普適計算的六大必備條件

若要為普適計算構建生態(tài)系統并將計算融入日常萬(wàn)物，大量試錯在所難免。

毋庸置疑，在未來(lái)數十年內數字化技術(shù)將愈發(fā)普遍。Exponential Group 等機構認為，數字化應是實(shí)現可持續發(fā)展的第一步，預計至 2030 年及往后，硬件和軟件將通過(guò)對建筑、工廠(chǎng)及其他環(huán)境進(jìn)行微調，幫助減少 15% 的排放。

隨著(zhù)電動(dòng)汽車(chē)、優(yōu)化 ADAS 系統以及自動(dòng)駕駛的發(fā)展，已搭載了大量處理器的汽車(chē)將成為車(chē)輪上的數據中心。通過(guò)新型可穿戴設備或醫療設備來(lái)提供醫療保健和遠程醫療往往被視為電子技術(shù)最大的機遇。

然而，若要為普適計算系統構建經(jīng)濟有效的生態(tài)系統，則必須進(jìn)行大量試錯。作為 Arm 研發(fā)部門(mén)的未來(lái)學(xué)家，我的工作就是展望未來(lái)并制定未來(lái)的路線(xiàn)圖。以某些未來(lái)主義場(chǎng)景為方針，以下是我認為必須克服的一些關(guān)鍵障礙。

1.       智能紋身

Neuralink 公司啟動(dòng)了一項宏偉的計劃，他們欲利用腦部和神經(jīng)脈沖將人與計算機相連。該項技術(shù)前景誘人——想象一下對于肢體殘疾或患有衰竭性疾病的人們而言，他們的世界將發(fā)生顯著(zhù)改變，但同時(shí)也充滿(mǎn)了嚴重的隱憂(yōu)。

將處理器直接植入大腦或神經(jīng)元突觸會(huì )給患者帶來(lái)巨大的醫療風(fēng)險，升級的復雜性不言而喻。另一方面，分析眼動(dòng)或音色的計算機視覺(jué)系統存在固有的局限性——它們僅能夠利用少量且有限的外部數據。

智能紋身能夠將數據傳輸至云端進(jìn)行分析或直接執行人工智能功能。它們還可充當數據進(jìn)入大腦的網(wǎng)關(guān)。

數據完整性和系統安全是安全的關(guān)鍵。所需的技術(shù)包括用于抵御分布式拒絕服務(wù) (DDoS) 攻擊，以及用于檢測輸入輸出數據或者防止異常脈沖的自動(dòng)暫停按鈕。此外，設計人工智能算法和人機界面以確定用戶(hù)的真正意圖也必不可少，譬如，三次快速眨眼或其他簡(jiǎn)單的身體動(dòng)作通常不會(huì )與觸發(fā)鼠標點(diǎn)擊的微小動(dòng)作相混淆。

另外，智能紋身還應該易于移除。Arm 近期發(fā)布了一款柔性處理器的原型以及可印制的柔性神經(jīng)網(wǎng)絡(luò )。雖然這項技術(shù)尚處于試驗階段，但由技術(shù)組件、制造工具集以及軟件組成的生態(tài)系統很可能在未來(lái)數年內初步成型。

2.       數字化監管鏈

正如加利福尼亞大學(xué)伯克利分校的 Hany Farid 所展示的那樣，現下，視頻、圖像甚至人聲的深度偽造日益猖獗，檢測難度不斷提高，且手段也愈加狡猾。甚至在未來(lái)的選舉中，可能通過(guò)一些精選的假信息來(lái)制造懷疑，從而贏(yíng)得或失去選舉。

試想在元宇宙中發(fā)生惡作劇的可能性。人工智能增強的視頻通話(huà)可能被轉化為完全偽造、令人信服的對話(huà)，并企圖影響我們的正常行為或決策過(guò)程。在現實(shí)世界中，工業(yè)設備可能發(fā)送消息，導致員工錯誤地停止生產(chǎn)，甚至造成他們無(wú)法針對嚴重故障采取行動(dòng)。

對于智能工廠(chǎng)或汽車(chē)等自動(dòng)化系統而言，遇有事故，人工智能決策流程所有級別上的每個(gè)元件需能夠告知用戶(hù)發(fā)生的情況以及因何做出某個(gè)決策（例如，紅燈發(fā)送錯誤信號，LIDAR 沒(méi)有檢測到目標等）。

無(wú)論是在現實(shí)還是數字世界中，我們需要能夠通過(guò)不可變的方式對信息進(jìn)行跟蹤追溯，最終發(fā)掘真相。數據證明服務(wù)和區塊鏈功能將是必不可少，因為這些能輕松擴展，以對信息進(jìn)行追溯直至找到原始數據。雖然此類(lèi)系統可能無(wú)法證明事情的真實(shí)性，但可識別中間篡改并確保數據完整性。

