應對數(shù)據(jù)變革，英特爾的轉(zhuǎn)型之路

2019年12月19日，英特爾技術創(chuàng)新媒體溝通會在京舉行。英特爾中國研究院院長宋繼強圍繞“英特爾構建技術基石，驅(qū)動未來計算”進行演講，回顧了過去五年里英特爾向“以數(shù)據(jù)為中心”轉(zhuǎn)型的歷程，并向大家介紹了未來英特爾的產(chǎn)業(yè)規(guī)劃與展望。

英特爾中國研究院院長 宋繼強

過去的三十年間，數(shù)據(jù)發(fā)生了重大轉(zhuǎn)變，主要體現(xiàn)在數(shù)量和形態(tài)的變化。據(jù)IDC的《全球創(chuàng)造的數(shù)字化數(shù)據(jù)量》報告顯示，全球數(shù)據(jù)量正在以25%的增速呈指數(shù)級增長，其中實時處理的數(shù)據(jù)量占比越來越大。另一方面，由于數(shù)字電視、廣播媒體、視頻監(jiān)控、流媒體的出現(xiàn)，數(shù)據(jù)的形態(tài)日趨多元化。

數(shù)據(jù)是輸入，計算是處理數(shù)據(jù)的過程。數(shù)據(jù)趨于多元化，導致計算也趨于多元化發(fā)展。從云到端，不僅僅是PC、服務器或其它設備，人工智能、云數(shù)據(jù)中心、物聯(lián)網(wǎng)、下一代網(wǎng)絡、自動駕駛等新型數(shù)據(jù)密集型工作負載不斷涌現(xiàn)，驅(qū)動著計算架構快速演進并呈指數(shù)級擴展。

數(shù)據(jù)與計算的變革，英特爾如何應對？

早在2017年，英特爾就已經(jīng)發(fā)現(xiàn)了數(shù)據(jù)和計算的變化趨勢，確立“以PC為中心”向“以數(shù)據(jù)為中心”的轉(zhuǎn)型目標。之后，英特爾圍繞“以數(shù)據(jù)為中心”，從戰(zhàn)略發(fā)布、戰(zhàn)略收購、產(chǎn)品創(chuàng)新、生態(tài)合作四方面出發(fā)，建立一個從軟件到硬件、從通訊到計算再到存儲的完整的生態(tài)。

2015年，收購Altera，一家FPGA領先廠商。2016年，8月，收購Nervana，該公司用ASIC方式解決了AI深度學習加速的問題；同年9月，收購Movidius，一家專門生產(chǎn)視覺AI加速芯片的公司。2017年，收購Mobileye，該公司提供以攝像頭作為數(shù)據(jù)輸入的ADAS系統(tǒng)。2018年，收購eASIC，一家提供自動轉(zhuǎn)換為ASIC設計工具的公司。通過這些收購，英特爾的手里已經(jīng)握有四個不同架構的芯片方案。再加上英特爾自己的Xe圖形加速器、獨立顯卡GPU，一條完整的異構產(chǎn)品線就此構成。

在計算之外，傲騰內(nèi)存、Movidius神經(jīng)計算棒、神經(jīng)擬態(tài)芯片、超導量子測試芯片、10納米PC處理器、至強可擴展處理器、第十代智能英特爾酷睿處理器、神經(jīng)網(wǎng)絡推理處理器、基于Xe架構的GPU、量子計算芯片等產(chǎn)品，使英特爾可以應對未來更大級別、更高要求的計算架構。

六大技術支柱

除了上述的收購和產(chǎn)品之外，在2018年，英特爾還提出了六大技術支柱，作為驅(qū)動未來指數(shù)級創(chuàng)新的引擎。這六大技術支柱分別是制程與封裝、XPU架構、內(nèi)存與存儲、互連、安全、軟件。

XPU架構的目的是針對不同類型工作負載，提供各種創(chuàng)新計算架構。然而，XPU里包含了CPU、GPU、FPGA、NNP、VPU等五種架構，如何將這些架構進行異構整合、方便調(diào)用是工程師們的普遍需求。

