智东西（公众号：zhidxcom）
作者 | 一一
编辑 | 漠影
智东西12月8日消息，近日，英特尔线上举办研究院开放日活动，分享英特尔在集成光电、神经拟态计算、量子计算、保密计算、机器编程五大领域的研究进展。
英特尔研究院院长、英特尔高级院士、副总裁Rich Uhlig说：“我们认为这五个领域能够真正大规模释放数据价值，并且变革人们与数据互动的方式。”
作为英特尔掌握未来核心技术的储备军，英特尔研究院负责突破性创新技术的研究，以及全球范围内的交付，旨在追求互连、计算、内存等领域技术的“1000倍提升”。
在圆桌环节，英特尔中国研究院院长宋继强与英特尔在神经拟态计算、机器编程领域的技术专家进行连线，分享英特尔在这两大前沿领域的技术研发细节。此外，在线上活动结束后，宋继强与智东西等少数媒体进行交流，分享其对前沿科技领域的看法与预判。
一、集成光电：在五大技术模块实现创新
英特尔首席工程师、英特尔研究院PHY研究实验室主任James Jaussi分享了英特尔在集成光点领域的最新进展。
目前，光互连（optical）在长距离、远程和地下传输中占主导地位，而电气互连（electrical）主要用于短距离、主板互连（board to board）和封装互连（package to package）。
James指出，电气互连面临两大限制，一是电气互连逐渐逼近物理极限，高能效电路设计存在诸多限制；二是I/O功耗墙的限制，即I/O功耗会逐渐高于现有的插接电源，导致无法计算，这是由于计算的带宽需求大约每三年翻一番，而电气性能扩展跟不上带宽需求的增长速度。
通过将光学技术与硅技术集成起来，英特尔开发出硅光子技术，可以让光互连具备硅的高产量、低成本等特性。
电器互连面临I/O功耗墙的限制
James称，英特尔计划将光互连I/O直接集成到服务器和封装中，彻底革新数据中心。借助集成光电技术，英特尔能够将I/O数量从几百万个扩展到几十亿个，使I/O数量实现1000倍的提升。
光互连技术涉及六大技术要素，分别是：光产生、光放大、光检测、光调制、CMOS 接口电路和封装集成。此前，英特尔在混合激光器的光产生领域实现创新。近期，英特尔在其他五大技术构建模块上取得进展。
1、光调制
传统硅调制器体积巨大，占据过多空间，放置在IC封装上的成本很高。英特尔开发了微型微射线调制器，相比传统硅调制器体积缩小了1000倍。服务器封装上，可以放置几百个微型微射线调制器。
2、光检测
几十年来，业界认为硅不具备光探测能力，英特尔开发出的全硅光电探测器（all-silicon photo detector），证明了事实并非如此。这项突破有助于降低成本。
3、光放大
光放大领域，英特尔解决方案集成了半导体光学放大器。James指出，要降低总功耗，集成半导体光学放大器必不可少。
4、CMOS 接口电路和封装集成
英特尔通过协同集成，将CMOS电路和硅光子技术整合起来。Rich称：“目前，尚未有其他公司展示过这样的解决方案，即将集成激光器、半导体光学放大器、全硅光电探测器、微型环调制器集成在一个与CMOS紧密集成的技术平台上。”
二、神经拟态计算：2021Q1发布下代“Lava”软件开发框架开源版
2015年起，英特尔开始以现代神经科学为灵感，开发神经拟态计算的新型计算架构。相比传统计算机架构，神经拟态架构完全模糊了内存和处理之间的界限。
神经拟态计算架构和大脑一样，利用的是数据连接、数据编码和电路活动中所有形式的稀疏（sparsity）。在信息到达时，数据处理同步进行，就像大脑中的神经元，计算是数百万个简单处理单元之间动态交互的发展结果。
宋继强认为：“神经拟态计算将进入更大的一个爆发点，这个爆发点来自于我们可以有更大规模的硬件去支持做各种算法的创新和应用的创新。”
