全新的计算架构：神经拟态计算-德赢Vwin官网网

第十五届“开源中国开源世界”高峰论坛如期举行。英特尔中国研究院院长宋继强在此次论坛上发表了题为《神经拟态计算，探索智能互联时代的计算创新》主题演讲。演讲内容涵盖信息世界数据的三大变化而产生的对计算创新的需求，以及英特尔在计算创新上所做出的努力和进展。宋继强在此次演讲中也表示，希望通过开源的技术和平台，让新的技术可以造福全人类。

据宋继强介绍，因为无线通讯技术和人工智能技术的广泛应用，目前人类所处的信息世界的数据正在呈现三大变化。首先是数据量呈指数级的爆发。除了我们熟知的人为输入和设备在不断地产生数据之外，物联网、人工智能模型也在产生大量的数据。另外，数据的形态也日趋多样化，有更多非结构化数据在实时产生。最后，很多来自于物联网设备以及实际应用场景的数据，需要在终端或边缘被采集，同时要能够实时处理后再反馈到边缘。这也是数据的第三个变化，即对数据实时处理的需求在快速增长。

针对信息世界中数据的这三大变化，对计算创新的需求也呼之欲出。英特尔在计算创新领域耕耘多年，并提出了“超异构”计算解决方案，通过先进的异构封装技术将多种不同类型的架构组合到一张芯片中，并提供面向异构计算统一、可扩展的编程模型oneAPI软件解决方案。除此之外，英特尔也在继续探索计算架构的创新，神经拟态计算是一种全新的架构，并且英特尔也已经取得了瞩目的成就。

超异构计算创造卓越能效比

宋继强在此次演讲中指出，目前我们主流的计算架构有四种，分别是标量、矢量、矩阵和空间计算，异构计算就是要把这些计算进行整合，简称为“XPU”。传统的异构计算主要采用SoC和分体式板卡的方式，但这两种方式各有劣势，而英特尔的“超异构”计算可以把这两种方式的优势集合，同时避免它们的不足。

“英特尔先进的封装技术，如EMIB、Foveros等，可以很好地将多种不同架构的芯片整合到一个芯片里，”宋继强表示。“这些技术可以避免在板级封装中对空间和传输效率的牺牲，同时在小空间、低功耗的情况下，提高了计算性能和能效比。”

除此之外，在超异构计算领域，英特尔推出“软硬结合”战略，推出了以开发者为中心的oneAPI软件解决方案，提供一个通用、开放的编程体验，让开发者自由选择架构，无需在性能上做出妥协，也大大降低了使用不同的代码库、编程语言、编程工具和工作流程所带来的复杂性，从而为企业节省成本。

宋继强表示：“通过我们提供的统一API接口使得在不同硬件之间的迁移变得非常简便和高效。oneAPI是面向开源的，也希望大家来参与这个领域的交流和合作。”

全新的计算架构：神经拟态计算

除此之外，英特尔在计算架构创新领域也在持续探索，这其中就包括采用全新的计算架构的神经拟态计算。宋继强认为，目前理想的一种计算方式是能够类似人脑，在低能耗的条件下完成多个不同种类的任务，同时又能够支持扩展，而神经拟态计算是一个可行之道。

英特尔在神经拟态计算领域已经取得了瞩目的进展。神经拟态芯片Loihi存储和计算一体，把计算单元和所需要的存储空间紧密整合，拥有非常多一样的“小核”，每个“小核”中又拥有1000个神经元，每一个神经元又可以和另外1000个神经元相互连接，这样的架构被称为“同构多核”，类似人脑中突触的概念。

“Loihi这样的一个小芯片已经可以vwin 人脑的13万个神经元，并且可以产生1．3亿个突触，所以这已经是一个高度复杂的神经网络拓扑了，”宋继强说到。

神经拟态芯片也是真正的“绿色”芯片。据宋继强介绍，Loihi不仅体积小，同时采用异步电路设计，只有工作的神经元才会启动，其他的则处于休眠状态，可以实现非常高的能效比。

Loihi芯片灵活的架构支持多种事件驱动的自学习模式。除了深度学习中无监督学习模式和监督学习模式，Loihi还支持自监督学习，即关联不同的事件产出它们的前后因果顺序，并且进行强化。除此之外，Loihi还支持强化学习，即利用观察到的事件和决策之间反复迭代，从而得出“最优解”，这种学习模式非常适用于自动驾驶和机器人领域。

目前，英特尔最新的神经拟态系统Pohoiki Springs拥有768个Loihi芯片，提供1亿个神经元，已经相当于一个小仓鼠的大脑。

宋继强在演讲最后表示：“英特尔的宏旨是通过创造改变世界的技术，造福地球上每一个人。希望通过超异构计算以及神经拟态计算，以及开源的技术和平台，能够让新技术快速覆盖全球，产生造福人类的技术。”
责任编辑:pj

