久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

【文/觀察者網 呂棟】

近年來，人工智能、物聯網、大數據、自動駕駛等新型工作負載不斷出現，也讓多元化計算時代加速到來。在經典計算之外，量子計算、神經擬態計算等前沿計算領域持續受到關注。

對于當前的大國競爭來說，量子計算等前沿技術已成為新的競爭高地。而對于企業和科研機構來說，衡量一項前沿技術最終成不成功的關鍵點，還是在于它能否產業化落地。

針對目前新型計算技術的發展現狀，觀察者網近期對話了英特爾研究院副總裁、英特爾中國研究院院長宋繼強，他在對話中闡述了神經擬態計算等前沿技術的產業化程度，以及英特爾發展量子計算技術的特殊路徑，并解釋了這些前沿計算技術在產業化落地方面還有哪些難題待解。

宋繼強認為，量子計算產品化的路徑沒有那么快，因為這其中還有很多實際的“坑”沒有填上，現在大家都還在做量子比特的階段，質量有待提高。“首先量子比特的穩定程度、容錯能力，還有它相干時間的長短，包括有多少個量子比特可以真正穩定的相干在一起，這些都是問題?！?

作為傳統半導體巨頭，英特爾在推動經典計算的同時，也在布局前沿計算領域。例如，該公司在今年6月推出新型量子芯片Tunnel Falls，包含12個硅自旋量子比特。而在神經擬態計算領域，英特爾也已推出第二版的Loihi芯片，并與北大、復旦、中科院自動化所、鵬程實驗室等國內高校和機構開展合作。

以下是對話實錄：

觀察者網：現在神經擬態計算、量子計算等前沿技術的產業化程度怎么樣，規模產業化的挑戰還有哪些？

宋繼強：如果說從這兩個點來講，它們產業化的路徑，包括時間都還不一樣。從質量或說軟硬件成熟度來說，神經擬態計算其實更接近產業化。因為它本身是利用成熟制程做的，未來Intel 4，可能Intel 3、Intel 20A制程都可以用。它主要是設計了一套全新的神經擬態計算的硬件框架，硬件架構設計是新的，硬件編程也是新的，因為這個是必須跟硬件對應的，包括編譯器。所以它的商業化難度，主要在于找到一個特別合適規模化使用的應用。

神經擬態計算的優點比較明顯。首先，它可以像人腦一樣，在比較節省功耗的情況下，完成一些智能化動作。第二，它可以同時去做多種不同的任務，而不是說一個硬件只能做一件事，未來我們還希望能夠在同一個芯片架構上、一個開發環境上，去支持多種不同模態互相交互，就像人腦一樣，有嗅覺處理、有聽覺處理、有味覺處理，有視覺處理，互相之間交叉關聯。

如果純是深度學習，是關聯不起來的，它的模型是做視覺就是做視覺，做聽覺就是做聽覺。現在當然也開始有做多模態輸入的，但走的路徑是不一樣的。

在神經擬態計算里面，我們其實是希望真的去模擬人腦，慢慢形成不同的腦區，這些腦區之間，真正去構成一些認知能力的時候，互相是能夠影響的，比如說你閉著眼睛也能夠去知道這是一個蘋果還是榴蓮，通過觸覺和其他的感知也可以知道，這是神經擬態計算想要達到的效果。

它在能力上確實要往這方面走，但在應用領域必須要找到突破口，到底哪個應用會讓它獨樹一幟，讓大家能把這個應用跑出來，就像深度學習一樣，也是等了好多年，終于找到一個合適的時間點，從硬件的性價比、能力、應用等方面，在計算機視覺領域先跑出來。從神經擬態計算硬件相對來講的成熟度來看，英特爾現在迭代到第二版的Loihi 2，從能效比和可編程性來看，比第一版已經好了很多。當然我們還要再繼續迭代，需要一兩個關鍵應用把它帶飛起來。

