英國著名科幻小說家阿瑟·克拉克（《2001：太空漫游》）有言：“任何先進的技術，初看都與魔法無異。”在英特爾這家巨大的半導體公司的內部，有一批人正在專注于此，即用新穎的方法，在廣泛的前沿研究領域中探索如何幫助人類應對在計算、連接、從云到邊緣的基礎設施、AI、傳感和感知等領域面臨的重大技術挑戰。

這就是英特爾研究院（Intel Labs）在做的事情。2023英特爾on技術創新大會期間，英特爾研究院院長Rich Uhlig介紹了英特爾在AI、集成光電、神經擬態計算、量子計算等關鍵技術領域的最新進展和解決方案，他表示：“英特爾研究院的探索邏輯是‘3S’，即 ‘發現’（Seek）、‘解決’（Solve）和‘推廣’（Scale），先盡量把概念向前推進，確認其進入規?；A段時能夠走向成功，再建立技術原型，測試技術的應用，如果成功，就會借助英特爾強大的執行能力擴大產品規模，將研究項目轉化為產品?！?/p>

本次大會中，英特爾研究院還舉辦了技術洞察分享、專題論壇和Demo演示等豐富多彩的活動。

在技術洞察分享環節，英特爾研究院副總裁兼新興AI研究總監Gadi Singer圍繞靈活、認知、自主和負責任四大方面，分享了英特爾研究院對AI未來的洞察。2023年是AI向新階段過渡的一年。很多行業的重點正在轉向成本效益高、值得信賴、安全、負責任、適應性強的大規模生成式AI模型，包括醫療、制造、零售和娛樂等行業。在英特爾研究院，研究人員正在推進新興AI應用，并與行業合作，以便更好地整合最新技術并從中獲得價值，幫助AI變得更加靈活、淵博、自主和負責任。

此外，通過多場專題論壇，英特爾研究院詳細地介紹了其在諸多前沿技術領域的工作，包括：

?集成光電及其對未來系統和數據中心的影響

服務器之間的數據移動日益頻繁，這對當今數據中心基礎設施造成了沉重負擔。這個行業正在迅速接近電氣I/O性能的實際極限。通過將硅光子與低成本、大容量的硅集成，英特爾研究院的集成光電研究解決了數據中心內網絡流量日益增長帶來的挑戰。在該專題論壇中，英特爾研究院分享了其取得的最新進展，介紹了集成光電改變未來數據中心架構中的系統接口和網絡拓撲的可能性，并闡述了英特爾對未來數據中心的光學計算互連和端到端光網絡的愿景。

?面向智能邊緣的AI驅動的邊緣服務和控制

企業正在部署創新的基于AI或機器學習的邊緣服務，以支持分布式異構邊緣的各種使用場景。在該專題論壇中，英特爾研究院展示了如何使用AI或機器學習技術來操作智能邊緣，從服務到端到端基礎設施，從上到下到平臺。該專題論壇介紹了一組創新的邊緣應用程序，使用AI或機器學習技術提高其能力和性能，例如改進缺陷檢測、執行視覺查詢和數據管理或協調移動機器人路徑的應用程序。英特爾研究院還展示了，針對資源受限的邊緣平臺的自動化AI和機器學習算法優化會如何幫助優化應用程序的性能，并詳細介紹了這些算法如何用于優化5G網絡基礎設施上應用程序的端到端操作。此外，在該專題論壇中，英特爾研究院也展示了，這些算法如何使用平臺功能——例如資源調度技術（Resource Director Technology）——動態地調整共享資源的使用，以滿足用戶通過總體目標定義的需求，實現端到端管道，并詳細介紹了如何使用創新的AI和機器學習技術來優化和操作智能邊緣。

?神經擬態計算：Loihi 2和Lava軟件

盡管幾十年來取得了進步并且近期也取得了突破，但目前的AI技術在許多重要領域仍然落后于生物大腦。為了創造充滿各種智能設備的未來世界并讓它們安全、自主地配合人類，英特爾受神經科學原理的啟發開創了一種全新的計算方法。這就是全新的Loihi處理器架構，通過最小化數據移動和利用基于稀疏性和異步事件的傳輸，它實現了數量級的計算指標提升。在該專題論壇中，英特爾研究院詳細介紹了其在神經擬態計算研究領域的最新進展。

