隨著社會(huì)轉(zhuǎn)向用人工智能來解決越來越多領(lǐng)域的問題，我們看到了一場(chǎng)軍備競(jìng)賽：即創(chuàng)造出能夠以更高速度和更低功耗運(yùn)行深度學(xué)習(xí)模型的專用硬件。

這場(chǎng)競(jìng)賽的最新突破包括新的芯片架構(gòu)，它以一種與我們以前看到的完全不同的方式執(zhí)行計(jì)算。通過觀察它們的功能，我們可以了解到未來幾年可能出現(xiàn)的人工智能應(yīng)用。

神經(jīng)形態(tài)芯片

神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的關(guān)鍵，它由成千上萬個(gè)小程序組成，這些小程序通過進(jìn)行簡(jiǎn)單的計(jì)算來執(zhí)行復(fù)雜的任務(wù)，如檢測(cè)圖像中的物體或?qū)⒄Z(yǔ)音轉(zhuǎn)換成文本。

但是傳統(tǒng)的計(jì)算機(jī)并沒有對(duì)神經(jīng)網(wǎng)絡(luò)操作進(jìn)行優(yōu)化。相反，它們由一個(gè)或幾個(gè)強(qiáng)大的中央處理器（CPU）組成。神經(jīng)形態(tài)計(jì)算機(jī)使用另一種芯片結(jié)構(gòu)來物理地表示神經(jīng)網(wǎng)絡(luò)。神經(jīng)形態(tài)芯片是由許多物理人工神經(jīng)元組成的，這些神經(jīng)元直接與軟件對(duì)應(yīng)。這使得他們?cè)谟?xùn)練和運(yùn)行神經(jīng)網(wǎng)絡(luò)方面特別快。

神經(jīng)形態(tài)計(jì)算的概念早在20世紀(jì)80年代就已經(jīng)存在，但由于神經(jīng)網(wǎng)絡(luò)的效率太低而被忽略，因此沒有引起太多關(guān)注。近年來，隨著人們對(duì)深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的興趣重燃，神經(jīng)形態(tài)芯片的研究也受到了新的關(guān)注。

今年7月，一組中國(guó)研究人員推出了一種名為“天啟”的神經(jīng)形態(tài)芯片，它可以解決很多問題，包括目標(biāo)檢測(cè)、導(dǎo)航和語(yǔ)音識(shí)別。研究人員將該芯片集成到一輛自動(dòng)駕駛自行車中，讓它對(duì)語(yǔ)音指令做出反應(yīng)，從而展示了芯片的功能。研究人員在《自然》雜志上發(fā)表的一篇論文中指出，預(yù)計(jì)我們的研究將為更通用的硬件平臺(tái)鋪平道路，從而刺激AGI（人工一般智能）的發(fā)展。

雖然沒有直接證據(jù)表明神經(jīng)形態(tài)芯片是創(chuàng)造人工智能的正確途徑，但它們肯定會(huì)幫助創(chuàng)造更高效的人工智能硬件。

神經(jīng)形態(tài)芯片已經(jīng)吸引了大量科技企業(yè)的目光。今年早些時(shí)候，英特爾推出Pohoiki Beach，多達(dá)64顆英特爾Loihi神經(jīng)形態(tài)芯片，能夠模擬800萬個(gè)人工神經(jīng)元。據(jù)英特爾稱，Loihi處理信息的速度比傳統(tǒng)處理器快1000倍，效率比傳統(tǒng)處理器高10000倍。

光學(xué)計(jì)算

神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)計(jì)算需要大量的計(jì)算資源和電力。人工智能的碳足跡已經(jīng)成為一個(gè)環(huán)境問題。神經(jīng)網(wǎng)絡(luò)的能源消耗也限制了它們?cè)陔娏τ邢薜沫h(huán)境中的應(yīng)用，比如電池供電的設(shè)備。

隨著摩爾定律繼續(xù)放緩，傳統(tǒng)的電子芯片正努力跟上人工智能行業(yè)日益增長(zhǎng)的需求。

幾家公司和研究實(shí)驗(yàn)室已轉(zhuǎn)向光學(xué)計(jì)算，以尋求解決人工智能行業(yè)的速度和電力挑戰(zhàn)的方案。光學(xué)計(jì)算用光子代替電子，用光學(xué)信號(hào)代替數(shù)字電子來進(jìn)行計(jì)算。

光學(xué)計(jì)算設(shè)備不像銅電纜那樣產(chǎn)生熱量，這大大降低了它們的能源消耗。光學(xué)計(jì)算機(jī)也特別適用于快速矩陣乘法，這是神經(jīng)網(wǎng)絡(luò)中的關(guān)鍵運(yùn)算之一。

在過去的幾個(gè)月里，出現(xiàn)了幾款光學(xué)人工智能芯片的原型機(jī)�？偛课挥诓ㄊ款D的Lightelligence開發(fā)了一種光學(xué)人工智能加速器，該加速器與當(dāng)前的電子硬件兼容，通過優(yōu)化一些繁重的神經(jīng)網(wǎng)絡(luò)計(jì)算，可以將人工智能模型的性能提高一到兩個(gè)數(shù)量級(jí)。Lightelligence工程師表示，光學(xué)計(jì)算的進(jìn)步還將降低人工智能芯片的制造成本。

最近，香港科技大學(xué)的一組研究人員開發(fā)了一種全光神經(jīng)網(wǎng)絡(luò)。目前，研究人員已經(jīng)開發(fā)了一個(gè)概念驗(yàn)證模型，模擬一個(gè)具有16個(gè)輸入和2個(gè)輸出的完全連接的雙層神經(jīng)網(wǎng)絡(luò)。大規(guī)模的光學(xué)神經(jīng)網(wǎng)絡(luò)可以以光速和較低的能耗運(yùn)行從圖像識(shí)別到科學(xué)研究等計(jì)算密集型應(yīng)用。

超大芯片

今年8月，硅谷初創(chuàng)企業(yè)Cerebras Systems推出了一款包含1．2萬億晶體管的大型人工智能芯片。大小為42225平方毫米，Cerebras芯片比最大的英偉達(dá)圖形處理器大50多倍。

大型芯片加快了數(shù)據(jù)處理速度，能夠以更快的速度訓(xùn)練人工智能模型。與GPU和傳統(tǒng)CPU相比，Cerebras獨(dú)特的結(jié)構(gòu)也降低了能耗。

當(dāng)然，芯片的尺寸將限制其在有限空間的環(huán)境下的使用。Cerebras最近與美國(guó)能源部簽訂了第一份合同。美國(guó)能源部將利用該芯片加速科學(xué)、工程和健康領(lǐng)域的深度學(xué)習(xí)研究。

考慮到各種各樣的行業(yè)和領(lǐng)域都在尋找用于深度學(xué)習(xí)的應(yīng)用程序，單一架構(gòu)幾乎不可能主導(dǎo)市場(chǎng)。但可以肯定的是，未來的人工智能芯片很可能與我們電腦和服務(wù)器上幾十年來的經(jīng)典CPU大不相同。