开启未来十年计算的1000倍提升 英特尔研究院开放日带来这些颠覆性技术 原创

当今十年，数字化转型正在加速，未来十年，数据需求将愈发多样。这需要我们以颠覆性思维和技术创新，塑造全新的计算范式。

在以数据为中心的时代，作为英特尔公司的创新引擎和世界一流的研究实验室，英特尔研究院立足当下又着眼未来，对塑造我们这个时代的颠覆性技术进行了开创性研究，包括量子计算、神经拟态计算、机器编程、集成光电、未来安全等五大领域，而这些领域将改变计算未来的格局。

在近日线上举行的英特尔研究院开放日上，来自英特尔研究院的专家深入分享了影响未来十年计算的颠覆性技术，追求1000x提升。

追求1000倍提升 未来从此开启

当下，人们总是对于未来有着无限的憧憬。那么在英特尔研究院专家眼中的未来是怎样的？

英特尔高级院士、副总裁、英特尔研究院院长Rich Uhlig表示，英特尔的目标是让每个人都能获得百亿亿次级计算。英特尔研究院正在实现这一目标。“英特尔研究院的独特之处在于，我们不仅专注于研究新技术，还时刻谨记，我们需要在全球范围内交付这些解决方案。”

为此，英特尔研究院致力于互连、计算和内存等技术矢量共同实现的多个数量级提升以及如何编程和保护系统，简称“追求1000倍提升”。

而为了实现这样的目标，我们必须改变思考方式。如果能够将各领域专家聚集在一起，合作探索科学和技术知识的交叉领域，就一定能够实现这些改进。英特尔研究院就扮演了这样的角色。

Rich说，英特尔研究院聚焦五大关键领域，真正大规模释放数据价值，并且变革人们与数据互动的方式。这五大领域就是集成光电、神经拟态计算、量子计算、保密计算和机器编程。

集成光电

硅光子技术用激光束代替电子信号传输数据，是一种基于硅光子学的低成本、高速的光通信技术。英特尔实验室通过混合硅激光器技术的集成激光器，首次实现了基于硅光子的数据连接。

这些进步代表着光互连领域的关键进展，它们解决了电气输入/输出（I/O）性能扩展上与日俱增的挑战——目前需要大量数据计算的工作负载已经让数据中心的网络流量不堪重负。英特尔展示了包括微型化在内的关键技术构建模块的多项进展，为光学和硅技术的更紧密集成奠定了坚实基础。

英特尔资深首席工程师、英特尔研究院PHY研究实验室主任James Jaussi表示，英特尔在集成光电技术方面所取得的快速进展，将让业界能够重新构想通过光来连接的数据中心网络和架构。

目前，英特尔已经展示了与CMOS芯片紧密集成的一个硅芯片平台上所有关键的光学技术构建模块。通过将光子技术与CMOS硅芯片紧密集成的研究，能够系统地消除成本、能源和尺寸限制方面的障碍，以便为服务器封装赋予光互连的变革性能力。

James说，将光互连功率降到电气I/O功率以下，并最大限度地缩小硅光子设备的体积，从而降低成本。借助集成光电技术，我们能够将I/O数量从几百万个扩展到几十亿个，实现1000倍的提升。未来的光链路将让所有的I/O连接直接从我们的服务器封装中发出，全面覆盖整个数据中心。这项技术将彻底改变数据中心网络架构，并释放数据，显著提高数据传输效率。

神经拟态计算

随着人工智能计算任务变得越来越多样化和复杂，人工智能系统功耗不断增加。训练一个现代人工神经网络需要使用数千台集群服务器，功耗高达数百万瓦。这正逐渐变成人工智能不断发展、以及广泛普及的瓶颈。

为此，英特尔推出了满足新一代AI更强的持续学习、在线学习能力的神经拟态芯片——Loihi，并成立了英特尔神经拟态研究社区（INRC），超过100多名社区成员正在开发前景极佳且高度可扩展算法示例包括：约束满足、搜索图和模式、优化问题。

