幹翻GPU?英特爾Loihi神經形態晶片能效較之提升1000倍

2020-12-05 東方財富網

原標題：幹翻GPU？英特爾Loihi神經形態晶片能效較之提升1000倍

　　12月3日，英特爾宣布其研發的Loihi神經形態晶片在語音命令辨識、人工智慧應用中的手勢辨識、影像檢索及查找功能和機器人技術方面取得的進展。

　　據悉，2017年，Loihi晶片首次亮相，當時採用14nm工藝，有128個核心，包含13萬個神經元，適用於脈衝神經網絡(SNN)。

　　目前，英特爾神經形態研究社區(INRC)成員之一的Accenture正在與汽車業夥伴合作，利用Loihi晶片測試概念驗證汽車的人工智能模型。如今，通過開放語音錄音樣本和Loihi晶片，只須要簡單說明就能訓練汽車模型，完成包括開燈、關燈和啟動引擎等操作。

　　Loihi晶片的真正亮點在於，它的能效較標準相較GPU提高了1,000倍。此外，Loihi也可以更快地響應高達200毫秒的運算要求。

（文章來源：OFweek）

(責任編輯：DF537)

相關焦點

  • 英特爾:效率達CPU一萬倍的神經形態晶片發布
    近日，英特爾(Intel)官方宣布，英特爾研發一款名為「Pohoiki Beach」的新型神經形態晶片系統產品，該晶片系統是受人類大腦思維方式所啟發，將生物大腦原理應用於計算機體系結構。
  • 英特爾Loihi神經形態晶片可識彆氣味中有害化學物質
    英特爾實驗室和康奈爾大學的研究人員，剛剛展示了英特爾神經形態研究晶片 Loihi 的獨特能力 —— 僅通過氣味來識別多種有害的化學物質。 研究人員稱：Loihi 可分析識別測試樣品中的每種化學物質，而不會破壞先前學習到的有關氣味的記憶。
  • 英特爾Loihi神經形態晶片可識彆氣味中的有害化學物質
    英特爾實驗室和康奈爾大學的研究人員，剛剛展示了英特爾神經形態研究晶片 Loihi 的獨特能力 —— 僅通過氣味來識別多種有害的化學物質。研究人員稱：Loihi 可分析識別測試樣品中的每種化學物質，而不會破壞先前學習到的有關氣味的記憶。
  • 英特爾Loihi神經形態晶片可從氣味中識別有害化學物質
    英特爾實驗室和康奈爾大學的研究人員展示了英特爾神經形態研究晶片Loihi獨特的能力，能夠僅根據氣味來識別多種有害化學物質。研究人員說，Loihi可以從一個測試樣品中根據其氣味識別每種化學物質，而不會破壞其對先前學習到的氣味的記憶。
  • 英特爾展示Loihi神經形態晶片 僅憑氣味識別10種有害化學品
    英特爾和康奈爾大學聯合展示了英特爾神經形態晶片Loihi的獨特能力：僅根據氣味就能識別多種有害化學物質。研究人員說，Loihi可以根據測試樣品的氣味識別出每種化學物質，而不會影響此前學習到的氣味記憶。Loihi晶片與任何傳統的識別系統、甚至是深度學習系統相比，具有更高的準確性。而深度學習系統需要大約3000倍的訓練樣本，才能達到同樣的準確性。英特爾實驗室高級研究科學家Nabil Imam說：「我們正在開發Loihi晶片的神經算法，模仿人類聞到氣味後大腦的反應。」
  • 登上Nature子刊封面:英特爾神經晶片實現在線學習
    該系統基於英特爾的神經形態研究晶片 Loihi 和 72 個化學傳感器，Loihi 被編程為模仿嗅球中神經元的運作——後者是區分不同氣味的大腦區域。研究人員表示，這一系統未來可被用於監視空氣中的有害物質，嗅出隱藏的毒品或爆炸物，或幫助進行醫學診斷。
  • 提升1000倍!未來計算「加速度」
    在近日以線上形式舉行的2020英特爾研究院開放日活動上，英特爾研究院院長Rich Uhlig援引科幻小說家William Gibson的話如此作答。 當天，該研究院集成光電、神經擬態計算、量子計算、保密計算和機器編程等前沿領域的負責人悉數到場，揭秘了他們計劃開啟未來計算、致力於1000倍性能提升的諸多顛覆性研究。
  • 英特爾發布AI晶片系統,比傳統CPU快1000倍
    在DARPA 2019 年電子復興計劃峰會上，英特爾發布了「 Pohoiki Beach 」神經擬態系統，該系統主要由64 顆 Loihi 神經擬態晶片構成，集成了 1320 億個電晶體，總面積 3840 平方毫米，可處理深度學習任務，速度比CPU快1000倍，效率高10000倍，耗電量小100倍。
  • 英特爾神經擬態計算晶片Loihi學會聞10種有害化學物質
    近日，英特爾和康奈爾大學的研究人員訓練了神經擬態晶片Loihi，讓它學習和識別10種有害化學物質的氣味。將來，這項技術可能使「電子鼻」和機器人能夠檢測武器、爆炸物、麻醉品甚至疾玻英特爾神經擬態晶片Loihi該團隊使用英特爾的神經擬態晶片Loihi設計了基於大腦嗅覺電路的算法。
  • 神經擬態晶片可讓機器人擁有觸感，感知比人類快1000倍
    澎湃新聞記者 王心馨 實習生 何青怡機器人如果也能像人一樣能用皮膚去觸摸世界，並能通過晶片給出計算和反應，會是什麼樣？近日，新加坡國立大學（NUS）的研究人員利用英特爾神經擬態晶片Loihi開發了一種人造皮膚，能夠讓機器人以比人類感覺神經系統快1000倍的速度檢測觸覺，還可以比眨眼快10倍的速度識別物體的形狀、質地和硬度。
