專訪英特爾中國研究院院長宋繼強：發展前沿計算需要「另一種眼光」

來源：國是直通車

前沿

採：劉亮 視訊剪輯：張何緣

近年來，以量子科技、神經擬態計算（類腦計算）等為代表的國際前沿科技領域日益受到關注。作為全球科技巨頭之一，英特爾在量子科技，尤其是「量子實用性」上也有諸多實踐和進展，在神經擬態計算領域，也已經推出了擁有1億個神經元的神經擬態計算系統。

近日，中新社國是直通車專訪了英特爾中國研究院院長宋繼強。採訪中，宋繼強介紹了英特爾探索前沿技術的研究進展和現實意義，並結合當前英特爾中國研究院的工作，解析該研究院立足中國本土市場優勢探索技術產業化的「祕笈」。

以下為採訪實錄：

英特爾在佈局前沿技術時有何考量？

提問：在去年的英特爾「研究院日」上，英特爾在五大前沿計算領域量子計算、神經擬態計算、整合光電、機器程式設計以及保密計算髮布了一些重磅的更新，能否介紹一下為什麼英特爾會選擇這五大領域作為未來計算的發展方向？這些技術之間有怎樣的內在關係？

宋繼強：非常高興接受中新社的採訪。這五大計算領域是為了解決數字化轉型帶來的挑戰。隨著5G和AI等數字基礎設施建設的加速，以及生活中資料量、資料類型的不斷增加，我們所面臨的不僅僅是傳統人定義好的那些固定的資料結構，還有很多是來自自然界和機器視覺的資料。

這些資料量非常大，它的種類也和以前發生了根本性的變化。對於處理它來講，顯然不是人的能力、時間、精力等能夠完全應對的。這就要靠更多的AI演算法，靠把雲、邊、端整合起來的算力，以及很多不同的新技術去解決日益增長的資料量等問題。

所以我們提出這五大領域，也是在不同的階段上，從不同的角度去解決新的數字基礎設施、數字化轉型帶來的挑戰。

提問：作為一家領先的半導體公司，英特爾為何要在前沿計算領域進行鉅額投資，有何戰略意義考量？

宋繼強：我可以從計算、傳輸、保密這些方面分別去談。對於計算來講，我們現在屬於一個利用AI2.0時代的深度學習做大規模的人工智慧計算的時代。整個社會既需要智慧化的計算來支撐，也要用低碳排放的方式去實施它。

目前，很多深度學習的演算法是利用GPU的大規模算力驅動的。據此前一些市場調研發現，要訓練一個大規模的GPU演算法模型，可能需要好幾輛傳統汽車的碳排放量才能訓練出一個模型。面對日益增大的AI計算需求，這顯然不是一種環保、可持續發展的辦法。這就需要我們在未來的多種多樣的資料處理中，既要有不同的演算法，也要有不同的底層硬體的支援。

再比如，AI計算處理的資料來源不僅多且量也很大。將這些資料在整個網路上進行運輸很耗時。同時，這些資料的所有者可能出於各種各樣的原因，並不想把這個資料送到別的地方計算。所以，至少需要有兩類的方法去解決它。

一是資料可能不動，通過利用別的地方運行的AI計算力，分頭在資料產生和儲存的地方去訓練資料對應的模型，以避免資料的大量流動和隱私洩露。

二是很多資料本身就是加密的，量也很大。要把這些資料解密再去計算，本身就是很浪費時間和算力的過程。如果我們在加密的資料上面直接進行運算，能夠達到跟未加密資料同樣的效果，那是不是就更好了？這個就是一種「同態加密」的計算方法。

再如，矽光通訊和機器程式設計，是分別從底下的互聯層面去解決高度整合的大規模資料傳輸。從機器程式設計角度看，我們希望未來很多程式並不需要人去編寫，很多Bug不需要人去偵錯，在整個程式設計過程中，有很多自動產生的一些程式模型，自動去偵錯中間的一些問題，以大幅減輕未來大量數字化轉型中需要做的程式碼偵錯任務。

事實上，就是從方方面面分頭去做各式各樣的前沿創新。

量子計算距離產業化還有多遠？

提問：目前，量子計算非常火熱。一些公司在量子位元數量的提升方面發力，而英特爾更強調「量子實用性」，並在量子系統低溫控制器領域有了諸多進展。這是出於怎樣的考慮？

宋繼強：英特爾強調「量子實用性」是注重如何能夠把新技術分階段地推向實用，而且是全棧式的，包括從底層的量子位元的製備，一直到頂層怎樣程式設計、使用量子位元提供的算力，進行一些不同領域的應用創新和研究突破。

我們需要很多層來構造這個堆棧，最底下當然就是量子位元。量子位元不能僅看數量，還需看質量，以及如何能夠把量子位元以一個比較經濟有效的方式整合在裝置裡。

對英特爾而言，我們首先選擇了矽電子自旋的方式去構造量子位元。因為它構造的方式和英特爾最擅長的在矽上面做半導體的方式非常相似。同時也能夠利用我們整套的生產、工藝以及對電子控制方面的技能。

