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
新加坡人工智能机构与阿里云发布全新大语言模型Qwen-Sea-Lion-v4,专门针对东南亚语言和文化特色进行优化。该模型结合阿里云Qwen3-32B基础模型和大量东南亚地区数据集,在东南亚语言模型评估榜单中位居开源模型首位。模型支持119种语言,能在32GB内存的消费级笔记本上运行,采用字节对编码技术更好处理非拉丁文字,并具备3.2万词元上下文长度,可执行文档级推理和摘要任务。
中科大联合快手等机构推出VR-Thinker技术,首次实现AI视频评判员的"边看边想"能力。该系统通过主动选择关键画面、智能记忆管理和三阶段训练,在视频质量评估准确率上达到75%-82%,特别擅长处理长视频场景,为AI视频生成的质量控制提供了突破性解决方案。
AI智能体是下一代业务自动化工具,不仅能对话交流,还能执行复杂任务。与ChatGPT聊天机器人不同,它们可在最少人工干预下规划并完成工作。文章介绍了五个高影响力应用:自动化客户服务解决方案、销售CRM管理、合规自动化、招聘筛选与排程、市场情报报告。这些应用都具有重复性工作流程、依赖结构化数据、遵循可预测规则等特点,能够释放员工宝贵时间用于更有价值的工作。
微软研究院发布BitDistill技术,通过三阶段优化将大型语言模型压缩至1.58位精度,在保持性能的同时实现10倍内存节省和2.65倍速度提升。该技术包括模型结构稳定化、持续预训练适应和知识蒸馏传承三个关键步骤,解决了模型量化中的性能衰减和规模化问题,为AI模型在资源受限设备上的高效部署提供了新方案。