英特尔实验室利用神经形态计算与光子学技术创造奇迹

英特尔神经形态计算实验室常务董事Rich Uhlig在主题演讲中的身影。

虽然整个技术行业都喜欢标榜自身在研发方面的努力，但不同厂商的研发深度之间却有着巨大差别。事实上，研究是一项风险高、与特定产品无关的纯投资与发现性举措。开发则代表着运用研究成果及其他IP创造出最终产品或服务。可以看到，开发相对安全、研究的不确定性更强，所以几乎没有多少企业真正确实投身于研究。而英特尔，在研究领域已然浸淫数十年。

坦率地讲，作为一名技术分析师，最令我振奋的趋势就是有幸率先接触到这些以研究为驱动力的前沿技术，并了解其如何一步步由难以置信到让人充满期待。因此，在对英特尔实验室的计算推进研究计划有所耳闻之后，我就一直期待着他们的成果。今年，以数字方式召开的实验室开放日活动选择了《千倍只等闲：下一个十年的颠覆性计算研究》作为主题。

本次活动的启发性演讲分别来自英特尔实验室常务董事Rich Uhlig、英特尔神经形态计算实验室主任Mike Davies以及英特尔光子学实验室高级首席工程师James Jaussi。此次活动涵盖多个主题，包括神经形态计算、量子计算、集成光子学、机密计算以及机器编程等。其中，我发现围绕神经形态计算与硅光子学的讨论最值得关注。在本文中，我们将共同了解此次活动发布的内容，并为刚刚接触上述议题的新朋友深入介绍这两个概念。

神经形态计算

首先需要强调一点，就我们目前拥有的技术而言，人类对于某些层面的大脑功能还没有任何认知。在主题演讲中，Davies谈到了无人机与澳洲鹦鹉（源产于澳大利亚，是一种著名的宠物鹦鹉）在能源效率方面的差异。目前最新的竞速无人机功率为18瓦，意味着每10到20分钟就需要充电一次。此外，根据Davies的说法，这些无人机几乎无法以步行的速度通过一系列预编程大门。而另一方面，澳洲鹦鹉却能够以每小时22英里的速度飞行、觅食、与其他鹦鹉交流，甚至学习说出几个英语单词。而所有这一切，只需要重量为2克、功率为50毫瓦的鸟脑即可实现。我们必须想办法达到这一水平。

简而言之，神经形态计算是指构建出能够模拟大脑神经系统结构的未来计算机系统。神经形态芯片试图以类似于大脑的方式，通过外部刺激进行实时学习。目前的AI仍在很大程度上受限于事件的确定性与明确的可解释性，因此下一代AI必须在解决独特状况方面有所突破。我们的现实世界充满了活力与不确定性，AI必须有能力应对任何可能发生的异常状况（特别是在自动驾驶汽车等一念定生死的场景之下）。

这显然是一项复杂的任务，要求我们重新考量软件、架构、电路等传统计算模型当中的基础要素。但所谓做难事必有所得，只要攻克这道难关，机器人技术、自动驾驶汽车、优化乃至语音/手势/对象识别将在神经形态计算功能的加持下迎来全方位革新。

英特尔实验室从2015年开始研究神经形态计算，随后于2017年发布了其首款神经形态研究芯片Loihi。2018年，英特尔成立了英特尔神经形态研究社区（简称INRC），并表示此社区希望在学术界、世界各国政府以及工业团队之间建立桥梁，共同解决神经形态计算所面临的各项重大障碍。

2020年英特尔实验室开放日带来了INRC的多项更新消息，包括联想、罗技与梅赛德斯-奔驰几位知名新成员也将加入并参与神经形态计算的潜在业务用例探索。我们还了解到，目前INRC已经拥有超过100家成员，这对于一家刚刚成立两年的组织而言无疑令人印象深刻。

