英特爾首發(fā)大型神經(jīng)擬態(tài)系統Hala Point，推進(jìn)“綠色AI”發(fā)展

英特爾發(fā)布了代號為Hala Point的大型神經(jīng)擬態(tài)系統。Hala Point基于英特爾Loihi 2神經(jīng)擬態(tài)處理器打造而成，旨在支持類(lèi)腦AI領(lǐng)域的前沿研究，解決AI目前在效率和可持續性等方面的挑戰。在英特爾第一代大規模研究系統Pohoiki Springs的基礎上，Hala Point改進(jìn)了架構，將神經(jīng)元容量提高了10倍以上，性能提高了12倍。

英特爾研究院神經(jīng)擬態(tài)計算實(shí)驗室總監Mike Davies表示：“目前，AI模型的算力成本正在持續上升。行業(yè)需要能夠規?；娜掠嬎惴椒?。為此，英特爾開(kāi)發(fā)了Hala Point，將高效率的深度學(xué)習和新穎的類(lèi)腦持續學(xué)習、優(yōu)化能力結合起來(lái)。我們希望使用Hala Point的研究能夠在大規模AI技術(shù)的效率和適應性上取得突破?！?/p>

Hala Point在主流AI工作負載上展現了出色的計算效率。研究顯示，在運行傳統深度神經(jīng)網(wǎng)絡(luò )時(shí)，該系統能夠每秒完成多達2萬(wàn)萬(wàn)億次（20 petaops）運算，8位運算能效比達到了15 TOPS/W，相當于甚至超過(guò)了基于GPU和CPU的架構。Hala Point有望推動(dòng)多領(lǐng)域AI應用的實(shí)時(shí)持續學(xué)習，如科學(xué)研究、工程、物流、智能城市基礎設施管理、大語(yǔ)言模型（LLMs）和AI助手（AI agents）。

目前，Hala Point是一個(gè)旨在改進(jìn)未來(lái)商用系統的研究原型。英特爾預計其研究將帶來(lái)實(shí)際技術(shù)突破，如讓大語(yǔ)言模型擁有從新數據中持續學(xué)習的能力，從而有望在A(yíng)I廣泛部署的過(guò)程中，大幅降低訓練能耗，提高可持續性。

深度學(xué)習模型的規模正在不斷擴大，參數量可達萬(wàn)億級。這一趨勢意味著(zhù)AI技術(shù)在可持續性上面臨著(zhù)嚴峻的挑戰，有必要探索硬件架構底層的創(chuàng )新。神經(jīng)擬態(tài)計算是一種借鑒神經(jīng)科學(xué)研究的全新計算方法，通過(guò)存算一體和高細粒度的并行計算，大幅減少了數據傳輸。在本月舉行的聲學(xué)、語(yǔ)音與信號處理國際會(huì )議（ICASSP）上，英特爾發(fā)表的研究表明，Loihi 2在新興的小規模邊緣工作負載上實(shí)現了效率、速度和適應性數量級的提升。

Hala Point在其前身Pohoiki Springs的基礎上實(shí)現了大幅提升，基于神經(jīng)擬態(tài)計算技術(shù)提升了主流、常規深度學(xué)習模型的性能和效率，尤其是那些用于處理視頻、語(yǔ)音和無(wú)線(xiàn)通信等實(shí)時(shí)工作負載的模型。例如，在今年的世界移動(dòng)通信大會(huì )（MWC）上，愛(ài)立信研究院（Ericsson Research）就展示了其如何將 Loihi 2神經(jīng)擬態(tài)處理器應用于電信基礎設施效率的優(yōu)化。

Hala Point基于神經(jīng)擬態(tài)處理器Loihi 2打造，Loihi 2應用了眾多類(lèi)腦計算原理，如異步（asynchronous）、基于事件的脈沖神經(jīng)網(wǎng)絡(luò )（SNNs）、存算一體，以及不斷變化的稀疏連接，以實(shí)現能效比和性能的數量級提升。神經(jīng)元之間能夠直接通信，而非通過(guò)內存通信，因此能降低整體功耗。

Hala Point系統由封裝在一個(gè)六機架的數據中心機箱中的1152個(gè)Loihi 2處理器（采用Intel 4制程節點(diǎn)）組成，大小相當于一個(gè)微波爐。該系統支持分布在 140544 個(gè)神經(jīng)形態(tài)處理內核上的多達 11.5 億個(gè)神經(jīng)元和 1280 億個(gè)突觸，最大功耗僅為 2600 瓦。Hala Point還包括 2300 多個(gè)嵌入式 x86 處理器，用于輔助計算。

在大規模的并行結構中，Hala Point集成了處理器、內存和通信通道，內存帶寬達每秒16PB，內核間的通信帶寬達每秒3.5 PB，芯片間的通信帶寬達每秒5TB。該系統每秒可處理超過(guò)380萬(wàn)億次8位突觸運算和超過(guò)240萬(wàn)億次神經(jīng)元運算。

在用于仿生脈沖神經(jīng)網(wǎng)絡(luò )模型時(shí)，Hala Point能夠以比人腦快20倍的實(shí)時(shí)速度運行其全部11.5億個(gè)神經(jīng)元，在運行神經(jīng)元數量較低的情況下，速度可比人腦快200倍。雖然Hala Point并非用于神經(jīng)科學(xué)建模，但其神經(jīng)元容量大致相當于貓頭鷹的大腦或卷尾猴的大腦皮層。

在執行AI推理負載和處理優(yōu)化問(wèn)題時(shí)， Loihi 2神經(jīng)擬態(tài)芯片系統的速度比常規CPU和GPU架構快50倍，同時(shí)能耗降低了100倍。早期研究結果表明，通過(guò)利用稀疏性高達10比1的稀疏連接（sparse connectivity）和事件驅動(dòng)的活動(dòng)，Hala Point運行深度神經(jīng)網(wǎng)絡(luò )的能效比高達15 TOPS/W，同時(shí)無(wú)需對輸入數據進(jìn)行批處理。批處理是一種常用于GPU的優(yōu)化方法，會(huì )大幅增加實(shí)時(shí)數據（如來(lái)自攝像頭的視頻）處理的延遲。盡管仍處于研究階段，但未來(lái)的神經(jīng)擬態(tài)大語(yǔ)言模型將不再需要定期在不斷增長(cháng)的數據集上再訓練，從而節約數千兆瓦時(shí)的能源。

世界各地領(lǐng)先的學(xué)術(shù)團體、研究機構和公司共同組成了英特爾神經(jīng)擬態(tài)研究社區（INRC），成員總數超過(guò)200個(gè)。攜手英特爾神經(jīng)擬態(tài)研究社區，英特爾正致力于開(kāi)拓類(lèi)腦AI前沿技術(shù)，以將其從技術(shù)原型轉化為業(yè)界領(lǐng)先的產(chǎn)品。