英特尔高级首席工程师、英特尔研究院神经拟态计算实验室主任Mike Davies分享，在处理约束满足问题时，相比传统的CPU，英特尔的神经拟态计算架构，达到了前者2000倍的能效；在其他方面，也有例子表明，神经拟态计算架构的速度比CPU和GPU的速度快100倍以上。
今年初，英特尔发布采用了768个神经拟态芯片Loihi的Pohoiki Springs系统，该系统包含1一个神经元。此外，英特尔神经拟态研究社区INRC的规模亦有所扩大。
据MIke分享，目前，INRC社区吸纳了超过100个团体，其中企业成员已超过十几家，有10家企业成员来自世界500强企业。同时，英特尔宣布，联想、罗技、梅赛德斯–奔驰及机器视觉传感器公司璞飞思加入INRC社区，将借助神经拟态技术，进行改进生产流程等方面的探索。
Rich宣布，英特尔将在2021年第1季度发布下一代“Lava”软件开发框架的开源版本，以触及到更多的软件开发人员。
三、量子计算：着力解决四大挑战
英特尔高级首席工程师、英特尔研究院量子应用与架构总监Anne Matsuura称，英特尔认为，相比其他量子位路径，自旋量子位技术更能满足可扩展性需求。“对英特尔来说，这是一项充分利用自身制造能力的战略决策。”他说。
Anne透露，英特尔用于构建量子位的晶圆厂，同样被用于开发英特尔“最新、最出色”的制程工艺。自旋量子位与晶体管技术非常相似，这为英特尔提供了最佳的发展路径。基于这一发展路径，英特尔面临四大挑战，Anne分享了英特尔解决这四大挑战的方法。
首先，除了构建自旋量子位，英特尔量子计算研发团队还需对量子位进行测试，而测试通常耗时几天。为了节省测试时间，英特尔研究人员使用量子低温探测仪（cryoprober），为自旋量子位引入高容量、高吞吐量功能。利用这款设备，研究人员只要几个小时就可以获得测试结果。
这与标准晶体管研发的信息反馈周期基本一致。借助量子低温探测仪，研究人员从研究设备提取测试数据和信息的速度提高了1000倍，大大加快了量子位的发展速度。
其次，量子计算还面对着“量子位控制”的挑战。当前，量子位主要由许多机架的控制电路进行控制，这些电路通过复杂的布线连接至量子位，并且被放置在低温冰箱中，以防止热噪声和电噪声影响脆弱的量子位。对于商用级量子计算系统，需要将数百万根导线引入量子位室（qubit chamber），并不具备可扩展性。
为解决这一问题，英特尔采用支持可扩展互连的低温量子位控制芯片技术，开发出低温控制芯片。该芯片基于 22 纳米FinFET 技术，可以在低温冰箱内进行集成。
再次，量子计算还面临着纠错的挑战。全面纠错需要数十个量子位形成一个逻辑量子位，而构建商用级量子系统需要数百万个量子位。对此，英特尔正在开发抗噪量子算法和错误抑制技术，帮助在目前的小型量子位系统上运行这些算法。
另外，由于量子计算是一种全新的计算类型，其运行程序的方式与经典计算完全不同。这也意味着，从应用、编译器、量子位控制处理器、控制电路，到量子位芯片器件，量子计算的整个堆栈都需要采用全新组件。英特尔正在开发整个量子计算堆栈的所有组件。
四、保密计算：致力于扩展同态加密技术
当前，加密解决方案主要用于保护在网络中发送以及存储的数据。但数据在使用过程中依然容易遭遇攻击，而保密计算旨在保护使用中的数据，构建可信执行环境。
可信执行环境旨在最大限度地减少需要信任的软硬件集，从而确保数据安全。英特尔研究院安全智能化项目组首席工程师Jason Martin将保密计算形容为“可以防止入侵者窃取你贵重物品的保险箱”。
目前，英特尔推出了软件保护扩展（Software Guard Extensions）技术，将保密性、完整性和认证功能整合在一起，为使用中的数据降低安全风险。
如果有多个系统和数据集，且分属于不同的所有者，英特尔则借助联邦学习技术降低安全风险。
以医疗成像方面的应用为例，英特尔研究院与宾夕法尼亚大学佩雷尔曼医学院的生物医学图像计算和分析中心，开展了联邦学习方面的合作。在联合肿瘤分割项目中，双方共同开发技术，来训练可以识别脑瘤的人工智能模型。
