智東西（公衆号：zhidxcom）
作者 | 一一
編輯 | 漠影
智東西12月8日消息，近日，英特爾線上舉辦研究院開放日活動，分享英特爾在<b>內建光電、神經拟态計算、量子計算、保密計算、機器程式設計</b>五大領域的研究進展。
英特爾研究院院長、英特爾進階院士、副總裁Rich Uhlig說：“我們認為這五個領域能夠真正大規模釋放資料價值，并且變革人們與資料互動的方式。”
作為英特爾掌握未來核心技術的儲備軍，英特爾研究院負責突破性創新技術的研究，以及全球範圍内的傳遞，旨在追求互連、計算、記憶體等領域技術的“<b>1000</b><b>倍提升</b>”。
在圓桌環節，英特爾中國研究院院長宋繼強與英特爾在神經拟态計算、機器程式設計領域的技術專家進行連線，分享英特爾在這兩大前沿領域的技術研發細節。此外，線上上活動結束後，宋繼強與智東西等少數媒體進行交流，分享其對前沿科技領域的看法與預判。
英特爾首席工程師、英特爾研究院PHY研究實驗室主任James Jaussi分享了英特爾在內建光點領域的最新進展。
目前，光互連（optical）在長距離、遠端和地下傳輸中占主導地位，而電氣互連（electrical）主要用于短距離、主機闆互連（board to board）和封裝互連（package to package）。
James指出，電氣互連面臨兩大限制，一是電氣互連逐漸逼近實體極限，高能效電路設計存在諸多限制；二是I/O功耗牆的限制，即I/O功耗會逐漸高于現有的插接電源，導緻無法計算，這是由于計算的帶寬需求大約每三年翻一番，而電氣性能擴充跟不上帶寬需求的增長速度。
通過将光學技術與矽技術內建起來，英特爾開發出矽光子技術，可以讓光互連具備矽的高産量、低成本等特性。
電器互連面臨I/O功耗牆的限制
James稱，英特爾計劃将光互連I/O直接內建到伺服器和封裝中，徹底革新資料中心。借助內建光電技術，英特爾能夠将I/O數量從幾百萬個擴充到幾十億個，<b>使</b><b>I/O</b><b>數量實作</b><b>1000</b><b>倍的提升</b>。
光互連技術涉及六大技術要素，分别是：光産生、光放大、光檢測、光調制、CMOS 接口電路和封裝內建。此前，英特爾在混合雷射器的光産生領域實作創新。近期，英特爾在其他五大技術構模組化塊上取得進展。
<b>1</b><b>、光調制</b>
傳統矽調制器體積巨大，占據過多空間，放置在IC封裝上的成本很高。英特爾開發了微型微射線調制器，相比傳統矽調制器體積縮小了1000倍。伺服器封裝上，可以放置幾百個微型微射線調制器。
<b>2</b><b>、光檢測</b>
幾十年來，業界認為矽不具備光探測能力，英特爾開發出的全矽光電探測器（all-silicon photo detector），證明了事實并非如此。這項突破有助于降低成本。
<b>3</b><b>、光放大</b>
光放大領域，英特爾解決方案內建了半導體光學放大器。James指出，要降低總功耗，內建半導體光學放大器必不可少。
<b>4</b><b>、</b><b>CMOS </b><b>接口電路和封裝內建</b>
英特爾通過協同內建，将CMOS電路和矽光子技術整合起來。Rich稱：“目前，尚未有其他公司展示過這樣的解決方案，即将內建雷射器、半導體光學放大器、全矽光電探測器、微型環調制器內建在一個與CMOS緊密內建的技術平台上。”
2015年起，英特爾開始以現代神經科學為靈感，開發神經拟态計算的新型計算架構。相比傳統計算機架構，神經拟态架構完全模糊了記憶體和處理之間的界限。
神經拟态計算架構和大腦一樣，利用的是資料連接配接、資料編碼和電路活動中所有形式的稀疏（sparsity）。在資訊到達時，資料處理同步進行，就像大腦中的神經元，計算是數百萬個簡單處理單元之間動态互動的發展結果。
宋繼強認為：“神經拟态計算将進入更大的一個爆發點，這個爆發點來自于我們可以有更大規模的硬體去支援做各種算法的創新和應用的創新。”