有了量子位元之後，必須讓它糾纏起來。因為不糾纏的量子位元達不到「冪數上升」的指數加速效應。一般情況下，要較好地控制這些量子位元，常用的製備方式是通過微波去控制。

傳統的方式是通過把量子位元放在很低溫的一個大冰箱裡，用接近絕對零度的方式讓量子位元正常工作。現在量子位元個數很少的時候，我們可以用這種同軸線纜的方式穿到冰箱裡面去控制它。但是當量子位元未來擴展到幾百上千甚至是上萬的時候，這種通過每個量子位元用一根單線去控制的方式就無法規模化。所以，我們在這個層面上做了很大創新，就是解決佈線方面的瓶頸。

我們首先在低溫的情況下做了微波控制晶片。在幾個開爾文的溫度下，讓微波控制晶片可以正常工作，同時還可以控制多個量子位元，對它進行讀取、控制。這樣即可節省數十倍的空間。

同時，我們在測試量子位元、量子點的有效性也做了專門的裝置。例如，英特爾和合作夥伴去構造了世界上第一臺具有大的真空腔體的低溫探測儀，它可以把整個300毫米的晶圓放進去，一天之內就可以測上百個量子點，這樣把整個的測試量子點的能力也給提升了千倍的速度。

此外，我們也在產學研上有廣泛的合作，在裝置和軟體層面，一起構造全棧的量子計算的堆棧。我們的目標就是當有數千上萬的量子位元同時工作時，我們能有一整套的技術支援，可以讓上層的演算法和軟體開發人員去使用這樣的堆棧。

提問：您認為量子計算最早可能實現的應用場景是什麼？這一時間點大概會在什麼時候？

宋繼強：首先，時間點很難估計，整個物理量子位元還是比較嘈雜，不是很穩定。量子位元的規模目前在50-100個左右，不算太大。整個能夠支援的很多應用演算法也是很小規模的。

如果說要達到大規模的應用，首先需要量子位元數量很大。同時，我們也希望能夠看到整合度比較高的量子位元的實現方法。但目前產業界還並沒有看到能大規模商業化的路徑。因為在有一些明顯的障礙還沒有突破之前，去預測時間實際上是一個不太靠譜的事。目前看來，在10年左右還是可以突破一些層面的。但這個發展目前看來還是一個8-10年的過程。

量子計算的能力很強，但是並不是萬能的。量子計算的應用最適用於需要大規模併發狀態去檢測多個可能性的場景，例如一些藥物和材料模擬，以及人工智慧演算法的新構造等。此外，量子計算的強大運算能力，也可與量子通訊和量子網際網路領域有機整合起來，相互補充。

因此，未來它們互相之間可以進行有機的組合，但是確實也需要一些頂層設計，否則會造成資源上的浪費和不協調。

神經擬態計算有哪些挑戰和機遇？

提問：我們知道神經擬態計算也是英特爾關注的前沿領域，這幾年英特爾在神經擬態計算領域也取得重要進展。當前，神經擬態計算在大規模普及應用上是否存在挑戰？

宋繼強：神經擬態計算是類腦計算的一個重要的領域。神經擬態計算是想模仿人腦神經元的構造，如它接收資訊、儲存和進一步去傳遞資訊的機理，比現在的深度神經學習更接近人腦的工作方式。它實際上也不是一個新學科，從1980年代就開始有這方面的研究。最近由於它在演算法層面和硬體底下的支撐層面都有大幅度的提升，所以又再一次被大家視為能夠幫助我們把人工智慧計算的能效比大幅提高的方法。同時，能在一些演算法層面獲得創新，提高演算法的可解釋性，降低對大資料的依賴度等。

現在它的門檻在哪裡？第一是硬體的基礎還比較少，可以用來做大規模類腦計算的試驗系統還不多；第二，相對傳統的比如說深度學習或者是傳統的機器學習社群，該領域的研究人員和開發人員的社群還非常小。現在神經擬態計算整個群體量我約是一個100：1的狀態。

為此，英特爾也在努力構建我們稱之為INRC（英特爾神經擬態研究社群），這是一個開放式的研究社群。目標是擴大研究之間互助的機會，包括學術界的探索、試錯經驗；產業界大公司的測試案例和系統化的能力；初創公司的探索激情等。把以上這些整合起來之後，會形成比較快的社群聚集效應。

