智东西（公众号：zhidxcom）
文 | 心缘

智东西11月5日消息，今日，英特尔技术与系统架构和客户端事业部高级院士、英特尔研究院院长Richard（Rich）A.Uhlig第一次来到中国，接受智东西等媒体的采访。

在前沿研究领域，除了高校之外，各企业的研究院也扮演着冲锋陷阵的角色。

它们前瞻性地做出预判，探索最有可能在未来为企业带来价值的方向，并进行大量的实践。正是这些面向未来研究的探索者，引得科技的发展拥有无限的可能。

英特尔研究院正扮演这样的角色。

作为英特尔掌握未来核心技术的储备军，英特尔研究院负责突破性创新技术的研究和交付，旨在重塑英特尔在计算、通信、安全和智能系统等领域的未来发展。

在今天的交流中，Uhlig向我们介绍了英特尔研究院重点投入的核心技术创新领域，并就神经拟态芯片的优势、量子计算的真正目的是不是量子霸权、企业研究院如何选择研究方向等话题进行一一分享。

▲英特尔技术与系统架构和客户端事业部高级院士、英特尔研究院院长Richard（Rich）A.Uhlig

一、数据洪流中的三类颠覆式技术

当前计算系统正越来越难以承受规模越来越大的数据处理任务，如何在推进数据共享的同事保护隐私安全同样面临着巨大挑战。

数据的性质正在不断变化，从结构性数据更多转向非结构性数据，从云计算数据中心向外扩展到边缘。数据无所不在，给商业及社会发展都带来了无限机遇，英特尔也是从这一角度来推动研发进展。

英特尔研究院在数据的各个方面都推进研发与部署，包括传感器、内存与存储、全新计算平台、网络、软件、安全、编程高效性等方向。

▲英特尔研究院研究框架

在新技术的演进中，Uhlig看到了三类颠覆式技术正在持续发展。

1、新型计算方式

量子计算、神经拟态、图计算、概率计算都是非常重要的新型计算方式，也是英特尔研究院正着力推进的研究范畴。

量子计算的一大好处在于对通过重复采样，对同一问题有多个解，能比现有超级计算机更快地处理一些技术任务。

神经拟态芯片模仿人脑运作机制，形成高能效神经网络系统，主要采用异步脉冲神经网络（SNN）去解决问题，可应用在机器人、网络、动态控制、稀疏编码、图式搜索、路径规划、约束满足等很多领域。

图计算主要用于发现大规模数据间的内在关系，尤其适用于社交网络。

一些现有计算系统可以运行图计算所涉及的数据库，但是往往效率低。因为通常关系型数据本身非常稀疏，在内存获取和访问的模式上具有不稳定性，贝叶斯算法无法应用，而用图计算可以有效提升稀疏数据处理效率。

另一种新型方式是概率计算，它用于处理内在、不精确、噪音大的数据，概率计算可以容忍这些不确定性，无需在数据意义上实现完全的精准，从而极大提升效率。

这四个研究方向属于不同的计算模式，Uhlig表示，英特尔研究院在这四个领域都投入研究，并不笃定其中一种会超过其他的计算模式。

2、硅光子技术

第二个方面的颠覆式技术并非计算模式，而是关乎联网连接方式变化的硅光子技术。英特尔一直重视硅光子技术，支持通过硅光子实现不同计算元素间的相互连接。

英特尔认为进行新一轮硅光子创新的时机已经到了，可将带宽效率提高一到两个数量级。

有人曾这样形容硅光子技术的价值，在硅光子的PC上，存储一部高清电影，或许只要1秒钟。

Uhlig表示，这一领域将会有新消息释放，英特尔对这方面技术上取得突破抱有信心。

3、内存技术

在内存技术方面，英特尔带来革命性的内存技术，推出了全新存储介质——傲腾数据中心级持久内存。

这为至强可扩展平台带来了突破性的存储级内存能力，将堪比DRAM的性能与持久性实现了高度融合，同时也推动了软件堆栈的变革，从而充分利用计算。

二、今年三大突破：神经拟态、硅光子、机器自编程

如今已接近年末，回首过去一年，英特尔研究院取得了哪些突破？

在Uhlig看来，最让他感到激动的有三点，除了之前所述的硅光子外，他认为英特尔研究院今年的另外两大突破是机器自编程与神经拟态计算。

他首先表示对神经拟态计算方面取得的进展感到非常兴奋。Uhlig透露说，英特尔正在建设更大规模的神经拟态系统，年底前会有英特尔更大规模的神经拟态系统的消息出现。

再来说说机器自编程。现在异构计算已经被公认代表未来发展方向，随着数据种类愈发丰富，需要不同计算架构的组合来充分捕捉数据的价值，而在通往真正异构计算的路上，要做到高效编程还存在很多困难。