英特尔高级首席工程师、英特尔研究院神经拟态计算实验室主任Mike Davies表示，在2015年开始英特尔以现代神经科学理解作为灵感开发了一种新型计算机架构——神经拟态计算。它非常适合处理大脑可以轻松计算的各种智能工作负载。这种新型计算机架构的颠覆性不亚于从晶体管开始的对计算重新思考。

相比传统计算机架构，神经拟态架构完全模糊了内存和处理之间的界限。和大脑一样，它利用的是数据连接、数据编码和电路活动中所有形式的稀疏（sparsity）。处理就发生在信息到达时，二者同步进行。计算是数百万个简单处理单元之间动态交互的发展结果，就像大脑中的神经元一样。这种新型计算机架构旨在将能效、实时数据处理速度、学习数据的效率等提升多个数量级。

Mike说，神经拟态计算在计算效率、速度和智能功能方面带来数量级提升的潜力让人深受鼓舞。英特尔与英特尔神经拟态研究社区的合作伙伴一起，在收获的洞察基础上，让这一新生技术实现广泛和颠覆性的商业应用。

毋庸置疑，神经拟态计算未来将帮助各种应用实现巨大突破。目前，英特尔针对神经拟态计算的研究走到了第五个年头，将带领研究项目进入下一个阶段，携手生态系统合作伙伴一同探索实际应用，扩大该技术的适用范围。

量子计算

量子计算是近年来一个非常活跃的研究领域，许多公司都涉足了这个领域，英特尔也不例外。

英特尔高级首席工程师、英特尔研究院量子应用与架构总监Anne Matsuura表示，量子计算是用量子比特相互纠缠实现性能的指数级提升。量子计算机的计算能力随着量子位数量的增加呈指数级增长趋势。从理论上来讲，如果我们有50个纠缠的量子位，这样的量子计算系统所获得的状态数量将超过任何一台超级计算机。

不过，量子需要具备可扩展性，才能用于实际应用，而可扩展性早已融入到了英特尔的DNA之中。这是英特尔对于技术创新的一贯做法，对于量子计算也不例外。英特尔的量子研究主要集中在自旋量子位技术、低温控制技术和全栈创新等关键领域。每一个领域都旨在解决通往量子计算可扩展性道路上的关键挑战，英特尔正在系统地布局每一个领域，以实现量子扩展。

Anne解释说，相比其他量子位路径，自旋量子位技术更能满足可扩展性需求。对英特尔来说，这是一项充分利用自身制造能力的战略决策。英特尔量子研究的一个优势在于，构建量子位的晶圆厂实际上同样用于开发最新、最出色的制程节点。

由于量子计算是一种全新的计算类型，运行程序的方式完全不同，因此我们需要开发量子专用的软件、硬件和应用。这也意味着，从应用、编译器、量子位控制处理器、控制电路，到量子位芯片器件，量子计算的整个堆栈都需要采用全新组件。英特尔正在开发整个量子计算堆栈的所有组件，逐步实现商用级量子计算的愿景。

同时，在开放日活动上，英特尔推出第二代低温控制芯片Horse Ridge II，这标志着英特尔在突破量子计算可扩展性方面取得又一个里程碑。英特尔和其他厂商不一样的地方在于，它是聚焦于全栈式量子研究，此次英特尔研究院开放日活动上，彰显了英特尔在量子计算堆栈的每一层取得的切实进步，为量子计算的技术发展留下了浓墨重彩的一笔。

保密计算

在医疗、金融服务等许多领域，数据所有者可能需要遵循相关法规，保护数据隐私。这可能成为大规模整合数据的限制，阻挡我们从数据中获取更多有用的信息。为了解决这些问题，英特尔一直在推动保密计算的发展。