英特爾進階首席工程師、英特爾研究院神經拟态計算實驗室主任Mike Davies分享，在處理限制滿足問題時，<b>相比傳統的</b><b>CP</b><b>U</b><b>，英特爾的神經拟态計算架構，達到了前者</b><b>2000</b><b>倍的能效；在其他方面，也有例子表明，神經拟态計算架構的速度比</b><b>CPU</b><b>和</b><b>GPU</b><b>的速度快</b><b>100</b><b>倍以上。</b>
今年初，英特爾釋出采用了768個神經拟态晶片Loihi的Pohoiki Springs系統，該系統包含1一個神經元。此外，英特爾神經拟态研究社群INRC的規模亦有所擴大。
據MIke分享，目前，INRC社群吸納了超過100個團體，其中企業成員已超過十幾家，有10家企業成員來自世界500強企業。同時，英特爾宣布，聯想、羅技、梅賽德斯–奔馳及機器視覺傳感器公司璞飛思加入INRC社群，将借助神經拟态技術，進行改進生産流程等方面的探索。
Rich宣布，英特爾将在2021年第1季度釋出下一代“Lava”軟體開發架構的開源版本，以觸及到更多的軟體開發人員。
英特爾進階首席工程師、英特爾研究院量子應用與架構總監Anne Matsuura稱，英特爾認為，相比其他量子位路徑，自旋量子位技術更能滿足可擴充性需求。“對英特爾來說，這是一項充分利用自身制造能力的戰略決策。”他說。
Anne透露，英特爾用于建構量子位的晶圓廠，同樣被用于開發英特爾“最新、最出色”的制程工藝。自旋量子位與半導體技術非常相似，這為英特爾提供了最佳的發展路徑。基于這一發展路徑，英特爾面臨四大挑戰，Anne分享了英特爾解決這四大挑戰的方法。
首先，除了建構自旋量子位，英特爾量子計算研發團隊還需對量子位進行測試，而測試通常耗時幾天。為了節省測試時間，英特爾研究人員使用量子低溫探測儀（cryoprober），為自旋量子位引入高容量、高吞吐量功能。利用這款裝置，研究人員隻要幾個小時就可以獲得測試結果。
這與标準半導體研發的資訊回報周期基本一緻。借助量子低溫探測儀，<b>研究人員從研究裝置提取測試資料和資訊的速度提高了</b><b>1000</b><b>倍</b>，大大加快了量子位的發展速度。
其次，量子計算還面對着“量子位控制”的挑戰。目前，量子位主要由許多機架的控制電路進行控制，這些電路通過複雜的布線連接配接至量子位，并且被放置在低溫冰箱中，以防止熱噪聲和電噪聲影響脆弱的量子位。對于商用級量子計算系統，需要将數百萬根導線引入量子位室（qubit chamber），并不具備可擴充性。
為解決這一問題，英特爾采用支援可擴充互連的低溫量子位控制晶片技術，開發出低溫控制晶片。<b>該晶片基于</b><b> 22 </b><b>納米</b><b>FinFET </b><b>技術，可以在低溫冰箱内進行內建。</b>
再次，量子計算還面臨着糾錯的挑戰。全面糾錯需要數十個量子位形成一個邏輯量子位，而建構商用級量子系統需要數百萬個量子位。對此，<b>英特爾正在開發抗噪量子算法和錯誤抑制技術</b>，幫助在目前的小型量子位系統上運作這些算法。
另外，由于量子計算是一種全新的計算類型，其運作程式的方式與經典計算完全不同。這也意味着，從應用、編譯器、量子位控制處理器、控制電路，到量子位晶片器件，量子計算的整個堆棧都需要采用全新元件。<b>英特爾正在開發整個量子計算堆棧的所有元件</b>。
目前，加密解決方案主要用于保護在網絡中發送以及存儲的資料。但資料在使用過程中依然容易遭遇攻擊，而保密計算旨在保護使用中的資料，建構可信執行環境。
可信執行環境旨在最大限度地減少需要信任的軟硬體集，進而確定資料安全。英特爾研究院安全智能化項目組首席工程師Jason Martin将保密計算形容為“可以防止入侵者竊取你貴重物品的保險箱”。
目前，英特爾推出了軟體保護擴充（Software Guard Extensions）技術，将保密性、完整性和認證功能整合在一起，為使用中的資料降低安全風險。
如果有多個系統和資料集，且分屬于不同的所有者，英特爾則借助聯邦學習技術降低安全風險。
