可量產！宋繼強透露英特爾神經擬態和量子芯片進展

本文系本站智能工作室（公衆號 smartman163）出品。聚焦AI，讀懂下一個大時代！

【本站智能訊 4月19日消息】昨日下午，英特爾在北京舉行主題爲“數造未來，IN無止境”的2018媒體“紛享會”活動。會後，英特爾中國研究院院長宋繼強接受了本站智能等媒體的採訪，透露了英特爾在神經擬態芯片和量子芯片上的研發進展，同時談到了AI芯片的應用與未來發展。

以下爲宋繼強受訪實錄（經本站智能整理）：

問：什麼是神經擬態計算，英特爾的神經擬態芯片進展如何？

宋繼強：神經擬態計算是一種新的計算模式。傳統方法是基於流程的計算方式，而深度學習是兩端都已經有數據可以用，一端是原始的採集數據，一端是人標定的數據，通過深度學習這種方法學出來的中間過程，因爲這個中間過程太複雜，人沒有辦法描述。擬態這種真正的去模擬人的神經元的構造和連接方式，就是在芯片裡面放了很多神經元，這個神經元有樹突、軸突，中間是靠脈衝神經網絡 （SNN-Spiking Neuron Networks)去推動，所以不光是看脈衝有多強，還跟到達的時間有關係，其實是在看一個脈衝的序列。

大腦不同的區域有不同的功能，但互相之間是有連接，連接帶來的好處就是它們可以形成一些相關性，也就是說如果在視覺看到的東西，可以在聲音同樣有相應的反應，或者觸覺上有相關反應。比如看一個橙子，既有視覺的，也有味道的，等等不同的特點，這些特點關聯起來，我從任何一個維度都可以認爲它是一個橙子。這些最適合放在神經擬態裡做實驗，因爲這樣可以把不同的區域都放在一個芯片裡做學習，而且這個學習還可以支持不同的學習模式，剛纔我們講到了有監督式的學習、半監督的、無監督的，純粹是讓它找關聯，還有強化學習，都可以在神經元上進行學習。也就是說這些不同的區域學習完之後，實際上還可以通過之間的互聯產生相應的關聯效應，也就是模仿了人的自然學習的模式。同時，英特爾現在給的神經擬態芯片最大的特點，因爲我們知道其他的公司包括大學也做神經擬態芯片，也有相應的產品級的東西或者是實驗芯片出來。這次我們的特點是，我們給的芯片在同一個芯片上可以支持你去自主學習，也就是Self-Learning，可以讓一個模型在這上面自己學習，改變它的參數甚至互聯的方式，不需要一個專門的方式，比如在一個系統裡做訓練，訓練好一個模型放在這個芯片上以後，這個芯片本身就不能再去改它了，這中叫不能自主學習的，我們這種是能自主學習，這是一個最大的突破。

這個芯片目前官方的名稱叫Loihi，去年底在美國已經流片測試成功，能夠正常的工作，現在正在在美國、歐洲跟一些有神經擬態計算研究比較領先的學校、公司，還有一些應用放在上面試，展開一些合作，去看到底哪些應用在上面能夠很好的發揮效果，比現在傳統的一些學習方式或者是深度學習方式都能產生更大的價值。

最終來講，不是說神經擬態芯片要取代現在的深度學習，其實是互相促進的，有深度學習擅長的地方有感知，識別視覺裡的物體，做語音識別，這都是深度學習擅長的，我們知道也有深度學習不擅長的，那就是神經擬態芯片可以發揮作用，而且像人腦一樣功耗極低。這是一個非常值得關注的進展。

問：英特爾在量子計算研究方面有什麼樣的進展？

宋繼強：量子計算，同樣整個業界有很多做量子計算的研究，包括做計算機模擬的、做純理論的，也有做系統的，也有像我們這樣做芯片的。

英特爾走的是以後能夠批量化生產的工程化的量子芯片道路，所以我們選擇投資和實驗全部都是考慮到以後可以在已知的工藝可能性下，可以大規模生產製造並保持一定的良率，所以我們纔會去朝着這個方向探索。

現在我們探索的兩條路徑，一條是超導量子位這種芯片，最多到49個量子位，也可以支持實驗性的研究。另外一種是比較流行，但是它有可能是在現在硅生產的工藝上做的，叫硅電子自旋的方式，這種超低溫能夠產生糾纏的量子位。這種方式也在英特爾300毫米，也就是12英寸晶圓的工藝上能夠流線生產了。英特爾推進這些都是爲了以後大規模批量化生產所做的研究。

