英國著名科幻小說家阿瑟·克拉克(《2001：太空漫游》)有言：“任何先進的技術，初看都與魔法無異?！痹谟⑻貭栠@家巨大的半導體公司的內部，有一批人正在專注于此，即用新穎的方法，在廣泛的前沿研究領域中探索如何幫助人類應對在計算、連接、從云到邊緣的基礎設施、AI、傳感和感知等領域面臨的重大技術挑戰(zhàn)。

這就是英特爾研究院(Intel Labs)在做的事情。2023英特爾on技術創(chuàng)新大會期間，英特爾研究院院長Rich Uhlig介紹了英特爾在AI、集成光電、神經擬態(tài)計算、量子計算等關鍵技術領域的最新進展和解決方案，他表示：“英特爾研究院的探索邏輯是‘3S’，即 ‘發(fā)現(xiàn)’(Seek)、‘解決’(Solve)和‘推廣’(Scale)，先盡量把概念向前推進，確認其進入規(guī)?；A段時能夠走向成功，再建立技術原型，測試技術的應用，如果成功，就會借助英特爾強大的執(zhí)行能力擴大產品規(guī)模，將研究項目轉化為產品?！?

英特爾高級院士、英特爾公司副總裁兼英特爾研究院院長Rich Uhlig

本次大會中，英特爾研究院還舉辦了技術洞察分享、專題論壇和Demo演示等豐富多彩的活動。

在技術洞察分享環(huán)節(jié)，英特爾研究院副總裁兼新興AI研究總監(jiān)Gadi Singer圍繞靈活、認知、自主和負責任四大方面，分享了英特爾研究院對AI未來的洞察。2023年是AI向新階段過渡的一年。很多行業(yè)的重點正在轉向成本效益高、值得信賴、安全、負責任、適應性強的大規(guī)模生成式AI模型，包括醫(yī)療、制造、零售和娛樂等行業(yè)。在英特爾研究院，研究人員正在推進新興AI應用，并與行業(yè)合作，以便更好地整合最新技術并從中獲得價值，幫助AI變得更加靈活、淵博、自主和負責任。

此外，通過多場專題論壇，英特爾研究院詳細地介紹了其在諸多前沿技術領域的工作，包括：

?集成光電及其對未來系統(tǒng)和數(shù)據中心的影響

服務器之間的數(shù)據移動日益頻繁，這對當今數(shù)據中心基礎設施造成了沉重負擔。這個行業(yè)正在迅速接近電氣I/O性能的實際極限。通過將硅光子與低成本、大容量的硅集成，英特爾研究院的集成光電研究解決了數(shù)據中心內網絡流量日益增長帶來的挑戰(zhàn)。在該專題論壇中，英特爾研究院分享了其取得的最新進展，介紹了集成光電改變未來數(shù)據中心架構中的系統(tǒng)接口和網絡拓撲的可能性，并闡述了英特爾對未來數(shù)據中心的光學計算互連和端到端光網絡的愿景。

?面向智能邊緣的AI驅動的邊緣服務和控制

企業(yè)正在部署創(chuàng)新的基于AI或機器學習的邊緣服務，以支持分布式異構邊緣的各種使用場景。在該專題論壇中，英特爾研究院展示了如何使用AI或機器學習技術來操作智能邊緣，從服務到端到端基礎設施，從上到下到平臺。該專題論壇介紹了一組創(chuàng)新的邊緣應用程序，使用AI或機器學習技術提高其能力和性能，例如改進缺陷檢測、執(zhí)行視覺查詢和數(shù)據管理或協(xié)調移動機器人路徑的應用程序。英特爾研究院還展示了，針對資源受限的邊緣平臺的自動化AI和機器學習算法優(yōu)化會如何幫助優(yōu)化應用程序的性能，并詳細介紹了這些算法如何用于優(yōu)化5G網絡基礎設施上應用程序的端到端操作。此外，在該專題論壇中，英特爾研究院也展示了，這些算法如何使用平臺功能——例如資源調度技術(Resource Director Technology)——動態(tài)地調整共享資源的使用，以滿足用戶通過總體目標定義的需求，實現(xiàn)端到端管道，并詳細介紹了如何使用創(chuàng)新的AI和機器學習技術來優(yōu)化和操作智能邊緣。

?神經擬態(tài)計算：Loihi 2和Lava軟件

盡管幾十年來取得了進步并且近期也取得了突破，但目前的AI技術在許多重要領域仍然落后于生物大腦。為了創(chuàng)造充滿各種智能設備的未來世界并讓它們安全、自主地配合人類，英特爾受神經科學原理的啟發(fā)開創(chuàng)了一種全新的計算方法。這就是全新的Loihi處理器架構，通過最小化數(shù)據移動和利用基于稀疏性和異步事件的傳輸，它實現(xiàn)了數(shù)量級的計算指標提升。在該專題論壇中，英特爾研究院詳細介紹了其在神經擬態(tài)計算研究領域的最新進展。