但量子計算不一樣，量子計算現在面臨的困難還是非常多的，因為現在大家都還在做量子比特的階段，質量要提高。

首先量子比特的穩定程度、容錯能力，還有它相干時間的長短，包括有多少個量子比特可以真正穩定的相干在一起，這些都是問題。這些問題都解決的情況下，才能往上層去做基于邏輯的可使用的量子比特，一旦形成一定數量的邏輯量子比特，并能很好地控制它之后，上面的算法、應用相對來講才會發展比較快?，F在其實就是在底層，從量子比特到底用什么方式制備，到怎么解決差錯控制，再到怎么把它的相干時間拉長，還有就是未來真正做產業化，用什么樣的方案去支持產業化生產，乃至未來量子計算機到底長什么樣，這些都還沒有定論。

英特爾神經擬態計算芯片Loihi

觀察者網：量子計算可以說還處在前期研究階段？

宋繼強：現在還屬于早期，要想可量產、實現足夠的容錯性，目前都還沒有達到那一步。但是從量子比特的制備方式上講，英特爾的路徑比較獨樹一幟，就是用硅電子自旋方式上去制備量子比特，這跟業界長期以來通過超導固態電路的方式去制備量子比特很不一樣。

觀察者網：在很多人印象中，英特爾是傳統的半導體巨頭，但是現在英特爾研究院在做很多前沿的研究，像神經擬態計算和量子計算等。做這些前沿布局時，英特爾都有哪些考慮？現在大概有多少力量或者資源投入其中？

宋繼強：我們想做的東西都是要在未來可被規模產業化使用的技術。所以不管是做量子計算芯片，還是做神經擬態計算芯片，最終衡量它成不成功，都在于能不能形成規模化、產業化的效應。

在量子比特這條道路上，為什么我們選了基于硅電子自旋的方式，也是因為發現這個最適合英特爾，在300毫米的，大規模的CMOS制備這種半導體技術的基礎上把它產業化起來。同時，我們也看到基于這種方式做量子比特，它的尺寸是微縮的，比現在基于超導量子比特制備的小100萬倍。因為它是在硅晶圓上用CMOS工藝做的，一個量子比特大小就跟一個晶體管大小差不太多，所以具備規?；a的基礎。當然這里面還缺一些東西，比如說怎么去提高量子比特量產的良率，包括最后怎么去形成計算系統等。但由于我們已經知道大部分流程實際上跟半導體制程類似，因此更具備產業化條件。

神經擬態計算其實也一樣，我們在做的時候也是要考慮不只是像學術界一樣，發一堆論文，讓博士生能畢業就行，我們必須要看未來怎么去把它商業化。因此，我們在出第一款測試芯片Loihi之后，就開始構造一個全球社區，叫英特爾神經擬態研究社區（INRC）。這個社區就是先從初創企業和早期一直在做這方面研究的科研團隊入手，在測試芯片上做測試開發，看看效果怎么樣，進而去提升硬件設計，所以第二版Loihi 2性能好很多。

我們同時也和初創企業，以及和一些世界500強大企業一起，去探索神經擬態計算芯片的應用，因為一個新的芯片出來，總得找到合適的用處才行。我們試了在終端設備上、在機器人上、在無人機上、在云端數據中心的優化上，去做不同種類的應用嘗試，就是希望能夠找到適合規?；褂玫膱鼍?。這就是做產業化路徑和做學術路徑不一樣的地方。這個項目，目前研究院基本上維持一個五六十人的團隊在做，做量子計算的人其實比這還多，因為量子計算是研究院和TD（技術開發）部門同時在做。

觀察者網：神經擬態計算是英特爾中國研究院和總部一起在研究嗎？

宋繼強：芯片的設計主要是總部在做。我們這邊主要是幫他們在中國去構建英特爾神經擬態研究社區，這個社區包含學術機構和一些企業，我們向他們提供硬件，讓他們去做實驗，比如中科院自動化所、北京大學、復旦大學等，我們也有一些實驗性的應用。