数据的变化正驱动计算革命，芯片巨头为何押注这两大突破性方向？_

（来源：DeepTech）

以英特尔的实践来看，尽管它被作为芯片巨人所认知，但这家公司的技术着眼点已经不止芯片，而是希望从多个层面提高计算的效率。

据介绍，目前英特尔已经使用以下几种不同的计算架构处理各种数据，分别是标量、矢量、矩阵和空间架构，这几种架构构成了异构计算里主要的组成部分，彼此之间灵活的组合，可以用来处理各种数据，也可以在数据处于不同的位置上，比如云、边缘计算或者终端时满足不同场景的计算要求。

但英特尔判断是，如此还不足以面向未来。

以机器智能的发展角度来看，未来机器将拥有以下几个重要能力：

第一，认知能力。目前深度学习技术已经帮助机器提供一部分感知的能力，也可以做一些推理计算，但是还没有到达所谓的认知，机器的认知能力还要继续提高，才能够比较正确地理解这个场景里发生什么。

第二，学习能力。人类在学习陌生概念的时候可以一边去学习，一边使用这个概念，不需要先经过很长时间、很大量数据的训练才学到新的知识。但机器还不懂如何变通这种学习能力，包括一边训练、一边学习，在低功耗的调价下完成学习也非常重要。

第三，处理不确定性的能力。人类擅长针对现在的情况做风险评估、预判和验证，以提高自身处理不确定性能力的水平，这几种都是非常重要的能力，机器智能还需要继续发展才能逐步帮助人完成各项任务。

以认知能力和学习能力为例，近几年来业界也有了不少重要探索，包括构建三维语义地图，通过模仿学习加上强化学习等，都可以帮助智能系统提高学习能力。

（来源：DeepTech）

另外，机器智能发展的另一个重要内容将在于万物互联。

其中，万物互联的维度和程度又将十分多元化，芯片和芯片之间可以互联，边缘计算和设备可以互联。丰富的互联，意味着如果连接之间的延迟足够小，带宽足够高，机器之间智能的能力或者存储的知识都可以交互，这又是新的智能发展阶段。

基于此，宋继强认为，对于机器智能来说，网络和云将帮助打破机器的物理边界，而这个边界在人类这种生命个体上是难以消除的，一旦机器有了这种能力，可以利用这个能力把云边端完全融合起来，这个模式不光用在机器人和无人驾驶上，未来像智能家居、智能零售、智能医疗都可以用到。对于英特尔而言，这意味着它需要在不同的环节提供不同的计算硬件。

具体而言，在计算硬件的规划上，英特尔也将在已有的硬件架构方式上继续突破，追求提供更高的智能。除此之外，另一个重要的方向在于——押注突破式计算技术。

（来源：DeepTech）

其中两个代表性技术分别是量子计算和神经拟态计算。

在神经拟态计算上，英特尔于 2017 年提出 Loihi 芯片项目，近两年一直致力于继续扩展 Loihi 神经拟态芯片的多片互联规模，以构成更大系统，现已从最开始的 4 块相连到 32 块相连，再到今年夏天实现 64 块相连，提供接近 800 万个神经元计算。

宋继强表示，Loihi 芯片还在追求更高的互联程度，希望提供一亿个神经元的计算学习平台，而人脑拥有 800 亿个神经元，这也就意味着 Loihi 芯片可以逐渐接近人脑，有望用在医疗等计算场景中。

围绕 Loihi 芯片，英特尔也在搭建一个生态，以期集结社区、大学、公司等力量探索更多的神经拟态芯片应用，包括这种新的计算模式和新的学习能力可以用在哪里、处理什么样的数据等。最近，这个生态中已经有世界五百强公司加入，包括 GE、埃森哲、空中客车等。

（来源：DeepTech）

针对神经拟态计算未来的可能性，宋继强也在接受 DeepTech 的采访时进行了进一步解读。

他表示：“神经拟态计算的相关研究从 80 年代中期开始到现在已经进行了将近 30 多年，但是真正要把这项技术用好，不是说光做一个芯片就可以。回顾其发展史，很多公司和机构都在研究神经拟态芯片，包括 IBM 和英特尔。英特尔秉承的思路是，做神经拟态计算一定要让它有用，不光是给出一颗芯片，我们还提供云服务、开发的套件，把这些推给学术界和大公司，现在有世界五百强的加入。正如早期人们探索 AI、深度学习的能力一样。

在学术界，神经拟态主要被用在约束满足、机器人自适应学习上，但这些真的是它的全部吗？不见得。所以我们要打造这样的一个社区，让社区里的公司、学校共同探讨真实的神经拟态应用，以及其中哪些可以规模化。”