近4年來，該社群規模幾乎是每年倍增的。從開始的十幾家，到現在已約有一百家的公司、大學研究團隊在裡面。這100家當中也包含了聯想等中國公司和中國一些院校。

所以，硬體方面我們要繼續推動。同時，社群也要繼續去壯大，讓大家看到這個系統，或者是這種計算模式真的值得大規模學習開發的。

提問：能不能談一下神經擬態計算會在哪些領域率先投入使用？下一步英特爾研究神經擬態計算的方向是什麼？

宋繼強：目前我們認為有兩個領域最適合去用。一個是前端的像IOT的裝置當中。在前端的類似機器人、無人機以及工業領域的專用裝置裡面，它有很好的使用場景。

二是在伺服器端和雲端也可以發揮很好的作用，去做很多並行的動態規劃和演算法優化。

例如，在一個智慧城市中，有很多車輛、行人和交通訊號等等。在這樣一個複雜系統當中，假如想讓一個救護車以最快速的方式從A點到達B點，用傳統的方法去計算，那是很慢的。但是用神經擬態計算，它可以用很短的時間就把這個優化的結果給搜尋出來。

下一步，英特爾將進一步提高Loihi系統的神經元容量，達到10億個神經元的系統，這樣就可以支援更多的應用；在軟體層面，我們將簡化在Loihi系統上面做各種各樣演算法的應用程式設計，提升可用性和易用性。

立足於中國市場的英特爾中國研究院有何「祕笈」？

提問：在英特爾研究院探索前沿科技的過程中，您認為有哪些值得借鑑的經驗？

宋繼強：英特爾研究院一直在踐行「雙輪驅動」模式。一方面，我們有長期堅持探索的創新領域，如Loihi和量子計算，這些都屬於短期我們並不知道它什麼時候可以快速商業化，但是這個方向是正確的。另一方面，在探索的同時，我們也在關注另外一個邏輯：這項技術未來是要為規模化、商業化應用服務的，是要將技術產品化，而不純粹是為發論文或只接受產品部門的輸入，為他們開發一些彌補差距的技術。

提問：英特爾中國研究院目前在做哪些研究方向？這些研究對於英特爾的技術佈局有什麼樣的意義和價值？

宋繼強：英特爾中國研究院是立足於中國本地的人才基礎、中國的商業機會，還有合作伙伴、客戶的發展趨勢，來綜合考慮選擇我們的研究方向。

首先，我們把人工智慧、5G方面作為我們長期研究的領域。此外，為了進一步推動比如說AI、5G這些通用技術在未來產業裡的應用，我們也會選擇一些關鍵的應用領域，如智慧邊緣和機器人領域。

具體地，我們在智慧邊緣領域選擇要深度使用AI技術和5G的實時傳輸技術，這兩個組合技術的領域，我們一是選擇了智慧交通（車和基礎設施），也就是道路上部署的感測器的計算能力，怎麼樣有效互連，提高運輸效率以及安全性方面；二是選擇了機器人領域，因為機器人這個領域也會作為一種「自主系統」，會在各個不同的垂直領域發揮它的作用。

於英特爾而言，選擇兩個長期的技術發展領域，加上兩個非常長期的應用發展領域是我們一個大的策略。同時，我們還在關注怎麼樣通過敏捷的軟硬體開發流程去支援這些新領域裡面可能需要的一些硬體加速部件。這些都是面向未來的前沿領域，同時也能支援應用創新和整個社群的發展。

研究前沿技術不能「閉門造車」

提問：您在英特爾中國研究院已經工作了很長一段時間，您個人最大的心得體會能否分享？

宋繼強：研究前沿技術不能「閉門造車」，要立足於本土優勢，也要看到國際上的領先科研趨勢。

我在英特爾研究院已經工作了13年了。從整個的歷程來看，我覺得現在最大的一個感受就是英特爾研究院的發展當前與中國提出的「雙迴圈」新發展格局有諸多共性。

一方面，英特爾研究院在實時跟進全球前沿技術的發展趨勢，將一些技術輸入到中國做快速本土化的創新和應用；另一方面，英特爾也在利用中國本土產學研方面的優勢做一些實際技術的開放突破。在一些應用場景中，中國的一些資料是領先於全球的。同時，中國有大量可應用的好機會與好案例，有利於推動科技創新和產業落地加速。

提問：您剛才提到英特爾中國研究院要藉助中國本土優勢發展5G和AI，能否就此展開談談？

宋繼強：關於英特爾中國研究院或者是英特爾整體怎麼去立足中國本土的人才和產業優勢，我覺得這個可以分兩方面來看。

一個是人才，中國在人工智慧方面的發展，特別是我們現在稱之為第二代的人工智慧，基於深度學習這一波基本上是和國際同步的。這也意味著中國在人工智慧演算法上有強大的人才和研究基礎。這些都是英特爾值得更好地去利用的人才寶庫。

另一方面，中國在推動5G發展程序中扮演了非常重要的角色。中國在5G基站裝機量的速度和量上都是領先於全球的。到今年，應該有接近100萬的5G基站就要裝機部署了，這在全球是佔了超過半數的。一旦「路」修好了，後期相應的基礎設施和商業模式可與之形成疊加效應，進而帶動其他行業的發展。這方面，AI技術可以以多種形式放大5G帶來的好處和紅利。

未來，英特爾也會繼續立足中國本土優勢，尤其把握當前中國數字化轉型的契機，將現有各項技術和軟硬體設施加以整合，更好地參與到中國市場的發展中。