英特尔今天分享了有关神经形态计算系统Pohoiki Springs的详细信息,该系统利用1亿个人工神经元来执行处理任务。
神经形态硬件通过模仿人脑处理信息以加快计算的方式,目前这项技术仍处于试验阶段,但是英特尔和该领域的其他参与者希望,这个受人类大脑启发的系统有望提供比传统服务器更高的性能,以处理人工智能和机器学习等工作负载。
Pohoiki Springs让英特尔朝着这个目标又买进了一步。该系统拥有1亿个神经元,大小约为5台标准服务器,功耗为300瓦,封装了768颗英特尔Loihi神经形态芯片,构成了机器的大脑。
Loihi采用14纳米设计,其中包含20亿多个晶体管,组成130000个人工神经元,这些神经元又构成了总共124个核心,核心在4个附加控制核心的帮助下协调操作。
像Loihi这样的神经形态芯片与其他AI优化的处理器相比,深度学习工作负载的运行方式有所不同。英特尔芯片上的人造神经元彼此之间紧密相连,就像有机神经元一样,以相对简单的信号(也就是spike脉冲信号)形式传输数据。脉冲信号是一种非常有效的信息传递媒介,让Loihi芯片解决某些问题的能力比普通处理器快了10000倍,而功耗却降低了10000倍。
神经形态芯片设计还具有另一个明显优势,常规处理器是把处理的信息保存在单独的内存区域中,而Loihi的内存则直接位于人工神经元和突触中,使数据可以更快地传输到需要的地方。
英特尔神经形态计算实验室主任Mike Davies在新闻发布会上说:“我们以一种完全不同的方式计算神经网络。”
Pohoiki Springs的768个板载Loihi单元,代表了英特尔在可扩展性的一个重要里程碑,因此此前英特尔最大的神经形态系统只支持68个芯片。英特尔将通过云把Pohoiki Springs提供给90个正在开发神经形态硬件算法的学术团体和企业。在新闻发布会上,Davies将算法和软件称为这项技术实现商业化的一大挑战。
英特尔在商业化方面准备充分。据Davies说,Loihi的第一个应用将是边缘处理用例,例如对来自摄像头和自动驾驶汽车传感器的数据进行实时分析。他说,英特尔希望随着时间的推移,半导体制造技术的进步将能使Loihi体系结构进一步缩小,从而可以用于移动设备和便携式计算机。
对边缘处理的关注,是英特尔不仅要开发大型神经形态系统(例如Pohoiki Springs),还要开发小型系统的原因。本周初,英特尔公布了最新研究成果。周一英特尔表示,已经成功地训练Loihi芯片识别10种有害化学物质的气味。
与此同时,英特尔也在追求利用多种全新芯片设计方法确保自己的长期竞争力。最近英特尔斥资20亿美元收购了数据中心AI加速器初创公司Habana Labs。此外,英特尔还在开发量子计算芯片和优化这些芯片的技术,例如Horse Ridge低温控制系统。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。