問：英特爾在終端AI專用芯片是怎麼佈局的，優勢是什麼？

宋繼強：終端非常重要，因爲在未來2020年500億設備接入互聯網，終端裡面就包含現在的手機這些已經看到的，未來的終端可能有小型的，也有大型的。大型的比如車領域的終端芯片，可以請Mobileye的同事講一下。在前端，有一些基於視覺發揮作用的設備，比如無人機、機器人、智能攝像頭，這些英特爾目前是用Movidius這個芯片，它是ASIC芯片去支持。它的特點是本身功耗低，能夠以ASIC加速的方式去支持視覺，語音也是可以的，有視覺加速，同時支持深度學習的加速。我們目前已經有能夠和市場上其他公司類似的，比如說性能和功耗差不多的產品，而且我們的演進速度很快。這塊的性能就比前一代要提升了差不多10倍，而且還有一個好處就是大家可以用它組合起來和其他的芯片，以異構的方式提供加速，不是說全靠它自己，而是它可以去結合英特爾的低功耗的CPU，以異構的方式進行加速。

所以我們在終端這一側是以多種形態，有CPU，有ASIC方式的加速芯片，也可以用FPGA，取決於你的終端有什麼樣的功耗、性能、尺寸，甚至價格的需求。因爲FPGA也有可以加速的地方，也可以用在很靠前的終端，所以英特爾提供了好幾種方案供大家選擇。

問：AI芯片一定會比傳統芯片的性能和性價比都高嗎？

宋繼強：AI芯片大分可以分成兩類，一類是用現有的芯片的架構，比如CPU、GPU、FPGA，去加速AI算法，可以叫AI的加速芯片。另外一類，這個芯片本身具有一些智能的能力，就像我們現在講的神經擬態芯片，它模擬了人的大腦，所以自己可以不需要全靠算法，自己有一些學習的能力去演進。

目前，如果用在產業裡，大部分都是AI加速芯片，都是在用以前傳統的，原來爲通用計算、通訊加速的，或者是爲轉換工作負載比較方便的FPGA去加速某些特定的AI算法。

如果說對這些芯片比較一下性價比，那我首先要說先確定場景，再去比較性價比。在不確定場景之前比較性價比是沒有意義的，所以如果在確定了場景，如果我是爲了一個在道路上使用的監控攝像頭、前端攝像頭，希望它在什麼體積功耗下能夠完成在0.1秒之內監測出這裡面的車牌、行人的臉甚至有沒有人在這兒打架，這些都是場景性的監測，它對芯片能力就提出了確切要求，我們可以比較有哪些廠商可以符合這樣的要求。

目前來講整個業界沒有人用這樣的規則去比較AI芯片的能力，可能主要比較的是什麼樣的功耗下有多少的Tops，但是這些指標未必能轉換成能做多少事。所以我建議做芯片比較的時候放到場景裡，比如想看安防監控，英特爾提供的Movidius前端芯片，包括他們不是靠單芯片或者多芯片組合的方案來滿足要求，還有FPGA配合他完成在網絡攝像機，就是多個攝像頭介入的邊緣設備，這裡面都達到了很高的性價比。所以我認爲英特爾是在集中不同應用領域都有很好的解決方案。

問：在AI領域，包括軟硬件、算法，以及整體生態發展方面，哪個環節比較薄弱，爲什麼？

宋繼強：AI是一個技術，但是任何提到自能的事至少是一個系統，或者說是一個設備能完成一件事情。一個是技術，一個是任務。這就涉及到這個任務是小任務，還是大任務。比如小任務在安防裡面完成監控某一個區域，或者自控查找嫌疑人，這是小任務。大的任務就像無人駕駛，還有無人機部署到農業場所，智能農業還有工業的物聯網，這都是大的領域，包括智能機器人真的服務到千家萬戶了，這都是大系統。大系統裡面最需要優先考慮的就是底下這些數據怎麼互聯互通，怎麼保護隱私、安全，因爲這些數據都是從端到雲不同的流動，這是一個成體系建設。

爲了達成最後這個大任務，怎麼提前做產業化的佈局，在政策法規等領域做佈局。所以可以舉兩個例子，比如中國推“智能製造2025”，這就涉及到原來傳統的企業、生產商在2.5、3.0階段完成了智能化和自動化，但是它的網並沒有和外面的互聯網對接，我們知道“智能製造2025”的目標是讓生產東西跟外邊的需求是掛接的，實現柔性製造，這兩個掛接之間涉及到數據的流動，數據的流動到底誰信誰的，誰也不想把自己的數據拿過去，或者放不放公有云的問題，這需要有相應的去做協調，這種協調的機構肯定是中立的，或者是法規，或者是第三方，或者是政府。這是一個例子，不是說AI這一個技術就能撬動的。

再講一個例子，無人駕駛裡面用了AI，也用了芯片，沒錯，但是要想變成一個產業而不是一個科學實驗，那就需要全產業一起去想，怎麼把這套產業運轉起來的各種安全性的問題、保險責任認定的問題、賠付的問題，大家認知的問題都要解決。所以Mobileye在推動RSS，這是從產業上看怎麼提前佈局和去想，這個技術一旦應用起來會帶來一連串的社會問題，需要政府和相關機構一起來做協調。（小羿）

關注本站智能公衆號（smartman163），爲你解讀AI領域大公司大事件，新觀點新應用。