国产替代半导体芯片龙头股的全球最强神经拟态系统何时改变世界
2020年，你对AI功能感到满意吗？
如果你想起与AI智能音箱哭笑不得的对话经历，还有站在AI人脸识别闸机口许久才被识别出你是谁，你大概率会给出一个否定的答案。
已经大规模应用的AI，在金融、工业、电力、医疗等应用中已经展现出其重要的价值，但也不可否认，AI还有很大的提升空间。
在这个追求技术革新的时代，我们不仅期待量子计算带来的变革，也关注着神经拟态计算，它们都有可能成为未来的关键驱动力。尤其是英特尔最新发布的一亿个神经元的全球最强神经拟态系统Pohoiki Springs，以及具有“嗅觉”的神经拟态芯片，这些成果让我们对于未来充满了期待和好奇。
图片来自PCworld
那么，全球最强的神经拟态系统能做什么？
上周二，《自然-机器智能》杂志报道了英特尔与美国康奈尔大学合作构建数学算法研究成果。通过这次合作，英特尔研究院神经拟态计算小组高级研究科学家Nabil Imam团队采用了由72个化学传感器活动组成的数据集，可对风洞实验中循环10种气体物质作出反应，并且即使有环境干扰也能识别这些气味。这意味着英特尔Loihi芯片拥有“嗅觉”，这是化学传感器领域多年寻找的电子鼻系统。未来，这样的机器人在环境监测、危险物质检测以及工厂质量控制方面将具有巨大的潜力。
值得一提的是，只需使用Loihi进行单样本训练，就可以达到百分之九十多高准确率，而使用传统方法则需要3,000倍以上训练样本才能达到相同水平。
紧接着，英特尔宣布其最新神经拟态研究系统Pohoiki Springs已准备就绪，将提供1亿个神经元的计算能力。这1亿个神经元相当于一个小型哺乳动物大脑中的数量，比如瓢虫、大象或仓鼠的大脑都远远不及。
说到这里，我们不能不提到英特尔Loihi系统演进历史。在2017年，由于开发代号为Loihi第一款自主学习式的人工智能芯片而引发关注，其设计思路源自人脑，把训练和推断整合到一个芯片上，并实现了计算和存储功能整合：单芯片128个小核各包含1000个硬件设计架构模仿逻辑层面的多种不同的突破性网络结构。
尽管优势显著，但由于目前只有少数几家公司，如IBM以及一些初创企业在研发过程中，而且这个概念是在20世纪80年代提出，比量子计算还晚，因此面临挑战。但正是这些挑战激励着科研人员不断探索新技术，以解决如何模仿大脑快速处理复杂信息并且低能耗的问题。
因此，对于正在努力理解如何把这些机制转化为可用的硬件设备以支持更高效工作方式的人来说，他们需要重新思考电脑体系结构，从下向上思考。而英特尔通过创新设计，每个内部含128核心的小核，其中每核心包括1000条线程，让每一颗晶体管既承担运算任务，又负责存储数据，同时管理网络，使它能够模仿逻辑层面的多种不同类型突破性网络结构。
然而，由于采用异步脉冲方式导致功耗问题，当把这样的独立时钟驱动放入大量互联集成时，即便是一些简单消息在时间片内跨越千块chip之间完成信息传递也是极其困难的问题。此外，与同步电路相比异步脉冲方式更加容易受到信号延迟影响，从而降低效率。
为了解决这一问题，宋继强院长表示可以用Time Step来解决时间序列问题，小型异步电路较易解决但比较大的系统会遇到挑战，而把许多芯片互联起来同样是个行业尚未涉足的事业。
显然，从最初13万颗晶体管的小型模型开始逐渐扩展至如今1亿颗晶体管的大规模模型，英文科技公司所采取的手段并不仅限于简单地扩大制造规模，更重要的是他们解锁了一系列原先被认为是不切实际或无法实现的事情，如跨越千块chip之间快速、高效地交换信息，无论是在实时处理还是适应性学习上的需求。
最后，为何英国科技公司如此积极推广这一新兴领域？因为它们认识到了这种革命性的改变将会产生深远影响，不仅能够帮助我们更好地理解人类的大脑行为，也能够开启新的商业机会，因为这将为各种从前端感知到后端分析甚至分布式批处理提供全新的通用架构。
