AlphaGo的出現，掀開了人工智能發展的新一輪高潮。在這六年當中，以數據為主要驅動力的AI技術，已經從學術熱點變成了產業焦點。

上海作為中國人工智能發展領先地區之一，秉持著“智聯世界”的理念，自2018年開始，上海就著手舉辦了一年一度的世界人工智能大會。每一屆世界人工智能盛會總能將知名企業聚集在一起，共同推助AI的發展。

芯片作為數據處理的核心之一，也占據了本屆大會的C位——大會同期舉辦的智能芯片定義產業未來論壇吸引了眾多與會者。

英特爾研究院副總裁、英特爾中國研究院院長宋繼強以《異構集成：釋放人工智能超級力量》為主題發表了演講。他表示，以GPU和深度學習模型為基礎的AI技術并不足以支撐未來人工智能模型，而超異構計算、架構創新則會成為計算創新的關鍵驅動力。

超異構計算，“超”在哪里？

隨著AI的發展，芯片需要承載更多的數據處理功能。而此時摩爾定律發展遇到瓶頸，讓業界開始尋求依賴先進工藝而使芯片性能得到提升的方式。于是，可將不同架構的處理芯片整合到一個系統當中，從而達到在控制成本的同時，提升產品性能和效率目的的異構計算，開始受到了市場的關注。異構計算也被視為是支持復雜芯片設計的關鍵技術之一。

將CPU、GPU、FPGA或其他組合集成到一個板上，也可以說是一種板級異構計算方式。而超異構計算的出現，則促生了 “下一個等級”市場需求的到來。

宋繼強表示：“從直觀上看，這個等級是將不同架構的計算架構芯片封裝在統一個芯片內，但從其內部結構上看，其實是將不同的Die整合起來。所以它能夠利用不同架構芯片，在處理不同的數據、不同的任務的時，還擁有獨特的性能和在功耗方面的優勢。”

宋繼強指出，超異構計算當中，強調的是異構封裝和構建軟件方面的能力。即超異構計算利用異構封裝將不同的計算架構的芯片整合到一起，同時，在這個基礎上還要構建軟件能力。

但軟件層面的提升往往被業界所忽略。而軟件層面的缺失，則會影響硬件全面發揮其性能。宋繼強表示：“經過優化的軟件，會百倍提升底層硬件的性能。在I/O、Memory、Cache上的編程瓶頸，會成為底層硬件的軟肋。”

尤其是異構計算的出現，進行跨不同處理器單元的芯片設計，也對軟件提出了更好的要求。這需要解決跨不同處理單元之間的同步問題，從而使芯片性能得到大幅度的提升。

針對超異構計算中的瓶頸，英特爾推出了適用于超異構計算的異構封裝技術。一方面，英特爾推出了EMIB 2.5D的封裝技術，另一方面，其所推出的Foveros 3D還可以在計算的Die與計算的Die之間建互連，而不是像傳統的方式只能在計算的Die和Memory的Die之間互連。同時，這兩項技術還可以互相整合，例如英特爾推出的包括Hybrid Bonding等技術會進一步縮小封裝時裸片之間的凸點間距和功耗。而這些技術都已經在英特爾的產品中得以應用。

此外，英特爾還推出了名為One API的開放軟件平臺，期以利用軟件性能的提升來實現硬件的升級。

前沿技術賦能AI發展

作為半導體行業多年以來的領導者，英特爾除了利用超異構計算來促進AI芯片的發展，還在研究更為前沿的技術為未來AI芯片的發展提供可能。

量子計算、神經擬態芯片都是英特爾對未來AI芯片發展探究的一部分。

宋繼強表示，雖然量子計算還需要很長的一段路要走，但如果量子計算能夠達到中等規模，這種技術將驅動基于數據的大規模模型訓練的成長——它可能會有冪數級的加速效應。同時，他也指出，量子計算的應用需要重構現有的算法，算法上的匹配才能驅動硬件發揮更大的價值。

“神經擬態計算為AI芯片帶來的突破性好處是能效比”，宋繼強表示：“在提供同等算力的條件下，原來需要兩千瓦來完成的計算，利用神經擬態計算僅需要幾十毫瓦或者是幾百毫瓦。”

