深度學(xué)習(xí)模型的規(guī)模正在不斷擴大，參數(shù)量可達萬億級。這一趨勢意味著AI技術(shù)在可持續(xù)性上面臨著嚴峻的挑戰(zhàn)，有必要探索硬件架構(gòu)底層的創(chuàng)新。神經(jīng)擬態(tài)計算是一種借鑒神經(jīng)科學(xué)研究的全新計算方法，通過存算一體和高細粒度的并行計算，大幅減少了數(shù)據(jù)傳輸。在本月舉行的聲學(xué)、語音與信號處理國際會議（ICASSP）上，英特爾發(fā)表的研究表明，Loihi 2在新興的小規(guī)模邊緣工作負載上實現(xiàn)了效率、速度和適應(yīng)性數(shù)量級的提升。

Hala Point在其前身Pohoiki Springs的基礎(chǔ)上實現(xiàn)了大幅提升，基于神經(jīng)擬態(tài)計算技術(shù)提升了主流、常規(guī)深度學(xué)習(xí)模型的性能和效率，尤其是那些用于處理視頻、語音和無線通信等實時工作負載的模型。例如，在今年的世界移動通信大會（MWC）上，愛立信研究院（Ericsson Research）就展示了其如何將 Loihi 2神經(jīng)擬態(tài)處理器應(yīng)用于電信基礎(chǔ)設(shè)施效率的優(yōu)化。

Hala Point基于神經(jīng)擬態(tài)處理器Loihi 2打造，Loihi 2應(yīng)用了眾多類腦計算原理，如異步（asynchronous）、基于事件的脈沖神經(jīng)網(wǎng)絡(luò)（SNNs）、存算一體，以及不斷變化的稀疏連接，以實現(xiàn)能效比和性能的數(shù)量級提升。神經(jīng)元之間能夠直接通信，而非通過內(nèi)存通信，因此能降低整體功耗。

Hala Point系統(tǒng)由封裝在一個六機架的數(shù)據(jù)中心機箱中的1152個Loihi 2處理器（采用Intel 4制程節(jié)點）組成，大小相當(dāng)于一個微波爐。該系統(tǒng)支持分布在 140544 個神經(jīng)形態(tài)處理內(nèi)核上的多達 11.5 億個神經(jīng)元和 1280 億個突觸，最大功耗僅為 2600 瓦。Hala Point還包括 2300 多個嵌入式 x86 處理器，用于輔助計算。

在大規(guī)模的并行結(jié)構(gòu)中，Hala Point集成了處理器、內(nèi)存和通信通道，內(nèi)存帶寬達每秒16PB，內(nèi)核間的通信帶寬達每秒3.5 PB，芯片間的通信帶寬達每秒5TB。該系統(tǒng)每秒可處理超過380萬億次8位突觸運算和超過240萬億次神經(jīng)元運算。

在用于仿生脈沖神經(jīng)網(wǎng)絡(luò)模型時，Hala Point能夠以比人腦快20倍的實時速度運行其全部11.5億個神經(jīng)元，在運行神經(jīng)元數(shù)量較低的情況下，速度可比人腦快200倍。雖然Hala Point并非用于神經(jīng)科學(xué)建模，但其神經(jīng)元容量大致相當(dāng)于貓頭鷹的大腦或卷尾猴的大腦皮層。

在執(zhí)行AI推理負載和處理優(yōu)化問題時， Loihi 2神經(jīng)擬態(tài)芯片系統(tǒng)的速度比常規(guī)CPU和GPU架構(gòu)快50倍，同時能耗降低了100倍。早期研究結(jié)果表明，通過利用稀疏性高達10比1的稀疏連接（sparse connectivity）和事件驅(qū)動的活動，Hala Point運行深度神經(jīng)網(wǎng)絡(luò)的能效比高達15 TOPS/W，同時無需對輸入數(shù)據(jù)進行批處理。批處理是一種常用于GPU的優(yōu)化方法，會大幅增加實時數(shù)據(jù)（如來自攝像頭的視頻）處理的延遲。盡管仍處于研究階段，但未來的神經(jīng)擬態(tài)大語言模型將不再需要定期在不斷增長的數(shù)據(jù)集上再訓(xùn)練，從而節(jié)約數(shù)千兆瓦時的能源。

世界各地領(lǐng)先的學(xué)術(shù)團體、研究機構(gòu)和公司共同組成了英特爾神經(jīng)擬態(tài)研究社區(qū)（INRC），成員總數(shù)超過200個。攜手英特爾神經(jīng)擬態(tài)研究社區(qū)，英特爾正致力于開拓類腦AI前沿技術(shù)，以將其從技術(shù)原型轉(zhuǎn)化為業(yè)界領(lǐng)先的產(chǎn)品。

zhupb