应对数据变革，英特尔的转型之路

作者：白柴时间：2019-12-22来源：电子产品世界收藏

2019年12月19日，英特尔技术创新媒体沟通会在京举行。英特尔中国研究院院长宋继强围绕“英特尔构建技术基石，驱动未来计算”进行演讲，回顾了过去五年里英特尔向“以数据为中心”转型的历程，并向大家介绍了未来英特尔的产业规划与展望。

本文引用地址：http://www.amcfsurvey.com/article/201912/408452.htm

英特尔中国研究院院长宋继强

过去的三十年间，数据发生了重大转变，主要体现在数量和形态的变化。据IDC的《全球创造的数字化数据量》报告显示，全球数据量正在以25%的增速呈指数级增长，其中实时处理的数据量占比越来越大。另一方面，由于数字电视、广播媒体、视频监控、流媒体的出现，数据的形态日趋多元化。

数据是输入，计算是处理数据的过程。数据趋于多元化，导致计算也趋于多元化发展。从云到端，不仅仅是PC、服务器或其它设备，人工智能、云数据中心、物联网、下一代网络、自动驾驶等新型数据密集型工作负载不断涌现，驱动着计算架构快速演进并呈指数级扩展。

数据与计算的变革，英特尔如何应对？

早在2017年，英特尔就已经发现了数据和计算的变化趋势，确立“以PC为中心”向“以数据为中心”的转型目标。之后，英特尔围绕“以数据为中心”，从战略发布、战略收购、产品创新、生态合作四方面出发，建立一个从软件到硬件、从通讯到计算再到存储的完整的生态。

2015年，收购Altera，一家FPGA领先厂商。2016年，8月，收购Nervana，该公司用ASIC方式解决了AI深度学习加速的问题；同年9月，收购Movidius，一家专门生产视觉AI加速芯片的公司。2017年，收购Mobileye，该公司提供以摄像头作为数据输入的ADAS系统。2018年，收购eASIC，一家提供自动转换为ASIC设计工具的公司。通过这些收购，英特尔的手里已经握有四个不同架构的芯片方案。再加上英特尔自己的Xe图形加速器、独立显卡GPU，一条完整的异构产品线就此构成。

在计算之外，傲腾内存、Movidius神经计算棒、神经拟态芯片、超导量子测试芯片、10纳米PC处理器、至强可扩展处理器、第十代智能英特尔酷睿处理器、神经网络推理处理器、基于Xe架构的GPU、量子计算芯片等产品，使英特尔可以应对未来更大级别、更高要求的计算架构。

六大技术支柱

除了上述的收购和产品之外，在2018年，英特尔还提出了六大技术支柱，作为驱动未来指数级创新的引擎。这六大技术支柱分别是制程与封装、XPU架构、内存与存储、互连、安全、软件。

XPU架构的目的是针对不同类型工作负载，提供各种创新计算架构。然而，XPU里包含了CPU、GPU、FPGA、NNP、VPU等五种架构，如何将这些架构进行异构整合、方便调用是工程师们的普遍需求。

对于上述问题，英特尔在给出了解决方案。软件方面，oneAPI面向跨CPU、GPU、FPGA和其他加速器在内的异构计算，提供统一和简化的应用程序开发编程模型。封装方面，同时提供EMIB 2.5D封装技术和Foveros 3D封装技术，赋予芯片设计更多灵活性。

英特尔利用六大技术支柱，应对数据量的指数级增长、数据形态的革命性变化、多元化计算需求的挑战，，构建数据处理、存储和传输的全面实力，实现指数级创新。

继续向前，探索未来计算

1.神经拟态计算

现在做一个图像识别或是训练一个能做图像理解的加速器，需要数千瓦的电量才能做一件事。然而，与人脑相比太耗电了。人脑是一个20瓦的设备，且在工作中只用到部分功率，因为如果工作在全功率下人就会癫痫。也就是说，人脑识别一幅图像，仅用了不到20瓦的电量。智能计算的功耗比人脑高了1000倍，如果能将功耗降至和人脑一样，是不是就能可以把计算和智能训练放到前端设备里，比如数据中心、边缘服务器。

神经拟态计算就是应对上述问题的解决方案。不同于标准计算和深度神经网络，神经拟态计算是模拟的人脑工作模式。其利用人脑事件驱动的机制来达到省电的目的，同时还利用多种方式学习和训练的机制达到跨领域技术的融合。

2017年，英特尔发布了Loihi神经拟态芯片，14纳米单芯片，在架构里整合了计算和存储。该芯片拥有128个核，13万个神经元，1.3亿个突触；每个神经拟态计算内核可模拟多个“逻辑神经元”；片上网格连接方式支持高效的脉冲消息分发；具有高度复杂的神经网络拓扑；支持多种学习模式的可扩展的片上学习能力。

2.量子计算

人工智能除了要像人脑一样思考之外，还要处理大量的数据。量子计算就是用来处理现在计算机搞不定的大规模计算问题，主要应用于密码破解、药物设计、化学发现等领域。然而，距离量子计算商用，我们还有很远的路要走。

假设，你做一个小范围的化学实验，一千多个逻辑量子位就可以做成这件事。但是，逻辑量子位不是直接获取的，它是由多个物理量子位变成的。也就说，一千个逻辑量子位，通常需要百万个物理量子位来生成。而且，物理量子位是很脆弱的，需要不断的纠错编码，才能让多个物理量子位变成一个逻辑量子位。因此，量子计算的发展不能只看量子位，还要看量子的实用性。要想让量子计算可商用，不仅要解决量子位的数量问题，还要解决纠错和量子位之间连接与测试的问题。