?推動大規(guī)模的基礎性AI研究

英特爾的AI實驗室開發(fā)基礎性AI技術、顛覆性應用以及極具挑戰(zhàn)性的計劃。該專題論壇分享的洞察涉及十億級圖神經網絡(GNN)分布式訓練平臺，通過圖形架構理解長視頻(在處理10倍長的視頻的同時以很低的成本匹配SOTA轉換模型的性能)，以及“AI for Science”的突破(第一個面向蛋白質結構設計的對話界面和面向新材料研發(fā)AI的全新基準)。

?量子計算的進展和英特爾®量子軟件開發(fā)工具包(Intel® Quantum SDK)介紹

盡管可能還需要很多年，但量子計算有望在能源生產、材料、化學品和藥物設計、金融和氣候建模以及密碼學等方面取得突破。許多公司正在共同努力，推進有助于實現(xiàn)量子計算的研究工作。英特爾研究院正在擴大軟件開發(fā)者社區(qū)，以充分利用名為英特爾®量子軟件開發(fā)工具包的全棧解決方案。在該專題論壇中，英特爾研究院詳細介紹了英特爾取得的最新進展，介紹并演示了如何使用英特爾®量子軟件開發(fā)工具包，包括運行流行的經典量子化學算法。

?加密計算：探索數(shù)據隱私保護前沿

超越當今的機密計算，名為加密計算的新研究領域有望進一步提升云計算數(shù)據隱私保護和安全。與可信執(zhí)行環(huán)境不同，加密計算是一種強大的新技術，通過端到端加密實現(xiàn)涉及私有敏感數(shù)據的計算和協(xié)作。它可能會徹底改變未來加密數(shù)據的共享、分析和處理方式，使組織機構能夠獲得有價值的見解，同時從理論上消除數(shù)據暴露給第三方的風險。在該專題論壇中，英特爾研究院介紹了在全同態(tài)加密和英特爾加密計算軟件開發(fā)工具包方面取得的最新進展。

?自優(yōu)化數(shù)據庫：在數(shù)據庫管理系統(tǒng)中使用機器學習

數(shù)據庫管理系統(tǒng)(DBMS)是一個復雜的軟件系統(tǒng)。其性能取決于硬件、數(shù)據和數(shù)據庫查詢。針對特定問題優(yōu)化DBMS可能會讓人不知所措。英特爾研究院與麻省理工學院和布朗大學的學術合作伙伴密切合作，正在開發(fā)自動完成自優(yōu)化的數(shù)據管理系統(tǒng)。采用簡單參數(shù)搜索方法的DBMS優(yōu)化以前已經使用過，然而，這項研究正在通過基于機器學習的創(chuàng)新方法開辟新方向。從自組織的數(shù)據容器和自動優(yōu)化的查詢引擎到DBMS內基于機器學習模型的低級數(shù)據結構，一切都清晰明確。在該專題論壇中，英特爾研究院介紹了未來采用自優(yōu)化系統(tǒng)的數(shù)據管理。

?異構編程：C++中的分布式數(shù)據結構、算法和視圖

分布式和異構系統(tǒng)——例如每個節(jié)點有多個GPU的集群——已經變得越來越普遍。目前，這類系統(tǒng)的編程通常使用多個低級編程模型。為了給這些系統(tǒng)打造軟件生態(tài)系統(tǒng)，需要更高級的編程模型。英特爾研究院的目標是，幫助用戶在此類系統(tǒng)的編程中使用標準的數(shù)據結構和算法，就像目前使用序列系統(tǒng)一樣。英特爾研究院使用分布式數(shù)據結構來實現(xiàn)這一點，這種結構在多個GPU或節(jié)點上自動分配數(shù)據。此外，還使用了并行計算的分布式算法。在該專題論壇中，英特爾研究院介紹了如何在多個GPU上運行C++程序，只需極少的修改，讓性能媲美經專業(yè)調優(yōu)的代碼。

同時，英特爾研究院還在2023英特爾on技術創(chuàng)新大會現(xiàn)場展示了多個Demo，呈現(xiàn)了推動前沿技術應用落地的諸多探索和嘗試，包括：

?AI機器人：具有可編程性的人類-AI交互技術

協(xié)作機器人(Cobot)正在成為面向一般體力勞動的自適應智能助手，具有顛覆性的投資回報。在這個演示中，終端用戶通過VR方式(遠程)操控機器人，直接完成物品拾取和放置任務。其中展示的編程過程包括機器人模仿人類，動作和實體標注，以及對模塊化機器人技能的安排。這個使用場景逐步演示、介紹了英特爾在運動基元、增強機器人視覺和VR接口方面取得的進展，通過英特爾RealSense技術和英特爾XPU硬件實時地控制、推理、斷定和行動。

