CPU/GPU构架已经不够用，英特尔新发布的自学习芯片有啥优势？

未来对高度动态和非架构化的自然数据收集、分析和决策的需求越来越大，这种需求可能超过传统的 CPU 和 GPU 架构。 英特尔 26 日推出一种先进的自学习芯片，名为 Loihi。

Loihi 模仿大脑的运作方式，根据环境的不同回馈型态作业。 同时，Loihi 也是一款节能芯片，可利用数据学习和推断，不需要以传统方式训练。 它采用一种新颖的方法，透过「异步触发」来计算。

Loihi 研究测试芯片包括仿真大脑基本机制的数字电路，使机器学习更快更有效率，同时需要计算力的需求更小。

这块仿神经芯片的模型从神经元的交流和学习中汲取灵感，其中神经元的触发、新突触的形成可以按时间调制，这可以帮助计算机自行组织并根据型态和关联做决策。

Loihi 测试芯片提供高度灵活的芯片学习，可在单个芯片完成训练和推理。 这使机器能自动实时调整，而不是等待云更新。 研究人员已经证明，与其他典型的尖脉冲神经网络相比，在解决 MNIST 数字辨识问题时，他们的学习速度快 100 万倍。 与卷积神经网络和深度学习神经网络等技术相比，Loihi 测试芯片在同一工作使用更少资源。

这个测试芯片的自我学习能力有巨大潜力来改进汽车和工业应用及个人机器人──任何在非架构化环境自动作业和持续学习的应用程序。 例如，辨识汽车或自行车的运动。

它比一般训练系统所需的通用计算效率高 1,000 倍。 2018 上半年，Loihi 测试芯片将与领先的大学和研究机构共享，重点是推进人工智能的发展。

Loihi 测试芯片的特点包括：

完全的异步神经形态的多核网状架构，支持多种不同的稀疏、层级、循环神经网络拓墣架构，每个神经元都能与成千上万的其他神经元通讯。

每个神经形态核心包括一个学习引擎，可在作业过程对网络参数进行程序设计，支持监督、无监督、强化和其他学习型态。

由英特尔 14 纳米制程制作。

总共有 13 万神经元和 1.3 亿突触。

开发和测试高效的算法，包括路径规划、约束满足、稀疏编码、词典学习和动态型态学习和适应。
在计算机技术和算法创新的推动下，人工智能的变革力量预计将对社会产生巨大的影响。 通用计算和自定义硬件和软件都可在各方面发挥作用，英特尔目前在这方面也有布局。

目前英特尔 Xeon Phi 处理器用于科学计算，产生一些最大的模型来解释大规模的科学问题，还有 Movidius 神经计算棒，以仅仅 1 瓦的功率执行训练后模型的产品。