3.       可溶解的集成電路

2020 年，人類(lèi)迎來(lái)了另一個(gè)充滿(mǎn)爭議的里程碑：人造材料的數量首次超過(guò)了天然生物料，且每 20 年就翻一番。從搖籃到搖籃的制造，制造商可通過(guò)重新使用舊材料或部件，助力減少垃圾的產(chǎn)生。

但是，如何通過(guò)可持續和可擴展的方式來(lái)開(kāi)發(fā)、部署并回收智能傳感器或系統呢？可溶解集成電路為生產(chǎn)商提供了一種回收利用元器件的可行方法?？删幊痰目扇芙饧呻娐飞踔磷屛覀兡軌蛘{整產(chǎn)品功能和美學(xué)設計，從而通過(guò)可持續和可擴展的方式實(shí)現批量定制。

4.       空中數據中心

雖然數據中心和網(wǎng)絡(luò )的功耗在過(guò)去十年內相對平穩，但我們仍需要不斷創(chuàng )新來(lái)延續這一記錄。數字數據保持著(zhù)每?jì)赡攴脑鏊?，同時(shí)，人工智能和 5G 也將擴大工作負載。

幸運的是，很多普遍的應用程序并不要求超短延時(shí)。冷（和微溫）數據存儲和一般計算負載轉移到納米衛星上是可以想見(jiàn)的。雖然這需要對總能耗進(jìn)行復雜的計算，但相對于地面的數據中心，衛星數據中心具有系統性的優(yōu)勢——無(wú)需冷卻成本。這毋庸置疑是一個(gè)浩大的工程問(wèn)題，但其所需的大量相關(guān)基礎知識目前已經(jīng)存在。

5.       人工智能生成的硬件

所有行業(yè)都在經(jīng)歷數字化轉型，電子行業(yè)也必須緊跟這個(gè)趨勢。在物聯(lián)網(wǎng) (IoT) 領(lǐng)域，物聯(lián)網(wǎng)系統的設計已經(jīng)從應用支持平臺中受益，從而可以更快、更輕松地設計物聯(lián)網(wǎng)設備和相關(guān)應用。未來(lái)七年內，大約有 10 到 20 個(gè)此類(lèi)平臺達到合理的成熟度。我們也需要開(kāi)發(fā)類(lèi)似的支持技術(shù)與工具，協(xié)助電子行業(yè)的各個(gè)細分市場(chǎng)進(jìn)行硬件與軟件及應用的協(xié)同設計。

對于半導體來(lái)說(shuō)，通過(guò)此類(lèi)半導體設計支持平臺，讓復雜智能系統設計得以簡(jiǎn)化并實(shí)現自動(dòng)化，以簡(jiǎn)化開(kāi)發(fā)人員的工作，這個(gè)目標將比我們預期的更早實(shí)現。一旦設計數據的龐大數據庫在云端投入使用，可進(jìn)行人工智能分層，比人類(lèi)更快更好地生成硬件和軟件，并且能夠隨時(shí)投入生產(chǎn)。

神經(jīng)架構搜索機器學(xué)習工具可以自動(dòng)創(chuàng )建硬件感知的訓練神經(jīng)網(wǎng)絡(luò )，針對特定機器學(xué)習任務(wù)進(jìn)行優(yōu)化。同樣，對于特定的流程，若能夠以成本函數的方式表示硬件組件及其關(guān)系，我們應該能夠自動(dòng)優(yōu)化和合成適用于任務(wù)的硬件。

6.       相變存儲器 (PCM) 大展身手

1970年，Gordon Moore在《電子》雜志中預測相變存儲器將在十年內進(jìn)入市場(chǎng)。這一預測并未成真。事實(shí)證明，傳統內存和存儲器非常靈活和強大，甚至超出了其忠實(shí)支持者的預期，而閃存作為時(shí)下更新潮的概念，在傳統半導體存儲領(lǐng)域找到了用武之地。但與此同時(shí)，相變存儲器卻還停留在原型階段，難以投入生產(chǎn)。

然而普適應用的物聯(lián)網(wǎng)改變了這一狀況。歸功于混合電子系統，桌子、窗戶(hù)、門(mén)以及其他一些耐用或不耐用的物件將很快開(kāi)始具備一些新功能，并將變成無(wú)處不在的人機界面或傳感器。但它們并不會(huì )始終保持連接或接入狀態(tài)，也不包含傳統計算機接口或電池。相反，它們包裹著(zhù)智能的第二層皮膚，可對射頻電波、熱量或其他刺激做出響應。這必然需要低功耗且非易失性的存儲。你說(shuō)相變存儲器能夠為其提供所需的容量、非易失性和功耗嗎？