此外，英特尔还展示了从INRC成员测试中收集到的Loihi基准测试结果。与一切新兴技术一样，英特尔必须向行业证明神经形态计算模型能够接近甚至超越传统计算机。例如，埃森哲发现Loihi能够在语音命令识别方面获得与标准GPU相似的准确率，但其能源效率可达GPU的上千倍，响应速度也要快上200毫秒。另外，INRC方面表示，Loihi还具有自主学习个性化人类手势的能力——这是一种在AI技术培训在传统上难以理解的沟通方式。根据英特尔的介绍，Loihi只需要观察几次，就能够使用神经形态摄像机学会一种新手势。这种能力已经与人类基本相同。

图像检索是Loihi取得辉煌成果的另一大方向——零售行业的研究人员发现，在能耗方面，Loihi在处理图像特征向量时的效率可以达到典型CPU的3倍。此外，英特尔与研究人员们表明，Loihi在解决优化与搜索问题的速度上可达CPU的上百倍，能效更可高至千倍。在机器人技术领域，罗格斯大学的研究人员发现，在无需任何性能牺牲的前提下，由Loihi驱动的机器人导航方案与微无人机控制应用同样可以将能耗降低至传统GPU的七十五分之一。

简而言之，英特尔的神经形态计算带来不少令人振奋的成果。与其他潜在竞争对手相比，英特尔还掌握着一系列重要优势，并将继续在实验室中推动相关研究。围绕Loihi建立的INRC社区正是优势的集中体现，英特尔显然承认没有哪一家单独的企业能够一力达成神经形态计算的研究承诺，因此最明智的作法在于引入广泛而多样的力量、共同推动技术发展并构建起生态系统。

硅光子学

英特尔实验室希望解决的另一大难题，在于I/O传输能力与巨大网络带宽之间的差距。随着市场对于计算带宽的需求持续飙升，如今的电子I/O即将达到极限，英特尔表示这种情况很可能在不久之后限制性能的正常扩展。为此，英特尔实验室决定选择硅光子学技术——即将光子学与高价值、低成本的硅芯片整合起来（即通过光子进行数据传输）。英特尔表示，这项技术有望延长数据传输距离、提升数据传输速度。

英特尔实验室一直在着力为硅光子学的实际应用构建基础，并在2020年的英特尔实验室开放日活动发布了多项进展。目前他们迈出的重要一步，在于实现了硅调制器的小型化，一举克服了传统方案过大、成本过高因此难以安装计算软件包的问题。这些“微环”调制器的尺寸仅为标准调制器的千分之一。英特尔实验室的另一大发现在于，与行业假设正好相反，硅材料能够检测到波长范围在1.3-1.6um的光，因此很有可能极大降低基础设施的构建成本。

英特尔实验室还展示了其集成的半导体光放大器（硅光子学研究的重要组成部分）以及集成化多波长激光器（使用相同的材料制成）。多波长激光器利用所谓波分复用过程，使得多种波长可使用同一种激光器。这种方法可提高带宽密度，借此在同一光束上传输更多数据。同样值得一提的是，如果没有这些激光器，也就不可能制造出光放大器，而英特尔是目前唯一一家同时发布这两项技术的厂商。

最后，英特尔实验室还讨论了如何将光子学与CMOS硅芯片及先进封装技术相结合，借此降低功耗、提升带宽并减少引脚数量。英特尔也是目前业内唯一一家能够在与CMOS硅芯片紧密集成的单一技术平台上使用多波长激光器、半导体光放大器、全硅光电探测器以及微环调制器的厂商。据英特尔表示，这一切都为集成化光子学的拓展铺平了道路。

总结

大部分面向分析师、媒体及投资者的技术开放活动，通常会将重点集中在解决当前及近期的挑战身上。这种方式有其合理性，毕竟首先解决较为紧迫的问题无可厚非。但英特尔实验室证明，依托于专项科学与研究机构，各方不仅能够掌握短期信息、亦可专注于长期发展。作为一家历史悠久的技术巨头，英特尔在继续维持正常的业务运营及发展的同时，还能够组建起一支囊括700名科学家及研究人员的专项团队，面向未来的技术问题制定、试验并开发解决方案。英特尔实验室代表着一笔宝贵的长期资产，将在保障英特尔在未来十年内始终保持技术发展优势方面发挥重大作用。也许就在人们迷失在当下的难题与细节当中的同时，英特尔实验室已经有所斩获、甚至在日复一日的探索中颠覆了整个计算行业。