?AI安全和信任

這個演示涵蓋了AI領域的安全、信任和隱私保護等幾個主題。雖然ChatGPT等流行的大語言模型(LLM)是使用公開可用的數(shù)據進行訓練的，但下一步是在組織內部署它們，并通過自定義數(shù)據進一步增強。但是，如何保證大語言模型尊重組織邊界，不會向未經授權的人員透露信息?互動Demo展示了一個猜謎挑戰(zhàn)，目的是說服大語言模型透露它被告知不要透露的信息。

?輔助計算：AI回復生成與腦機接口

輔助情景感知工具包(Assistive Context-Aware Toolkit, ACAT)是由英特爾研究院開發(fā)的一個開源軟件平臺，使患有運動神經元疾病的人能夠通過鍵盤模擬、文本預測和語音合成進行交流。最近發(fā)布的ACAT 2.0版具有腦機接口，使完全不能行動的用戶能夠進行溝通。該版本還包括針對AAC(增強和替代性溝通)用途進行微調的增強語言建模功能，以實現(xiàn)個性化的語句完成，以及更高效打字模式，提高溝通速度。該系統(tǒng)經過優(yōu)化，可在客戶端設備上運行，而徹底重新設計的用戶界面易于使用。這個演示展示了ACAT的所有功能，包括腦機接口和新的文本預測功能。

?生成式AI：3D潛在擴散模型(LDM3D)

DepthFusion展示了英特爾LDM3D擴散模型的強大功能，通過文本提示生成360度視圖。LDM3D擴散模型使用用戶提供的文本提示生成2D RGB圖像及其相應的深度圖，從而提供文本提示的完整RGBD呈現(xiàn)。然后，利用LAION400M數(shù)據集的一個子集對該模型進行微調，該數(shù)據集是一個大規(guī)模的圖文數(shù)據集。用于微調模型的深度圖由MiDaS 3.1生成，這是一種深度估計算法，為圖像中的每個像素提供高度精確的相對深度估計。然后，英特爾的應用程序利用多功能平臺TouchDesigner的強大功能，可以創(chuàng)建身臨其境的交互式多媒體體驗，生成逼真的360度視圖，為用戶提供一種獨特而引人入勝的方式來體驗他們給出的文本提示。

?光場顯示器上的沉浸式遠程呈現(xiàn)

該Demo重點介紹了一個完整的實時光場視頻端到端系統(tǒng)，該系統(tǒng)使用云處理，并在內容創(chuàng)建和消費終端設備方面獲得客戶端功能的支持。這項“光場視頻”技術展示了在沉浸式視頻點播、實時直播和視頻會議體驗方面的突破。該演示展示了一個完整的端到端系統(tǒng)，其中包括一個用于同時捕捉各種攝像頭角度的消費級光場攝像頭陣列，用于可變視點視頻創(chuàng)建、云處理、流媒體內容交付的算法，以及一個沉浸式視頻觀看設備。

?神經對象復制：用于游戲等領域的AI驅動的3D內容創(chuàng)建

?神經擬態(tài)計算：利用Loihi 2進行衛(wèi)星調度和優(yōu)化

該演示展示了，在解決物流和運營中經常遇到的調度問題時，英特爾的神經擬態(tài)技術如何減輕計算負擔。一個典型的調度問題涉及分配一定數(shù)量的代理來執(zhí)行特定數(shù)量的任務，同時遵守調度的約束。該演示展示了如何解決太空技術行業(yè)的一個關鍵調度問題：將大量地球觀測請求(任務)安排給衛(wèi)星群(代理)。調度問題所花費的時間與代理數(shù)量，以及要解決的任務數(shù)量的平方成正比。對于擁有數(shù)十個衛(wèi)星和數(shù)千個客戶請求的商業(yè)衛(wèi)星公司來說，目前的算法無法及時找到最佳解決方案。

?量子計算：英特爾®量子軟件開發(fā)工具包和3D交互式硬件演示

該演示重點介紹了英特爾量子軟件開發(fā)工具包(Intel® Quantum SDK)的1.0版本，該工具包讓用戶可以對接英特爾的量子計算堆棧。該軟件開發(fā)工具包包括一個基于C++的直觀用戶界面、一個適用于量子計算的基于LLVM的編譯器工具鏈，以及一個高性能的英特爾量子模擬器(Intel Quantum Simulator)作為以量子比特為目標代碼的后端。該演示還展示了英特爾量子硬件的3D交互式外觀。

邁向計算的未來，人類不會停步。英特爾研究院將始終致力于在各種前沿領域“全面出擊”，從技術探索，到應用落地，不斷探索多樣化的可能性，為未來計算“插上翅膀”。