英特尔研究院安全智能化项目组首席工程师Jason Martin表示，当前，加密解决方案主要用于保护在网络中发送以及存储的数据。但数据在使用过程中依然容易遭遇攻击。保密计算旨在保护使用中的数据。为此，英特尔提供数据保密性以防止机密泄露，提供执行完整性以防止计算被篡改，并提供认证功能，以验证软硬件的真实性。

可信执行环境提供执行保密计算的机制，旨在最大限度地减少需要信任的软硬件集，从而确保数据安全。为了减少必须依赖的软件，你需要确保即使存在恶意软件，其他应用甚至是操作系统不会危及你的数据。

英特尔研究院研究如何隔离应用，结合硬件访问控制技术和加密技术，以提供保密性和完整性保护。例如最新的英特尔软件保护扩展（Software Guard Extensions ）技术，它将保密性、完整性和认证功能整合在一起，确保使用中的数据安全无虞。

此外，英特尔研究院一直在研究另一种不需要解密数据的方法，叫做同态加密（homomorphic encryption）。完全同态加密是一种全新的加密系统，它允许应用在不暴露数据的情况下，直接对加密数据执行计算操作。该技术已逐渐成为委托计算中用于保护数据隐私的主要方法。例如，这些加密技术允许直接对加密数据进行云计算，不需要信任云基础设施、云服务或其他使用者。

英特尔通过与产业伙伴推进联邦计算，消除不同数据所有者在整合数据时所遇到的障碍，以进行分析和获取洞察，同时确保数据隐私，实现1000 倍提升。目前，英特尔正在与全球顶尖的学术机构合作创立私有化 AI 协同研究院（Private AI Collaborative Research Institute），致力于扩展这些技术。

机器编程

说到编程，由于我们对于某些工作负载进行专业化处理，计算资源变得越来越异构化，所以这需要专家级的程序员，他们非常了解硬件以及如何最大限度地利用硬件。但与此同时，软件开发人员越来越青睐于使用更抽象的语言，以提高工作效率。这反过来会导致硬件难以发挥出它本身的性能。这种差距正在扩大。

于是，“机器编程”便应运而生。英特尔首席科学家、英特尔研究院机器编程研究主任及创始人Justin Gottschlich表示，机器编程与机器学习有很大的不同，机器编程是教系统自己编程。它的核心原则是，人类向机器表达他（她）的意图，机器会自动创建完成该意图所需的所有软件。

在英特尔看来，意图（intention）、创造（invention）和适应（adaptation）是实现机器编程的三大支柱。而机器自动创建软件的这部分称为创造和适应。

“机器编程”一词在英特尔研究院和麻省理工学院联合发布的《机器编程的三大支柱》论文中首次提出，旨在通过自动化工具提升开发效率。通过机器学习和其它自动化方法，设计可以自动编写软件的软件，这种软件称为“机器编程”，本质上就是做软件开发和维护的自动化。

机器编程融合了机器学习、形式化方法、编程语言、编译器、计算机系统等多个领域。它所使用的自动编程技术既包含精确方法（比如形式程序合成），也有概率方法（比如可微分编程），机器编程汲取了我们迄今为止获得的所有软硬件知识。

英特尔还推出了机器编程研究系统ControlFlag，它可以自主检测代码中的错误。在初步测试中，ControlFlag利用超过10亿行未标记的产品级别的代码进行了训练并学习了新的缺陷。

当软件开发中，枯燥的部分将被自动化，人们得以有更大的自由、灵活度和时间精力去创造。英特尔机器编程的最终目标是让每个人都能创建软件。当这一目标完全实现时，每个人都可以通过自己最擅长的方式，如代码、自然语言或其他方式向机器表达自己的设计意图，从而创建软件。

结语

我们看到英特尔研究院分享了许多令人兴奋的科学研究进展，英特尔中国研究院院长宋继强表示，这些研究领域将为计算的未来，创造变革性的方法和技术。应该说，英特尔研究院是进行创造性探索的绝佳环境。在这里，研究人员可以超越传统的限制，思考新想法最根本的东西。