真人游戏厅 用硅模拟人脑进度条走到了180
浏览： 次 发布时间：2024-09-06 18:07:51
据统计，仅训练GPT-3就耗电10GWh真人游戏厅，相当于欧洲6000人一年的用电量■▷-★，而随着AI应用的普及，推理能耗更是难以估量。
一个潜在的应用场景是组合优化。宋继强透露，他们发现用神经拟态计算去求解一些大规模规划等特定问题时■▽△-▼，相比传统方案◁★•★▪，能耗可以降低约3000倍。
执行AI推理负载和处理优化问题时，速度比常规CPU和GPU架构快50倍，同时能耗降低了100倍-▷。
Loihi 2芯片采用Intel 4工艺制造，每个芯片有128个核心。每个芯片包含多达100万个数字神经元和1◆▼☆-•◆.2亿个突触，采用存算一体设计，打破了冯诺依曼架构的瓶颈□…△△。
来自英特尔实验室的Hala Point规模已接近人脑的1/80，让这一构想离现实更近了一步。
如此一来Hala Point系统工作时是稀疏计算□▲，又有点像现在主流大模型都会用的MoE专家混合架构…▲▪▷。
由1152个Loihi 2处理器组成真人游戏厅，封装在一个六机架的数据中心机箱中。
全部塞进一个微波炉大小的机箱——就成了世界上最大的神经拟态系统，英特尔Hala Point■□。
这得益于其稀疏计算的特性☆△▽，避免了大量的无效能耗○◆★。从这个角度看-▽，神经拟态系统或许能在物流★◇△◁◆…、智慧交通等领域”另辟蹊径◁□△=”。
运行传统深度神经网络时●■★▲，INT8精度运算的能效比达到了15 TOPS/W。
整个系统支持分布在140544个神经形态处理内核上的多达11△▽….5亿个神经元和1280亿个突触，最大功耗为2600瓦▪☆。
Hala Point还包括2300多个嵌入式x86处理器，用于辅助计算。
比如基于时序脉冲编码的SNN脉冲神经网络，就是一个很有前景的方向。SNN能更好地捕捉时空信息的动态变化，有望在语音▪◇▼◆◁=、视觉等时序数据的处理上取得突破▽▪▪。
用于仿生脉冲神经网络模型时◇●，能够以比人脑快20倍的实时速度运行其全部11.5亿个神经元。
对于这些独特的技术，我们联系到英特尔研究院副总裁、英特尔中国研究院院长宋继强•△▪，询问了更多细节。
所以Hala Point系统追求的不是极致性能，它更大的价值在于，以一种前所未有的规模，验证了神经拟态计算的可行性和优势△=□…□◇。
社区中大约一半的应用探索是用于机器人真人游戏厅、无人机。而且这类应用并不需要Hala Point这么大的系统，只需要几块芯片就能搞定了▼•。
在Loihi芯片和Hala Point系统的介绍中，很少出现其他芯片强调的“频率”、“主频”这样的参数。
Loihi 2还应用了众多类脑计算原理，如异步（asynchronous）-★-★••、基于事件的脉冲神经网络（SNNs），以及不断变化的稀疏连接□▼◆-，以实现能效比和性能的数量级提升▽▪…。
总之，能效比高才是Hala Point系统最大的优势。这不是传统意义上拼峰值算力的那种AI芯片真人游戏厅，
宋继强借用人类大脑分区来解释，相当于一个人的嗅觉、视觉、触觉等可以同时工作◆△••□□，但并不需要同步=▼◇◆=•。
反观人脑，凭借860亿个神经元，每秒能完成上万亿次运算，功耗却不到20W◇▲-◆。
在算法和应用层面●▪•▲▽，Hala Point不是专门为当前主流的深度学习模型设计的（但经过修改也能跑）。它更适合去探索一些全新的，受生物学启发的学习范式。
宋继强还介绍了英特尔的神经拟态研究社区INRC，已有包括全球学校●…▽■、企业和研究机构的200多成员加入-•。
此外，神经拟态系统天然适合进行持续学习和片上学习，这也是当前深度学习系统的一大短板。