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
周一AWS美东数据中心DNS故障导致数百万用户和上千家企业断网,Reddit、Snapchat、银行和游戏平台均受影响。专家认为这凸显了冗余备份的重要性,CIO需要根据业务关键性进行风险评估,优先保护核心系统。单一供应商策略仍可行,但需通过多区域部署分散风险,建立故障转移计划。金融、医疗等高风险行业需更高冗余级别。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。