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
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
各行业企业存储的数据量持续攀升,5PB以上已成常态,10PB以上也日益普遍。2026年非结构化数据管理的主题是全面增长:更多数据、更多投资、更多痛点以及更多AI安全风险。AI应用加速普及、数字化信息激增以及富媒体和传感器数据大幅增加推动了数据增长。随着AI推理应用的发展,企业将意识到非结构化数据管理对AI投资回报率的关键作用。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。