具有128核、13萬神經元、1.3億突觸的Loihi是英特爾推出的神經擬態計算芯片。宋繼強指出，英特爾的神經擬態計算芯片內含自學習的機制，以此為基礎，硬件本身的性能也能在應用的過程當中得以不斷提升。

“它可以在一個多個芯片構成的系統內模擬多個腦區，而這是目前利用深度學習還無法達到的目標，因為模型和模型之間沒有好的機制去互通。”宋繼強表示：“但在神經擬態計算可利用SNN模型，讓它們的輸入輸出互相關聯。”

如果神經擬態計算芯片可發展到10億級別的神經元（目前是1億級別的神經元），便可模擬不同的腦區功能。杰夫·霍金在他的《On Intelligence》（中譯本《人工智能的未來》）中提到，多層的皮層，實際上在底層需要多種不同的輸入感知，包括觸覺、視覺、聽覺等等。通過神經計算芯片的模型，可將這些輸入數據最終歸結為一個符號（而不是利用深度學習的方法，通過拍攝很多張照片來進行訓練 ），從而實現未來類腦芯片真正要達到的目標。

英特爾研究院為AI插上翅膀

英特爾研究院是他們研究前沿技術的主要的部門之一，同樣，研究院也支持了大量的AI技術的發展。

據宋繼強介紹，英特爾將AI定位于三個角色。其一，對于產品部門來說（這里指AI硬件部門），AI是一個工作負載，它需要緊跟現在流行的和未來可能要發生的趨勢。在這其中，英特爾研究院的職責是針對AI發展趨勢，在算法層面進行升級，包括像谷歌推出的新的框架、學術界新的算法。英特爾研究院在算法的基礎上進行創新，并通過某些形式給映射到硬件的架構設計當中。即通過工作負載的方式影響未來的硬件架構。

其二，AI被當做一種效率工具去提升設計、生產流程當中的效率，以及實現成本的降低。其三探求下一代的AI可能的突破，而這需要與學術界加強合作。

據宋繼強介紹，英特爾全球研究院的人數中至少有一半的員工參與到了與AI相關技術的工作中。從成績上看，整體而言，英特爾研究院占整個公司發專利的比例是20%。

英特爾中國研究院是英特爾在美國本土以外的重要研究機構之一。其中，AI技術也是英特爾中國研究院的重點研究方向之一。

“英特爾中國研究院對AI技術的研究，主要集中的算法方向”，宋繼強表示：“國內算法人員能力比較強，所以，中國研究院結合了這一優勢，針對計算機視覺算法方面，進行了一些深度模型的優化，并實現了大量的創新。”

據了解，在過去幾年中，英特爾中國研究院已經為多種不同的硬件都提供了算法級和架構級的輸入，這是中國研究院主要的貢獻方式，同樣也是中國研究院區別于英特爾其他研究院的特點之一。

此外，在前沿技術方面，英特爾中國研究院還承擔著對神經擬態芯片Loihi的拓展。宋繼強表示，在這方面，中國研究院所要做的是，將Loihi對接到中國一些領先的，和神經擬態計算相關的學校或者是企業當中的研究機構，進行相應的硬件方面的平臺對接。從而推動下一代AI技術的到來。

結語

從這一輪AI概念的興起，到現在AI技術逐步實現落地，并進入下一代AI技術研究的階段。英特爾認為推動AI的規模化創新加上應用，必須要做好三件事：

第一是抓緊數字化轉型的趨勢，用高性能、高能效的架構去支持多種數據。在這當中，需要解決硬件方面的基本問題。

第二是要真正地去擁抱異構集成。異構集成不只是代表封裝，它實際上是指用多種組合拳去解決產品的領導力，time to market的問題。所以英特爾會有架構創新、光互連技術、先進封裝技術，再疊加一些軟件方面的技術，組合起來解決這個問題。

第三是垂直整合。瞄準一些可以規模化，通過軟硬件結合可以創造更大價值的領域，利用應用去拉動多種AI技術的垂直整合。這種方式推動AI創新是大有可為的。