针对这一现象，英特尔正在研究的一种方法是机器自编程，即用人工智能（AI）支持系统自动编程。Uhlig认为，这是AI最有趣的应用之一，是很多学术研究方兴未艾的新领域，也是长期以来计算机领域都未能解决的难题。

英特尔正在这一方面大举进行投资和研究，并且已经取得了一些早期成果。Uhlig也提到，这一技术距离成熟还需要几年的努力，他相信在这方面加强投资，未来会有好的回报。

三、神经拟态芯片的优势与进展

Uhlig表示，机器学习处理器、深度学习处理器长期存在内存、I/O、能耗方面的瓶颈，这些需要分别逐一解决，而神经拟态芯片将是一个很好的解决方案。

从内存角度来看，它将内存计算相结合，能解决内存约束问题。

从能耗角度来看，它在一个时间点只对必要的算法部分进行激活，而非使用整个算法。这样在任何一个给定的时间点，它要比传统AI方式更节省能源。

2017年9月，英特尔发布神经拟态芯片Loihi，采用14nm工艺制造，集成21亿个晶体管，核心面积60平方毫米，内部集成3个Quark x86 CPU核心、128个神经拟态计算核心、13万个神经元、1.3亿个突触，并有包括Python API在内的编程工具链支持。

2个月前，英特尔又宣布了代号“Pohoiki Beach”的全新神经拟态系统，由64颗Loihi芯片组成，集成了1320亿个晶体管，总面积3840平方毫米，拥有800万个神经元、80亿个突触。

▲英特尔研究院院长Rich Uhlig手持一块英特尔Nahuku基板，每个基板上包含8-32块英特尔Loihi神经拟态芯片，最新神经拟态系统Pohoiki Beach由多块Nahuku基板组成

据称，在稀疏编码、图式搜索、路径规划、同时定位和建图（SLAM）、约束满足问题等特定应用中，Loihi要比传统CPU速度快最多1000倍，能效高最多10000倍。

在神经拟态系统的基础上，英特尔进行更大规模的基于Loihi系统的多芯片聚合研发，即多个Loihi系统同时存在，这也是英特尔会持续走下去的方向。

如果按照此前英特尔公布的计划，英特尔今年底将做到1亿个神经元、10000亿个突触，预计会有768颗芯片、1.5万亿个晶体管。

当前，英特尔正在做的事情是推动在Loihi系统外部所建设的社区，以便基于此开发出更多有趣的应用。

英特尔已建立Intel神经拟态研究社区（INRC），使得加入各方可充分利用Loihi系统集群，以此开发出更为有用的用例与模型。最新的神经拟态系统已分享给数十个INRC生态合作伙伴。

目前他们已经获得一些非常有趣的结果，包括基于此研发出的具有高能效的推理手段、机器人控制人系统、约束满足优化方面的计算等等。

四、双管齐下，英特尔的量子计算战略

前端时间，谷歌宣布量子霸权与IBM发文质疑两件事，将量子计算的热度再次点燃。

作为全球量子计算领域的另一大核心玩家，英特尔研究院的量子计算研究也在低调而稳步的推进中。

在量子计算研究领域，英特尔采取双管齐下的策略，与合作伙伴共同进行超导量子与自旋量子两方面的研究。

据Uhlig透露，最近，英特尔内部更多聚焦于自旋量子计算。自旋量子位是基于硅中单个电子的自旋而起作用，由微波脉冲控制。与超导量子位相比，自旋量子位非常类似于在硅中运行的现有半导体组件，从而有可能利用现有的制造技术。它在适应低温环境、稳定性和持续时间、物理尺寸上均较自旋量子位更有优势。

无论是从制造量子位，充分利用英特尔当前的制造优势，还是从低温等控制技术的角度来讲，英特尔研究院都取得非常不错且有意义的进展，

Uhlig认为，量子计算需要整体的社区，大家共同努力来解决真实问题。微软量子计算选择的云服务是一种方式，但最重要的还是在硬件上对算法做测试。

而在硬件方面的核心研究上，英特尔拥有相当充足的底气。

英特尔重点聚焦的硅自旋量子位制造技术本身与英特尔在制造方面的优势高度契合，这种相似性使得英特尔能从晶体管制造中吸取经验，应用于量子计算研究中。为了进一步加快量子计算的研发，英特尔还设计了量子低温晶圆探测设备Cryoprober，可大规模测试300mm晶圆上的量子位，在几分钟内收集有关量子噪声源和量子点质量的信息。

