当今十年，数字化转型正在加速，未来十年，数据需求将愈发多样。

　　在以数据为中心的时代，英特尔研究院立足当下又着眼未来，对塑造我们这个时代的颠覆性技术进行了开创性研究，包括【集成光学】、【神经拟态计算】、【量子计算】、【保密计算】、【机器编程】等五大领域，而这些领域将改变计算未来的格局。

　　在近日线上举行的英特尔研究院开放日上，来自英特尔研究院的专家深入分享了影响未来十年计算的颠覆性技术，追求1000x提升。

　　释放数据价值 从【集成光学】开始

　　据英特尔首席工程师、英特尔研究院PHY研究实验室主任James Jaussi介绍，集成光电旨在将光科学与大规模芯片生产的成本效益相结合。众所周知，光互连(optical)在长距离、远程和地下传输中占主导地位，而电气互连（electrical）在短距离、主板互连（board to board）和封装互连（package to package）中占主导地位。

　　James Jaussi进一步表示，我们将光学技术与硅技术集成起来，开发出了硅光子技术，让光互连具备硅的高产量、低成本等属性。硅光子技术用激光束代替电子信号传输数据，是一种基于硅光子学的低成本、高速的光通信技术。英特尔实验室通过混合硅激光器技术的集成激光器，首次实现了基于硅光子的数据连接。

　　目前，英特尔已经展示了与CMOS芯片紧密集成的一个硅芯片平台上所有关键的光学技术构建模块。通过将光子技术与CMOS硅芯片紧密集成的研究，能够系统地消除成本、能源和尺寸限制方面的障碍，以便为服务器封装赋予光互连的变革性能力。

　　James Jaussi表示，将光互连功率降到电气I/O功率以下，并最大限度地缩小硅光子设备的体积，从而降低成本。借助集成光电技术，我们能够将I/O数量从几百万个扩展到几十亿个，实现1000倍的提升。未来的光链路将让所有的I/O连接直接从我们的服务器封装中发出，全面覆盖整个数据中心。这项技术将彻底改变数据中心网络架构，并释放数据，显著提高数据传输效率。

　　让电脑像人一样思考：【神经拟态计算】

　　近几年，随着深度学习的出现，人工智能领域取得了惊人的进展，但与此同时，进展的代价是人工智能系统功耗不断增加。训练一个现代人工神经网络需要使用数千台集群服务器，功耗高达数百万瓦。它正逐渐变成人工智能不断发展、以及广泛普及的瓶颈。那么，英特尔如何才能将人工智能任务的能效提高1000倍呢？答案是【神经拟态计算】。

　　英特尔高级首席工程师、英特尔研究院神经拟态计算实验室主任Mike Davies表示，在2015年开始英特尔以现代神经科学理解作为灵感开发了一种新型计算机架构——神经拟态计算。它非常适合处理大脑可以轻松计算的各种智能工作负载。这种新型计算机架构的颠覆性不亚于从晶体管开始的对计算重新思考。

　　相比传统计算机架构，神经拟态架构完全模糊了内存和处理之间的界限。和大脑一样，它利用的是数据连接、数据编码和电路活动中所有形式的稀疏（sparsity）。处理就发生在信息到达时，二者同步进行。计算是数百万个简单处理单元之间动态交互的发展结果，就像大脑中的神经元一样。这种新型计算机架构旨在将能效、实时数据处理速度、学习数据的效率等提升多个数量级。

　　Mike说，神经拟态计算在计算效率、速度和智能功能方面带来数量级提升的潜力让人深受鼓舞。英特尔与英特尔神经拟态研究社区的合作伙伴一起，在收获的洞察基础上，让这一新生技术实现广泛和颠覆性的商业应用。

　　毋庸置疑，神经拟态计算未来将帮助各种应用实现巨大突破。目前，英特尔针对神经拟态计算的研究走到了第五个年头，将带领研究项目进入下一个阶段，携手生态系统合作伙伴一同探索实际应用，扩大该技术的适用范围。

　　【量子计算】打开未来之门

　　量子计算是一种令人兴奋的全新计算模式，它不同于当前数据中心、云环境、PC和其它设备中的数字计算。数字计算需要把数据编码为二进制数字（比特位），而量子计算使用量子位，后者可以同时处于多个状态。

　　量子计算是用量子比特相互纠缠实现性能的指数级提升，可以实现并行的大量计算。比如50个量子比特能够实现的性能经典计算就很难达到，这也让量子计算可以解决很多经典计算机难以解决的问题。

　　量子计算有两个普世价值，一个是可以在某些情况下，在一些领域去快速解线性方程。比如现在的深度神经网络底层就是解大量线性方程，所以大家预期量子计算可以加速深度神经网络的训练过程。

