英特尔今天透露,研究人员正在使用英特尔的神经形态芯片开发机器人的人造皮肤,这也是神经形态芯片最早期的实际应用之一。
英特尔正在研究新的芯片架构以保持自己的长期竞争优势,神经形态计算正是英特尔活跃的领域之一,这是一种新的芯片类型,其晶体管会按照神经元进行建模,以更快地运行人工智能模型。
迄今为止,英特尔已经研究出了一个名为Loihi的神经形态芯片,有20亿个晶体管。据英特尔称,这个芯片解决某些问题的速度是常规处理器的1000倍,而功耗却降低了10000倍,而且在今天公布的人造皮肤项目中,Loihi起到了关键的作用。
该项目中,新加坡国立大学的研究人员开发了一种名为ACES的“电子皮肤”,让机器人在接触到物体的时候可以进行检测和感知。ACES还可以确定给定对象的形状、纹理和硬度,速度比人类眨一下眼睛还快10倍。该项目将为机器手臂等机械提供更多有关环境的数据,帮助做出更好的决策。
ACES项目研究人员采用了基于云的Loihi芯片来处理来自人造皮肤的感官读数,并利用这个机会将这项技术与传统芯片进行了对比。
英特尔称,Loihi芯片在一项涉及使用人造皮肤和AI读取盲文字母的实验中,准确性达到92%以上,功耗却比某个“标准冯·诺依曼处理器”低20倍。在另一项实验中,Loihi击败了某款“顶级”GPU,功耗低45倍。
英特尔神经形态计算实验室负责人Mike Davies表示:“这项工作正在生成越来越多的结果显示,神经形态计算可以显着降低延迟和功耗。”
人造皮肤并不是英特尔Loihi所针对的唯一场景,而是涵盖所有互连设备,从智能音箱到工业传感器等,这些需要使用小型车载电池本地运行AI模型的设备。如果神经形态处理器以执行任务所需的功耗比传统硅芯片低几十倍,那么对于市场来说将会非常具有吸引力。
特别是随着机器学习的普及,而且越来越多的手机制造商正在将AI芯片集成到手机中,英特尔此前曾表示,未来将把Loihi的体积缩小到可以用于移动设备中。
数据中心是英特尔关注的另一个市场。英特尔正在研究在服务器机架中部署Loihi芯片,瞄准那些希望优化本地AI基础设施的企业,其中公有云运营商可能会非常感兴趣。
英特尔通过与学术界合作开展像ACES人造皮肤这样的项目,来收集有价值的技术反馈来优化Loihi芯片,同时也通过打造一些实际案例来吸引潜在客户。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。