参与李泽南

10纳米全面发力,明年进入7纳米时代:英特尔发布年度整体战略

「2020 年 10 纳米制程全面铺开,2021 年进入 7 纳米时代」:在昨天的活动中,英特尔宣布自己的芯片工艺提升速度已经全面恢复。

4 月 9 日,在 2020 英特尔中国年度战略分享会上,英特尔首次提出了数据时代「智能 X 效应」思想,这家半导体行业龙头正在转向覆盖端到端的全面产业服务。

英特尔中国研究院院长宋继强在活动中

英特尔认为,释放数据指数级增长的潜力,关键在于人工智能、5G、智能边缘等行业转折性技术。人工智能的兴起、5G 的应用部署、以及边缘端智能设备的增长,这几大行业转折性技术正在引领智能变革,重塑我们的世界。新技术的加速突破与融合,正为智能世界构建全新的基础设施,驱动产业新一轮的智能创新。

在过去的一年里,英特尔在这些全新的增长领域持续深耕,在不断深化自身转型的同时,通过优势产品的领导、解决方案创新和生态系统构建等方式,也在推动着转折性技术的融合创新,将智能融入云、网络、边缘和各种计算设备,创造改变世界的技术。

英特尔近期思考最多的是『智能 X 效应』——其中的 X 代表智能设备,」英特尔全球副总裁杨旭在活动中表示。「我们致力于创造改变世界的技术,提供端到端解决方案。数据的爆发是当今的新浪潮,但是浪能掀多高,还要看海的底蕴——智能化技术。我们可以在深度、广度上全面提供智能科技,为数据时代地输出科技动力。」

对此,英特尔提出了自身的六大技术支柱(制程与封装、架构、内存与存储、互连、安全、软件),产品线覆盖云、网、端,并推动量子计算、神经拟态计算等未来创新,它近年来也在不断收购优秀的创业公司,将触角延伸到 ASIC 等领域,加强对于未来计算架构的布局。

面向未来,英特尔正在对量子计算、神经拟态计算等前沿计算领域进行布局。英特尔中国研究院院长宋继强向我们介绍了这家公司最近在先进架构方面的探索。

神经拟态计算的目标是应用神经科学的最新见解,来创造作用方式更类似于人脑的芯片而非传统计算机的芯片。神经拟态系统在硬件层面上复制了神经元组织、通信和学习方式。英特尔认为自行研发的 Loihi 和未来的神经拟态处理器将定义一种新的可编程计算模式,可满足世界对普及型智能设备日益增长的需求。

2020 年 3 月,Nature 子刊《自然-机器智能》(Nature Machine Intelligence)刊登了英特尔神经拟态研究芯片 Loihi 的新研究:研究人员基于该芯片的算法能嗅出 10 种危险化学品的气味。为达到同样准确率,传统解决方案学习每类气味需要 3,000 倍以上的训练样本。

几天之后,英特尔又宣布推出了迄今为止最大规模的神经拟态计算系统 Pohoiki Springs,其中包含 768 块 Loihi 神经拟态研究芯片,将提供 1 亿个神经元的计算能力。

英特尔同样在存算一体的计算机架构方面有自己的研究。近内存计算(或存算一体),是指将数据在存储层级向上移动,使其更接近计算部件,是未来数据处理,特别是 AI 运算最迫切的需求。近内存计算单元,包含乘加器和单独的静态内存,能让内存和计算资源更紧密地结合在一起。同时,这种近内存计算单元可以构成分布式计算架构,使大规模数据处理的效率大幅攀升。

而在传统强项,同时也是人们最关注的常规芯片上,英特尔今年的发布计划可谓重磅,其 10 纳米制程产品将覆盖从移动低功耗处理器到服务器级 CPU 的所有产品线,在这其中还有大家期待已久的 Xe 架构独立 GPU。

「在收购 Habana 之后,我们拥有了基于 ASIC 的解决方案,」宋继强介绍道。「相对而言,GPU 具有更灵活的特性,更适用于训练任务;而 Habana Labs 的产品将用于更有效的支持推理的工作。」

「英特尔的 10 纳米制程的良品率已经大大提升,将在今年推出一系列新品。我们的制程升级速度也恢复到了两年一次提高的节奏,」宋继强表示。「英特尔在 2021 年将会推出首款 7 纳米的芯片产品,并在 2022 年提供完整的产品组合。」

在传统芯片上,英特尔着重介绍了自己在先进封装技术上的能力,这家公司可以将在不同工艺节点上已经测试好的小芯片(chiplet)进行整合,形成更好的大规模封装、3D 堆叠。在这一领域,有两种技术已经处于可用状态——2.5D 的 EMIB、以及 3D 封装的 FOVEROS。

得益于在软件、XPU 硬件和异构整合方面的进展,英特尔正在不断推进「超异构」计算愿景。通过超异构计算,英特尔可以集成不同架构、不同制程、3D 封装、互连和 oneAPI 等技术创新,为客户提供更多的灵活性和更快的产品上市时间,全方位推动计算创新发展。

这是英特尔在国内发布会中首次介绍自己的 Xe 显卡架构。全新的 Xe 架构是一个非常灵活、扩展性极强的统一架构,针对性地划分成多个微架构。它可用于几乎所有计算、图形领域,包括百亿亿次高性能计算、深度学习与训练、云服务、多媒体编辑、工作站、游戏、轻薄笔记本、便携设备等。

创新的背后,是英特尔多年不懈的研发投入:英特尔 2019 年录得研发投入 134 亿美元,占营收比例 19%,在半导体行业稳居头名。

产业GPU英特尔
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

量子计算技术

量子计算结合了过去半个世纪以来两个最大的技术变革:信息技术和量子力学。如果我们使用量子力学的规则替换二进制逻辑来计算,某些难以攻克的计算任务将得到解决。追求通用量子计算机的一个重要目标是确定当前经典计算机无法承载的最小复杂度的计算任务。该交叉点被称为「量子霸权」边界,是在通向更强大和有用的计算技术的关键一步。

推荐文章
暂无评论
暂无评论~