隨著深度學(xué)習(xí)技術(shù)的出現(xiàn)，人工智能領(lǐng)域取得了不小的進(jìn)步，不過與此帶來了人工智能系統(tǒng)的功耗不斷增加，成為了人工智能發(fā)展的一個(gè)技術(shù)瓶頸。

針對這個(gè)問題，英特爾找到了一種解決方案，從神經(jīng)科學(xué)種找到靈感，開發(fā)了一種新型的計(jì)算機(jī)架構(gòu)。相較于傳統(tǒng)的計(jì)算機(jī)架構(gòu)，神經(jīng)擬態(tài)架構(gòu)模糊了內(nèi)存和處理器之間的界限，通過數(shù)據(jù)連接、數(shù)據(jù)編碼以及電路活動(dòng)處理系統(tǒng)內(nèi)部的活動(dòng)。

該系統(tǒng)下，在信息到達(dá)時(shí)即可處理完成。在處理數(shù)據(jù)時(shí)，依靠猶如大腦中的神經(jīng)元一般的數(shù)百萬個(gè)簡單處理單元，進(jìn)行動(dòng)態(tài)交互，從而實(shí)現(xiàn)數(shù)據(jù)計(jì)算。這種形式可以大幅度提升計(jì)算機(jī)的能效、實(shí)時(shí)處理速度以及學(xué)習(xí)數(shù)據(jù)效率。

在2017年，英特爾發(fā)布了首款神經(jīng)擬態(tài)研究芯片Loihi，這款芯片采用了14納米制程技術(shù)，像較于其他的神經(jīng)擬態(tài)芯片，靈活性、集成性和速度更具有優(yōu)勢。

這枚芯片的學(xué)習(xí)能力遠(yuǎn)遠(yuǎn)超過其他芯片，它并沒采用浮點(diǎn)數(shù)和乘法累加器單元以及片外內(nèi)存接口。它的所有計(jì)算都將在芯片上完成，其中的內(nèi)存來源于芯片神經(jīng)元之間的連接。

Loihi采用了同質(zhì)架構(gòu)，將許多小神經(jīng)擬態(tài)核實(shí)例化，每個(gè)核的大小只有針頭的一部分。通過將神經(jīng)擬態(tài)結(jié)構(gòu)從幾核擴(kuò)展到幾百核，可以將小型的專用工作負(fù)載擴(kuò)展至 CPU 或 GPU 大小的芯片，甚至可以無縫排列。

英特爾高級(jí)首席工程師、英特爾研究院神經(jīng)擬態(tài)計(jì)算實(shí)驗(yàn)室主任Mike Davies 介紹說：“我們的目標(biāo)是支持廣泛的工作負(fù)載，而不僅僅只有深度學(xué)習(xí)。因?yàn)榇竽X解決問題的范圍很大，所以我們認(rèn)為這個(gè)目標(biāo)是可以實(shí)現(xiàn)的。我們認(rèn)為還可以將這種架構(gòu)從邊緣擴(kuò)展到數(shù)據(jù)中心，鑒于自然界中大腦容量的巨大差異，從螞蟻到鸚鵡，再到人類的大腦。”