepTech 的採訪時進行了進一步解讀。

他表示:「神經擬態計算的相關研究從 80 年代中期開始到現在已經進行了將近 30 多年,但是真正要把這項技術用好,不是說光做一個晶元就可以。回顧其發展史,很多公司和機構都在研究神經擬態晶元,包括 IBM 和英特爾。英特爾秉承的思路是,做神經擬態計算一定要讓它有用,不光是給出一顆晶元,我們還提供雲服務、開發的套件,把這些推給學術界和大公司,現在有世界五百強的加入。正如早期人們探索 AI、深度學習的能力一樣。

在學術界,神經擬態主要被用在約束滿足、機器人自適應學習上,但這些真的是它的全部嗎?不見得。所以我們要打造這樣的一個社區,讓社區里的公司、學校共同探討真實的神經擬態應用,以及其中哪些可以規模化。

(來源:DeepTech)

而在量子計算上,英特爾的量子計算布局主要有兩大內容,一則是通過低溫超導量子位的方式實現量子計算,這一點與行業的主流方向一致,英特爾的進展是正在開發 49 個超導量子位測試晶元,並測試它的容錯能力、糾錯能力和連接性。

另一個內容則是基於英特爾獨有的業內積累,即其在傳統半導體領域發展的硅的加工工藝和測試工藝,利用硅電子自旋表示出量子態。

(來源:DeepTech)

據介紹,在這個方向上,英特爾的 300 毫米、12 寸晶圓的生產線上已經具備相應的生產能力,有兩個量子位的晶元已在測試,且公司正在為規模化生產加大投入。

但宋繼強也強調,目前量子計算髮展還是早期,要想應用在大規模的商業計算還有很長的路要走。

-End-

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!


請您繼續閱讀更多來自 DeepTech深科技 的精彩文章:

高端玩家難以被複刻的極致靈魂,拆解戴森對小小吹風機的執著
比肩二甲雙胍,這款「神葯」再添抗衰老新證:塗抹4個月皮膚就改觀