▲英特尔量子低温晶圆探测设备Cryoprober

要解决问题需要扩大量子位的数量级规模，不仅要充分利用在制造上的优势，还需一些在量子位的配置和控制技术方面的解决方案，在这方面，英特尔同样有很好的实践经验。

另外，英特尔历来采取系统论的方式去解决问题，系统性看待从设备到控制再到编程的系统观也是英特尔长期以来的优势。

过去几十年，英特尔在工程技术方面早已证明英特尔在制造大规模硬件和软件复杂系统上的优势。

在Uhlig看来，量子计算还处于非常早期的初级阶段，马拉松长跑刚刚跑完第一英里，英特尔只是其中的奔跑者之一，现在预测未来市场格局是没什么意义的。

四、量子计算真正的目标不是量子霸权

关于谷歌宣布量子霸权的一事，Uhlig表示认可谷歌在量子计算领域取得的技术进展。

不过在他看来，量子霸权究竟是否成立需要有正确的认识，其关键在于选择什么题目来解，要找到一个足够复杂的问题，并证明量子计算解决这一问题的效率超越传统计算机。

英特尔相信量子计算真正的目标不是量子霸权，而是量子实用性，也就是解决对人们实际生活有意义的问题。

量子计算能解决多少问题与量子位规模有一个成比例的关系。要解决复杂的现实问题，需要非常多的量子位，同时要求能在低温环境下非常高效的进行量子位运算。

量子位非常脆弱，需要开发一些使得周围环境对量子位来讲有更大宽容度使其持续下去的技术。

量子位需要物理量子位与逻辑量子位，以及很多纠错码。一个物理量子位纠缠时间短，状态非常脆弱，多个物理量子位加一层纠错电码，才能形成逻辑量子位，这个逻辑量子位才能去做算法计算。

Uhlig认为，量子计算真正的商用取决于何时能在工程学和科学上克服大规模量产、控制等方面的挑战，要处理实用性的问题至少还要十年。

在解决问题的过程中，量子化学、材料建模这两个方面可能未见得需要英特尔开发全容忍的量子位，但它们对于优化计算来说很有必要。例如Max-Cut优化计算过程中，需要几百个逻辑可靠的量子位，这意味着需要上万个物理量子位。

另一类问题就比如解密编码，需要几千个甚至百万级别的量子位。所以这需要更多可靠稳定量子位的问题的解决就会晚些到来。

当前量子计算研究水平才达到五十几个量子位，而未来要解决问题，需要几十万、甚至上百万的量子位，这其中有非常多的障碍要去克服。

至于量子计算是否已经形成泡沫，Uhlig认为现在还不能判断。

可以确定的是，越来越多注意力正投向量子计算上。而要在这方面有所发展并在未来取得成功，就需要今天进行更多的投资。

五、如何判断最佳前沿创新方向？

在采访期间，Uhlig也谈到了英特尔研究院身兼的一个核心任务——如何确定前沿的研究方向。

英特尔研究院有多重测试标准来确认是否去解决某种问题。

他们选择解决的问题，是能够预想到解决这个问题后非常令人期待和兴奋的结果，对社会和个人生活都将带来很大的利益和飞跃。

在判断技术价值时，不可避免的要考虑到技术炒作问题。英特尔研究院会对每种技术进行细致调查，了解每种技术的发展前景和可能的陷阱，从而给公司提供正确的建议和选择。

Uhlig认为，当确定并且知道用怎样新颖的方法去研究某一领域的问题时，就应该尽快开始。

而在具体操作时，英特尔研究院一直秉承一个原则，即不要只选择单一的一种路径来解决问题，然后陷在其中不能自拔。

英特尔研究院总是采取多管齐下的方式，去尝试不同手段解决不同问题，并且分别进行测试，判断哪几种更可能取得成功。如果觉得某一方向更有可能成功，就会加大投入以取得更好的进展。

同时，Uhlig也分享了如何去选择交叉研究领域的通用原则。

他给的建议是，在最驱动热情的三个领域，找到一个交叉点进行研究，很有可能会发现别人所未曾发现的东西。

这个基本原则其实是在讲合作，去和知你所未知的人进行知识共享，就有可能会取得成功。

惊喜，恰恰来源于未知。

结语：前沿技术，从实验室走向未来落地

从和Rich A.Uhlig的交流中，我们了解到英特尔研究院作为英特尔的核心前沿技术储备力量，如何去选择具有价值的前瞻性方向，以及对这些前沿技术有怎样的判断和思考。

这些技术尚处于实验室阶段，尚未形成产品，也没有成形的产品路线图。而在实验室研究进程中，研究人员们正越来越了解每种计算模式以及技术擅长什么、不擅长什么。而一旦有信心解决其中某些问题的时候，创新型产品可能很快就会进入人们的生活。