　　另外一个就是解决现在经典计算很难解决的问题，比如快速加解密；用量子态模拟和实验各种分子之间的相互关系加速生物制药研发进展；用量子态模拟不同元素组合的效果研发新材料；对物流系统进行优化求解，实现对超大规模物流或城市系统的管理等等。

　　目前业界包括英特尔、IBM、谷歌都在研究超导量子位的路径。超导量子位是在2000年后由美国的两家实验室做出来的，它通过固态电路超导、零卡尔文或几个毫卡尔文的温度下能够达到量子态。

　　英特尔还有一个少有的路径——硅自旋量子位。

　　据英特尔高级首席工程师、英特尔研究院量子应用与架构总监Anne Matsuura表示，这个路径非常适合使用英特尔现在的一整套硅半导体工艺。英特尔已经在12寸的晶圆上制造出2个硅自旋量子位，然后控制它们进行纠缠。硅自旋量子位的优势是可以利用具体粒子做量子位，实现起来体积更小，更适合构造大型量子计算系统。利用硅自旋量子推进量子计算，让英特尔能够利用在先进封装和互连技术方面的专业性，为实现量子实用性开辟一条可扩展的道路。

　　无【保密计算】无安全

　　在医疗、金融服务等许多领域，数据所有者可能需要遵循相关法规，保护数据隐私。这可能成为大规模整合数据的限制，阻挡我们从数据中获取更多有用的信息。为了解决这些问题，英特尔一直在推动【保密计算】的发展。

　　英特尔研究院安全智能化项目组首席工程师Jason Martin表示，当前，加密解决方案主要用于保护在网络中发送以及存储的数据。但数据在使用过程中依然容易遭遇攻击。保密计算旨在保护使用中的数据。为此，英特尔提供数据保密性以防止机密泄露，提供执行完整性以防止计算被篡改，并提供认证功能，以验证软硬件的真实性。

　　以医疗成像方面的应用为例，英特尔研究院与宾夕法尼亚大学佩雷尔曼医学院的生物医学图像计算和分析中心，开展了联邦学习方面的合作。在联合肿瘤分割项目中，双方共同开发技术，来训练可以识别脑瘤的人工智能模型。

　　具体来说，研究人员将计算进行了拆分，这样每家医院就可以用本院的数据训练本地版本的算法，这样就可以在不共享数据的情况下，将每家医院的模型组合成一个模型。但如果像这样拆分计算，就会增加篡改计算的风险。因此，研究人员在各医院使用保密计算来保护机器学习模型的保密性。此外，研究人员还使用了完整性和认证功能，确保数据和模型在医院层面上不被操纵。

　　研究表明，采用联邦学习方法训练深度学习模型，其准确率可以达到采用传统非私有方法训练的相同模型的99%。目前，英特尔正在与全球顶尖的学术机构合作创立私有化AI协同研究院，以扩展上述保密计算技术。

　　让【机器编程】解放人力

　　说到编程，由于我们对于某些工作负载进行专业化处理，计算资源变得越来越异构化，所以这需要专家级的程序员，他们非常了解硬件以及如何最大限度地利用硬件。但与此同时，软件开发人员越来越青睐于使用更抽象的语言，以提高工作效率。这反过来会导致硬件难以发挥出它本身的性能。这种差距正在扩大。

　　于是，“机器编程”便应运而生。英特尔首席科学家、英特尔研究院机器编程研究主任及创始人Justin Gottschlich表示，机器编程与机器学习有很大的不同，机器编程是教系统自己编程。它的核心原则是，人类向机器表达他（她）的意图，机器会自动创建完成该意图所需的所有软件。

　　此前，英特尔与麻省理工学院研究人员联合发表的愿景论文提出机器编程有三大支柱，分别是意图（intention）、创造（invention）、适应（adaptation）。这三大支柱对应到实际过程中，即是人类向机器表达意图，机器自动创建完成该意图所需的所有软件。

　　为此，英特尔推出了机器编程研究系统ControlFlag，它可以自主检测代码中的错误。虽然仍处于早期阶段，但这个新颖的自我监督系统有望成为一个强大的生产力工具，帮助软件开发者进行耗时费力的Debug。在初步测试中，ControlFlag利用超过10亿行未标记的产品级别的代码进行了训练并学习了新的缺陷。

　　写在最后

　　今天，英特尔向我们展示了其在【集成光学】、【神经拟态计算】、【量子计算】、【保密计算】、【机器编程】五大前沿创新领域的成果。这些前沿领域虽然距离我们这些普通人还很远，但它们已经逐步从实验室里走出来，潜移默化地开始影响着我们的生活。

　　AI、5G、智能边缘被认为是真正实现数据价值的关键技术转折点，而跨这些领域的新用例和应用需要新的范式，需要更快、更节能、更安全和更直观的计算。笔者认为，英特尔研究院此次在五个前沿技术领域发布的颠覆性技术是未来计算发展的方向，融合了AI、5G以及智能边缘技术，将引领未来十年的技术发展方向。