以醫療成像方面的應用為例，英特爾研究院與賓夕法尼亞大學佩雷爾曼醫學院的生物醫學圖像計算和分析中心，開展了聯邦學習方面的合作。在聯合惡性良性腫瘤分割項目中，雙方共同開發技術，來訓練可以識别腦瘤的人工智能模型。
具體來說，研究人員将計算進行了拆分，這樣每家醫院就可以用本院的資料訓練本地版本的算法，這樣就可以在不共享資料的情況下，将每家醫院的模型組合成一個模型。但如果像這樣拆分計算，就會增加篡改計算的風險。是以，研究人員在各醫院使用保密計算來保護機器學習模型的保密性。此外，研究人員還使用了完整性和認證功能，確定資料和模型在醫院層面上不被操縱。
研究表明，采用聯邦學習方法訓練深度學習模型，其準确率可以達到采用傳統非私有方法訓練的相同模型的99%。
Jason稱，英特爾還在研發一種不需要暴露資料的完全同态加密技術。完全同态加密允許應用在不暴露資料的情況下，直接對加密資料執行計算操作。該技術已逐漸成為委托計算中用于保護資料隐私的主要方法。例如，這些加密技術允許直接對加密資料進行雲計算，而不需要信任雲基礎設施、雲服務或其他使用者。
目前，英特爾正在與全球頂尖的學術機構合作創立私有化AI協同研究院，以擴充上述保密計算技術。
英特爾首席科學家、英特爾研究院機器程式設計研究主任及創始人Justin Gottschlich稱：“機器程式設計是教系統自己程式設計。”
此前，英特爾與麻省理工學院研究人員聯合發表的願景論文提出機器程式設計有三大支柱，分别是意圖（intention）、創造（invention）、适應（adaptation）。
這三大支柱對應到實際過程中，即是人類向機器表達意圖，機器自動建立完成該意圖所需的所有軟體。
在全球78億人中，隻有2700萬人會編寫代碼，占比不到 1%。英特爾希望借助機器程式設計技術，使所有人獲得程式設計能力。要實作這一目标，機器程式設計系統需具備兩大要素：
首先，機器程式設計系統要能夠提高編碼員和非編碼員的工作效率；其次，機器程式設計系統生成的是高品質、快速、安全的代碼。
英特爾團隊認為，要實作這兩大要素，機器程式設計技術的關鍵一步是提升軟體調試過程（Debug）的魯棒性，并減少這一過程花費的時間。Debug即識别、分析和糾正軟體缺陷的過程。
Justin分享了英特爾機器程式設計團隊針對Debug過程開發的兩大系統：
<b>其中一個是可以自動檢測性能漏洞的機器程式設計系統，該系統發明了用于檢測性能的測試。</b>此前，這些測試由人類發明，而借助這一系統，人類無需再編寫相關代碼。更重要的是，這一系統可以自動将發明的測試應用于不同的硬體架構，解決了硬體異構的問題。
<b>另一個系統則不局限于查找性能漏洞，而是面向更廣泛應用範圍。</b>具體來說，基于機器學習技術，該系統可在無監督的情況下識别漏洞。Justin稱，該系統能夠發現一些被開發人員忽略多年的高度複雜的細微漏洞。最近，該系統突破了從超過 10 億行代碼中學習的極限。英特爾計劃于近日在
神經資訊處理系統大會（NeurIPS）上展示這一系統。
Justin特别指出，機器程式設計系統的誕生和應用，并不會取代專業的人類程式員。相反機器程式設計系統的應用将創造出更多的、新的就業機會。
“當今存在的大多數機器程式設計系統都需要大量的資料，而大量的資料通常是以代碼的形式存在，代碼是由專業程式員編寫的。是以，如果自動化有什麼後果的話，我們的預計是（市場）對高技能程式員的需求将會增加，專業程式員寫的代碼越多，機器程式設計系統就越先進。”他說。
在圓桌論壇結尾，英特爾技術專家亦分享了英特爾研究院與學界合作的情況。以神經拟态計算為例，英特爾與美國康奈爾大學的研究人員共同進行相關研究，并研發出一套源自大腦嗅覺回路結構和動力學的神經算法，對英特爾Loihi神經拟态晶片進行訓練後，Loihi能夠學習和識别10種危險化學品的氣味。
不同于業已滲透到千行百業中的經典計算範式，前沿技術領域仍待培育。是以，在前沿技術的發展過程中，協同産業界、學術界力量，着力建構技術生态十分重要。可以說，這一點上，英特爾已經有所成就。在未來，英特爾研究院還将推出哪些改變産業生态的創新技術？時間會告訴我們答案。