第二代研究芯片采用了预生产版本的Intel 4制程工艺,可增长至100万个神经元,并新增开放软件框架,以加速开发者创新和商业化进程

英特尔于2021年9月推出其第二代神经拟态研究芯片Loihi 2,支持新型神经启发算法和应用,同时提供更快的处理能力,更大资源密度和更高能效。(图片来源:英特尔公司)
今天,英特尔推出第二代神经拟态研究芯片Loihi 2以及用于开发神经启发应用的开源软件框架Lava,标志着英特尔在先进神经拟态技术上不断取得进展。
英特尔神经拟态计算实验室总监 Mike Davies 表示:“Loihi 2和Lava软件框架从多年来使用Loihi的合作研究项目中收获洞察。第二代芯片极大地提高了神经拟态处理的速度、可编程性和容量,扩大了在功耗和时延受限的智能计算应用上的用途。英特尔正在开源Lava,以满足在实践中对软件融合、基准测试和跨平台合作的需求,并加快商业可行性的进程。”
神经拟态计算借鉴了神经系统科学取得的洞察,开发出功能更类似大脑的芯片,追求在一系列边缘应用中实现能效、计算速度和学习效率的数量级提升,包括从视觉、语音和手势识别到搜索检索、机器人和约束优化问题。
迄今为止,英特尔及合作伙伴已展示了机械臂、应用神经拟态芯片的人造皮肤和嗅觉传感等应用。
关于Loihi 2:该款研究芯片整合了过去三年使用第一代研究芯片的收获,并充分利用英特尔制程技术和异步时钟设计模式的进展。
洛斯阿拉莫斯国家实验室科学家Gerd J. Kunde提到:“洛斯阿拉莫斯国家实验室的研究人员一直在使用Loihi神经拟态平台来研究量子计算与神经拟态计算之间的权衡,并在芯片级上实现学习流程。这项研究显示了脉冲神经网络和量子退火路径在解决硬优化问题上一些激动人心的等效性。除此之外,我们还证明了之前被认为无法在神经拟态架构上实现的反向传播算法(训练神经网络的基本构建模块)可以在Loihi上高效地实现。我们的团队很高兴能够借助Loihi 2芯片继续进行这项研究。”
关键突破:Loihi 2和Lava为研究人员开发并塑造新的神经启发应用提供了工具,用于实时处理、问题解决、适应和学习。显著的技术亮点包括:
关于英特尔神经拟态研究社区(INRC):英特尔神经拟态研究社区(INRC) 已增加到约 150 个成员机构,今年新增的成员包括福特(Ford)、佐治亚理工学院(Georgia Institute of Technology)、美国西南研究院(SwRI)、美国菲力尔公司(Teledyne FLIR)。新合作伙伴加入了一个由学术团体、政府实验室和行业伙伴组成的强大社区,它们将与英特尔携手推动神经拟态计算商业应用的实际落地。
“Loihi 2和Lava API取得的进展是神经拟态计算的关键一环。下一代神经拟态架构对于埃森哲研究室推动类脑计算机视觉算法至关重要,这些算法用于智能边缘计算,可以对未来的扩展现实头盔或智能移动机器人的开发提供动力。新芯片提供的功能将大大提升超维计算的效率,并提供更高级的片上学习能力,而Lava API为开发人员提供了一个更简单、更流畅的接口来构建神经拟态系统。”—— 埃森哲技术研究院首席研究科学家、创新发展与战略总监Edy Liongosari
商业化之路:先进的神经拟态计算从实验室研究走向商业应用需要“三管齐下”。首先,需要根据算法和应用研究的结果对神经拟态硬件进行持续地迭代改进。其次,还需要开发通用的跨平台软件框架,以便开发人员可以对来自不同开发群体的最佳算法理念进行基准测试、整合和改进;最后,产业界、学术界和政府领域之间要深入合作,建立一个丰富、高效的神经拟态生态系统,以探索近期可实现商业价值的落地。
英特尔今天发布的消息涵盖所有这些领域,将新工具交付到不断壮大的神经拟态生态系统研究人员手中。他们将在此基础上重新思考计算,从而实现智能信息处理方面的突破。
英特尔目前通过神经拟态研究云服务向加入英特尔神经拟态研究社区(INRC)的成员提供两个基于Loihi 2的神经拟态系统:用于早期评估的单芯片系统Oheo Gulch和即将开放的八芯片系统Kapoho Point。Lava 软件框架可在GitHub 上免费下载。Loihi 2和Lava的演示教程将在10月举办的“Intel Innovation”活动中呈现。
[1] 基于2021年9月对PilotNet DNN 推理负载的9层变体在 Loihi 2上作为Sigma-Delta神经网络进行的Lava模拟测试,对比了在Loihi上通过SNN频率编码实施的相同网络。两种芯片的Lava性能模型都基于硅的特性,使用Nx SDK 1.0.0 版作为运行 Ubuntu 20.04.2 版的主机,其中配备了英特尔至强E5-2699 v3 CPU @ 2.30 GHz, 32GB内存。Loihi测试结果使用Nahuku-32系统ncl-ghrd-04。Loihi 2测试结果使用Oheo Gulch系统 ncl-og-04。结果可能会有所不同。
[2]基于核心大小为0.21 mm2 的Loihi 2,最多支持 8192 个神经元,对比了核心尺寸为0.41 mm2的Loihi,最多支持1024 个神经元。
[3]根据上述9层PilotNet DNN推理负载的测试结果,Loihi 2上的Sigma-Delta神经网络实施了323,815次突触运算,均方误差(MSE)为0.035,而Loihi 1上的速率编码SNN实施了20,250,023次突触运算,均方误差(MSE)为0.0412。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。