對于上述問題，英特爾在給出了解決方案。軟件方面，oneAPI面向跨CPU、GPU、FPGA和其他加速器在內(nèi)的異構計算，提供統(tǒng)一和簡化的應用程序開發(fā)編程模型。封裝方面，同時提供EMIB 2.5D封裝技術和Foveros 3D封裝技術，賦予芯片設計更多靈活性。

英特爾利用六大技術支柱，應對數(shù)據(jù)量的指數(shù)級增長、數(shù)據(jù)形態(tài)的革命性變化、多元化計算需求的挑戰(zhàn)，，構建數(shù)據(jù)處理、存儲和傳輸?shù)娜鎸嵙?，實現(xiàn)指數(shù)級創(chuàng)新。

繼續(xù)向前，探索未來計算

1.神經(jīng)擬態(tài)計算

現(xiàn)在做一個圖像識別或是訓練一個能做圖像理解的加速器，需要數(shù)千瓦的電量才能做一件事。然而，與人腦相比太耗電了。人腦是一個20瓦的設備，且在工作中只用到部分功率，因為如果工作在全功率下人就會癲癇。也就是說，人腦識別一幅圖像，僅用了不到20瓦的電量。智能計算的功耗比人腦高了1000倍，如果能將功耗降至和人腦一樣，是不是就能可以把計算和智能訓練放到前端設備里，比如數(shù)據(jù)中心、邊緣服務器。

神經(jīng)擬態(tài)計算就是應對上述問題的解決方案。不同于標準計算和深度神經(jīng)網(wǎng)絡，神經(jīng)擬態(tài)計算是模擬的人腦工作模式。其利用人腦事件驅(qū)動的機制來達到省電的目的，同時還利用多種方式學習和訓練的機制達到跨領域技術的融合。

2017年，英特爾發(fā)布了Loihi神經(jīng)擬態(tài)芯片，14納米單芯片，在架構里整合了計算和存儲。該芯片擁有128個核，13萬個神經(jīng)元，1.3億個突觸；每個神經(jīng)擬態(tài)計算內(nèi)核可模擬多個“邏輯神經(jīng)元”；片上網(wǎng)格連接方式支持高效的脈沖消息分發(fā)；具有高度復雜的神經(jīng)網(wǎng)絡拓撲；支持多種學習模式的可擴展的片上學習能力。

2.量子計算

人工智能除了要像人腦一樣思考之外，還要處理大量的數(shù)據(jù)。量子計算就是用來處理現(xiàn)在計算機搞不定的大規(guī)模計算問題，主要應用于密碼破解、藥物設計、化學發(fā)現(xiàn)等領域。然而，距離量子計算商用，我們還有很遠的路要走。

假設，你做一個小范圍的化學實驗，一千多個邏輯量子位就可以做成這件事。但是，邏輯量子位不是直接獲取的，它是由多個物理量子位變成的。也就說，一千個邏輯量子位，通常需要百萬個物理量子位來生成。而且，物理量子位是很脆弱的，需要不斷的糾錯編碼，才能讓多個物理量子位變成一個邏輯量子位。因此，量子計算的發(fā)展不能只看量子位，還要看量子的實用性。要想讓量子計算可商用，不僅要解決量子位的數(shù)量問題，還要解決糾錯和量子位之間連接與測試的問題。

當然，在量子計算上，英特爾也做了諸多努力。2018年，英特爾推出了業(yè)界首款49量子位的超導量子測試芯片Tangle Lake。之后，又研發(fā)出了用于量子計算的最小自旋量子位芯片，以及量子計算首款測試工具——全球第一臺低溫晶圓探測儀。未來，英特爾將更加的關注通過自旋量子位來實現(xiàn)量子計算的研究。

結語

過去五年，英特爾“以數(shù)據(jù)為中心”進行整體轉(zhuǎn)型，取得了豐富的轉(zhuǎn)型成果。在未來的十年，英特爾仍會堅持“以數(shù)據(jù)為中心”和“六大技術支柱”一起推進，為未來的世界打下堅實的基礎。