?推動大規模的基礎性AI研究

英特爾的AI實驗室開發基礎性AI技術、顛覆性應用以及極具挑戰性的計劃。該專題論壇分享的洞察涉及十億級圖神經網絡（GNN）分布式訓練平臺，通過圖形架構理解長視頻（在處理10倍長的視頻的同時以很低的成本匹配SOTA轉換模型的性能），以及“AI for Science”的突破（第一個面向蛋白質結構設計的對話界面和面向新材料研發AI的全新基準）。

?量子計算的進展和英特爾?量子軟件開發工具包（Intel? Quantum SDK）介紹

盡管可能還需要很多年，但量子計算有望在能源生產、材料、化學品和藥物設計、金融和氣候建模以及密碼學等方面取得突破。許多公司正在共同努力，推進有助于實現量子計算的研究工作。英特爾研究院正在擴大軟件開發者社區，以充分利用名為英特爾?量子軟件開發工具包的全棧解決方案。在該專題論壇中，英特爾研究院詳細介紹了英特爾取得的最新進展，介紹并演示了如何使用英特爾?量子軟件開發工具包，包括運行流行的經典量子化學算法。

?加密計算：探索數據隱私保護前沿

超越當今的機密計算，名為加密計算的新研究領域有望進一步提升云計算數據隱私保護和安全。與可信執行環境不同，加密計算是一種強大的新技術，通過端到端加密實現涉及私有敏感數據的計算和協作。它可能會徹底改變未來加密數據的共享、分析和處理方式，使組織機構能夠獲得有價值的見解，同時從理論上消除數據暴露給第三方的風險。在該專題論壇中，英特爾研究院介紹了在全同態加密和英特爾加密計算軟件開發工具包方面取得的最新進展。

?自優化數據庫：在數據庫管理系統中使用機器學習

數據庫管理系統（DBMS）是一個復雜的軟件系統。其性能取決于硬件、數據和數據庫查詢。針對特定問題優化DBMS可能會讓人不知所措。英特爾研究院與麻省理工學院和布朗大學的學術合作伙伴密切合作，正在開發自動完成自優化的數據管理系統。采用簡單參數搜索方法的DBMS優化以前已經使用過，然而，這項研究正在通過基于機器學習的創新方法開辟新方向。從自組織的數據容器和自動優化的查詢引擎到DBMS內基于機器學習模型的低級數據結構，一切都清晰明確。在該專題論壇中，英特爾研究院介紹了未來采用自優化系統的數據管理。

?異構編程：C++中的分布式數據結構、算法和視圖

分布式和異構系統——例如每個節點有多個GPU的集群——已經變得越來越普遍。目前，這類系統的編程通常使用多個低級編程模型。為了給這些系統打造軟件生態系統，需要更高級的編程模型。英特爾研究院的目標是，幫助用戶在此類系統的編程中使用標準的數據結構和算法，就像目前使用序列系統一樣。英特爾研究院使用分布式數據結構來實現這一點，這種結構在多個GPU或節點上自動分配數據。此外，還使用了并行計算的分布式算法。在該專題論壇中，英特爾研究院介紹了如何在多個GPU上運行C++程序，只需極少的修改，讓性能媲美經專業調優的代碼。

同時，英特爾研究院還在2023英特爾on技術創新大會現場展示了多個Demo，呈現了推動前沿技術應用落地的諸多探索和嘗試，包括：

?AI機器人：具有可編程性的人類-AI交互技術

協作機器人（Cobot）正在成為面向一般體力勞動的自適應智能助手，具有顛覆性的投資回報。在這個演示中，終端用戶通過VR方式（遠程）操控機器人，直接完成物品拾取和放置任務。其中展示的編程過程包括機器人模仿人類，動作和實體標注，以及對模塊化機器人技能的安排。這個使用場景逐步演示、介紹了英特爾在運動基元、增強機器人視覺和VR接口方面取得的進展，通過英特爾RealSense技術和英特爾XPU硬件實時地控制、推理、斷定和行動。