具体来说，研究人员将计算进行了拆分，这样每家医院就可以用本院的数据训练本地版本的算法，这样就可以在不共享数据的情况下，将每家医院的模型组合成一个模型。但如果像这样拆分计算，就会增加篡改计算的风险。因此，研究人员在各医院使用保密计算来保护机器学习模型的保密性。此外，研究人员还使用了完整性和认证功能，确保数据和模型在医院层面上不被操纵。
研究表明，采用联邦学习方法训练深度学习模型，其准确率可以达到采用传统非私有方法训练的相同模型的99%。
Jason称，英特尔还在研发一种不需要暴露数据的完全同态加密技术。完全同态加密允许应用在不暴露数据的情况下，直接对加密数据执行计算操作。该技术已逐渐成为委托计算中用于保护数据隐私的主要方法。例如，这些加密技术允许直接对加密数据进行云计算，而不需要信任云基础设施、云服务或其他使用者。
目前，英特尔正在与全球顶尖的学术机构合作创立私有化AI协同研究院，以扩展上述保密计算技术。
五、机器编程：详解两大Debug系统
英特尔首席科学家、英特尔研究院机器编程研究主任及创始人Justin Gottschlich称：“机器编程是教系统自己编程。”
此前，英特尔与麻省理工学院研究人员联合发表的愿景论文提出机器编程有三大支柱，分别是意图（intention）、创造（invention）、适应（adaptation）。
这三大支柱对应到实际过程中，即是人类向机器表达意图，机器自动创建完成该意图所需的所有软件。
在全球78亿人中，只有2700万人会编写代码，占比不到 1%。英特尔希望借助机器编程技术，使所有人获得编程能力。要实现这一目标，机器编程系统需具备两大要素：
首先，机器编程系统要能够提高编码员和非编码员的工作效率；其次，机器编程系统生成的是高质量、快速、安全的代码。
英特尔团队认为，要实现这两大要素，机器编程技术的关键一步是提升软件调试过程（Debug）的鲁棒性，并减少这一过程花费的时间。Debug即识别、分析和纠正软件缺陷的过程。
Justin分享了英特尔机器编程团队针对Debug过程开发的两大系统：
其中一个是可以自动检测性能漏洞的机器编程系统，该系统发明了用于检测性能的测试。此前，这些测试由人类发明，而借助这一系统，人类无需再编写相关代码。更重要的是，这一系统可以自动将发明的测试应用于不同的硬件架构，解决了硬件异构的问题。
另一个系统则不局限于查找性能漏洞，而是面向更广泛应用范围。具体来说，基于机器学习技术，该系统可在无监督的情况下识别漏洞。Justin称，该系统能够发现一些被开发人员忽略多年的高度复杂的细微漏洞。最近，该系统突破了从超过 10 亿行代码中学习的极限。英特尔计划于近日在
神经信息处理系统大会（NeurIPS）上展示这一系统。
Justin特别指出，机器编程系统的诞生和应用，并不会取代专业的人类程序员。相反机器编程系统的应用将创造出更多的、新的就业机会。
“当今存在的大多数机器编程系统都需要大量的数据，而大量的数据通常是以代码的形式存在，代码是由专业程序员编写的。因此，如果自动化有什么后果的话，我们的预计是（市场）对高技能程序员的需求将会增加，专业程序员写的代码越多，机器编程系统就越先进。”他说。
结语：产学合作助推实现前沿创新
在圆桌论坛结尾，英特尔技术专家亦分享了英特尔研究院与学界合作的情况。以神经拟态计算为例，英特尔与美国康奈尔大学的研究人员共同进行相关研究，并研发出一套源自大脑嗅觉回路结构和动力学的神经算法，对英特尔Loihi神经拟态芯片进行训练后，Loihi能够学习和识别10种危险化学品的气味。
不同于业已渗透到千行百业中的经典计算范式，前沿技术领域仍待培育。因此，在前沿技术的发展过程中，协同产业界、学术界力量，着力构建技术生态十分重要。可以说，这一点上，英特尔已经有所成就。在未来，英特尔研究院还将推出哪些改变产业生态的创新技术？时间会告诉我们答案。