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

物联网

物联网

+关注

关注
2909

文章
44557

浏览量
372743
人工智能

人工智能

+关注

关注
1791

文章
47183

浏览量
238203
智能互联

智能互联

+关注

关注
3

文章
78

浏览量
15814

边缘计算架构设计最佳实践

边缘计算架构设计最佳实践涉及多个方面，以下是一些关键要素和最佳实践建议：一、核心组件与架构设计边缘设备与网关边缘设备：包括各种嵌入式设备、传感器、智能手机、智能摄像头等，负责采集原始数据

发表于 10-24 14:17 •410次阅读

IOT边缘计算网关：物联网的“神经系统”

在物联网（IoT）的快速发展中，边缘计算网关作为物联网的“神经系统”，扮演着至关重要的角色。它不仅负责将物联网设备的数据收集并传输到云计算平台，还具备数据处理、存储、管理和安全防护等多重功能。本文将

发表于 09-25 11:44 •427次阅读

IOT边缘<b class='flag-5'>计算</b>网关：物联网的“<b class='flag-5'>神经</b>系统”

什么是神经网络加速器？它有哪些特点？

）和图形处理器（GPU）虽然可以处理神经网络计算，但在能效比和计算密度上往往难以满足特定应用场景的需求。因此，神经网络加速器应运而生，它通过优化硬件

发表于 07-11 10:40 •473次阅读

简述递归神经网络的计算过程

、时间序列预测等领域有着广泛的应用。本文将详细介绍RNN的计算过程。基本概念 1.1 神经网络神经网络是一种受人脑神经元结构启发的计算模

发表于 07-05 09:30 •438次阅读

神经形态计算器件和阵列测试解决方案

神经形态计算是一种新型的计算范式，它模仿生物神经网络（如人脑）的结构和功能以在为人工智能、机器学习、机器人和感官处理等各种应用实现高性能、低功耗和自适应学习能力。

发表于 07-03 10:02 •371次阅读

卷积神经网络计算过程和步骤

卷积神经网络（Convolutional Neural Network, CNN）是一种深度学习模型，广泛应用于图像识别、视频分析、自然语言处理等领域。本文将详细介绍卷积神经网络的计算过程和步骤

发表于 07-03 09:36 •551次阅读

神经网络架构有哪些

神经网络架构是机器学习领域中的核心组成部分，它们模仿了生物神经网络的运作方式，通过复杂的网络结构实现信息的处理、存储和传递。随着深度学习技术的不断发展，各种神经网络

发表于 07-01 14:16 •691次阅读

基于FPGA的类脑计算平台 —PYNQ 集群的无监督图像识别类脑计算系统

。LIF 神经元硬件架构数据流和控制流如图 8 所示： NEST仿真器运行在ARM核，通过AXI-LITE控制LIF_NEURON神经元计算模块，并将

发表于 06-25 18:35

神经拟态计算是如何降耗的

自计算机问世以来，运算效能与能耗消耗两大议题始终困扰着计算产业。在人工智能崛起的背景下，全球各地科研机构及相关公司积极探索提高处理器算力的新方法，神经拟态处理器即是一种创新尝试。

发表于 06-07 15:35 •679次阅读

存内计算WTM2101编译工具链资料

领先的存内计算芯片企业。公司针对AI应用场景，在全球率先商业化量产基于存内计算技术的神经网络芯片。凭借颠覆性的技术创新，知存科技突破传统计算架构

发表于 05-16 16:33

英特尔发布新一代神经拟态系统Hala Point，11.5亿神经元，12倍性能提升

Point改进了架构，将神经元容量提高了10倍以上，性能提高了12倍。英特尔研究院神经拟态计算实验室总监Mike Davi

发表于 04-19 09:43 •488次阅读

中科曙光打造一种全新的计算体系构建与运营模式—“立体计算”

4月2日，中科曙光“立体计算湖南行”启动仪式在长沙成功举办。面对“加快发展新质生产力”的新要求，中科曙光提出“立体计算”新思路，旨在打造一种全新的计算体系构建与运营模式。

发表于 04-03 09:52 •444次阅读

光电智能计算架构和芯片研究

无处不在的持续增长的需求。这些硅计算硬件平台的进步催生了更大规模的训练和更复杂的模型，极大地促进了人工智能(AI)的复兴。我们见证了各种神经计算架构，例如卷积神经网络(CNN)、递归

发表于 01-08 09:13 •802次阅读

边缘计算和云计算的区别和联系

边缘计算和云计算是两种不同的计算模型，它们在应用场景、架构、数据处理等方面有着显著的差异。本文将详尽、详实、细致地阐述边缘计算和云

发表于 12-27 15:14 •2896次阅读

边缘计算框架有哪些

边缘计算架构是一种将计算能力、存储和分析功能尽可能地靠近数据源的计算模型。它通过将计算任务从中心数据中心移至近距离的设备上，提供低延迟、高带

发表于 12-27 15:01 •1456次阅读