?AI安全和信任

這個演示涵蓋了AI領域的安全、信任和隱私保護等幾個主題。雖然ChatGPT等流行的大語言模型（LLM）是使用公開可用的數據進行訓練的，但下一步是在組織內部署它們，并通過自定義數據進一步增強。但是，如何保證大語言模型尊重組織邊界，不會向未經授權的人員透露信息？互動Demo展示了一個猜謎挑戰，目的是說服大語言模型透露它被告知不要透露的信息。

?輔助計算：AI回復生成與腦機接口

輔助情景感知工具包（Assistive Context-Aware Toolkit, ACAT）是由英特爾研究院開發的一個開源軟件平臺，使患有運動神經元疾病的人能夠通過鍵盤模擬、文本預測和語音合成進行交流。最近發布的ACAT 2.0版具有腦機接口，使完全不能行動的用戶能夠進行溝通。該版本還包括針對AAC（增強和替代性溝通）用途進行微調的增強語言建模功能，以實現個性化的語句完成，以及更高效打字模式，提高溝通速度。該系統經過優化，可在客戶端設備上運行，而徹底重新設計的用戶界面易于使用。這個演示展示了ACAT的所有功能，包括腦機接口和新的文本預測功能。

?生成式AI：3D潛在擴散模型（LDM3D）

DepthFusion展示了英特爾LDM3D擴散模型的強大功能，通過文本提示生成360度視圖。LDM3D擴散模型使用用戶提供的文本提示生成2D RGB圖像及其相應的深度圖，從而提供文本提示的完整RGBD呈現。然后，利用LAION400M數據集的一個子集對該模型進行微調，該數據集是一個大規模的圖文數據集。用于微調模型的深度圖由MiDaS 3.1生成，這是一種深度估計算法，為圖像中的每個像素提供高度精確的相對深度估計。然后，英特爾的應用程序利用多功能平臺TouchDesigner的強大功能，可以創建身臨其境的交互式多媒體體驗，生成逼真的360度視圖，為用戶提供一種獨特而引人入勝的方式來體驗他們給出的文本提示。

?光場顯示器上的沉浸式遠程呈現

該Demo重點介紹了一個完整的實時光場視頻端到端系統，該系統使用云處理，并在內容創建和消費終端設備方面獲得客戶端功能的支持。這項“光場視頻”技術展示了在沉浸式視頻點播、實時直播和視頻會議體驗方面的突破。該演示展示了一個完整的端到端系統，其中包括一個用于同時捕捉各種攝像頭角度的消費級光場攝像頭陣列，用于可變視點視頻創建、云處理、流媒體內容交付的算法，以及一個沉浸式視頻觀看設備。

?神經對象復制：用于游戲等領域的AI驅動的3D內容創建

?神經擬態計算：利用Loihi 2進行衛星調度和優化

該演示展示了，在解決物流和運營中經常遇到的調度問題時，英特爾的神經擬態技術如何減輕計算負擔。一個典型的調度問題涉及分配一定數量的代理來執行特定數量的任務，同時遵守調度的約束。該演示展示了如何解決太空技術行業的一個關鍵調度問題：將大量地球觀測請求（任務）安排給衛星群（代理）。調度問題所花費的時間與代理數量，以及要解決的任務數量的平方成正比。對于擁有數十個衛星和數千個客戶請求的商業衛星公司來說，目前的算法無法及時找到最佳解決方案。

?量子計算：英特爾?量子軟件開發工具包和3D交互式硬件演示

該演示重點介紹了英特爾量子軟件開發工具包（Intel? Quantum SDK）的1.0版本，該工具包讓用戶可以對接英特爾的量子計算堆棧。該軟件開發工具包包括一個基于C++的直觀用戶界面、一個適用于量子計算的基于LLVM的編譯器工具鏈，以及一個高性能的英特爾量子模擬器（Intel Quantum Simulator）作為以量子比特為目標代碼的后端。該演示還展示了英特爾量子硬件的3D交互式外觀。

邁向計算的未來，人類不會停步。英特爾研究院將始終致力于在各種前沿領域“全面出擊”，從技術探索，到應用落地，不斷探索多樣化的可能性，為未來計算“插上翅膀”。

審核編輯 黃宇