  • 英特爾研究院五大前沿領域研究進展揭秘！神經擬態架構性能已達CPU 2000倍
    英特爾研究院院長、英特爾高級院士、副總裁Rich Uhlig說：「我們認為這五個領域能夠真正大規模釋放數據價值，並且變革人們與數據互動的方式。」作為英特爾掌握未來核心技術的儲備軍，英特爾研究院負責突破性創新技術的研究，以及全球範圍內的交付，旨在追求互連、計算、內存等領域技術的「1000倍提升」。
  • 能「聞出」10種有害物質的神經形態晶片是什麼樣的?
    雷鋒網消息，英特爾和康奈爾大學今天發表了一份聯合論文，展示了英特爾的神經形態晶片Loihi的新能力：它能夠從氣味中學習和識別10種有害物質——即使存在「顯著的」數據噪聲和遮擋的情況。他們說，他們的技術不會破壞晶片的氣味記憶；與以往最先進的傳統方法相比，它具有「優異的」識別精度，其中包括的機器學習解決方案，需要每級的訓練樣本數量多3000倍才能達到相同級別的分類精度。
  • 清華制人工神經網絡晶片,能效比GPU高兩個數量級
    （原標題：清華用憶阻器制人工神經網絡晶片，能效比GPU高兩個數量級）
  • 擁有「嗅覺」 的新神經算法晶片
    神經擬態計算可以大幅度提升數據處理能力和機器學習能力，更重要的是，神經擬態晶片比傳統晶片的能耗要低得多。神經擬態計算是英特爾為應對計算領域非結構化、有噪聲數據日益增加等挑戰而研發的新的計算機架構。應用神經科學的最新見解，來創造作用方式更類似於人腦的晶片而非傳統計算機的晶片。神經擬態系統在硬體層面上複製了神經元組織、通信和學習方式。
  • 神經擬態晶片可讓機器人擁有觸感，感知比人類快1000倍，智能時代
    原標題：神經擬態晶片可讓機器人擁有觸感，感知比人類快1000倍澎湃新聞記者 王心馨 實習生 何青怡機器人如果也能像人一樣能用皮膚去觸摸世界，並能通過晶片給出計算和反應，會是什麼樣？近日，新加坡國立大學（NUS）的研究人員利用英特爾神經擬態晶片Loihi開發了一種人造皮膚，能夠讓機器人以比人類感覺神經系統快1000倍的速度檢測觸覺，還可以比眨眼快10倍的速度識別物體的形狀、質地和硬度。他們的研究發表在新近一期的《機器人技術：科學與系統》雜誌上。
  • 英特爾詳解計算趨勢：量子計算如何商業化？神經擬態計算如何提升性能？
    英特爾高級院士、副總裁、英特爾研究院院長Rich Uhlig介紹道，集成光電旨在將光科學與大規模晶片生產的成本效益相結合，計算模型方面有神經擬態計算和量子計算項目。在推動提高數據利用率的技術方面，有確保數據安全和隱私的新技術（保密計算），以及支持人們加速計算系統編程的新工具（機器編程）。
  • 英特爾詳解計算趨勢:量子計算如何商業化?神經擬態計算如何提升性能?
    談神經擬態計算：Loihi速度比CPU快100倍，功耗降低1000多倍簡而言之，神經擬態計算是來自對大腦計算過程的學習，大腦的神經網絡通過脈衝來傳遞信息，腦內神經網絡及其環境中多個區域之間的協作和競爭性相互作用就產生了智能的行為。而神經擬態這種計算方式，能夠更好地模擬人腦神經元的結構，來提升智能程度。
  • 英特爾的神經晶片學會「聞」 10種有害化學物質
    最近，英特爾和康奈爾大學的研究人員訓練了一種神經晶片，以學習和識別10種有害化學物質的氣味。將來，這項技術可能使「電子鼻」和機器人能夠檢測武器，爆炸物，麻醉品甚至疾病。該團隊使用英特爾的神經形態晶片Loihi，設計了一種基於大腦嗅覺電路的算法。當您聞一聞東西時，分子會刺激您鼻子中的嗅覺細胞。這些細胞將信號發送到大腦的嗅覺系統，然後釋放出電脈衝。
  • 英特爾很嚇人AI技術:神經網絡處理器及VPU性能飆升3-4倍
    也正因如此，Nervana神經網絡處理器（Nervana Neural Network Processor，NNP）才獲得巨大提升。事實上，NNP也是英特爾醞釀已久的「殺手鐧」。在本次AI開發者大會上，Rao就爽快公開了英特爾新一代AI芯——英特爾Nervana NNP－L1000，代號為「Spring Crest」的專用人工智慧晶片，而這款晶片也即將成為英特爾第一款商用神經網絡處理器產品，並計劃在2019年發布。儘管Rao並沒有再多透露新代AI晶片的細節，但同為Nervana創始團隊的Carey Kloss卻掌握著機密——我們當然不會放過他。
  • ISSCC 2019 | 清華大學團隊研製高能效通用神經網絡處理器晶片...
    該晶片在算法，架構和電路三方面進行了聯合優化，在變換域進行神經網絡加速，並使用可轉置存儲器復用數據，使得晶片的能效和面積相較於之前的研究都有顯著的提升。隨著 AI 技術的不斷發展，單一的網絡結構已經很難滿足不同領域的任務需求。常見的應用諸如圖像識別或機器翻譯分別需要卷積神經網絡或循環神經網絡的支持。而不同網絡意味不同的計算模式，在帶寬和計算資源上也會有各自的限制。