人工智能：不懈追求人腦級別的性能

人工智能 (AI) 的首要發(fā)展途徑將逐漸轉(zhuǎn)向（回到）人工智能增強硬件——并且不會只有處理器受到影響。這就好比剛誕生的互聯(lián)網(wǎng)和以前的鐵路熱潮一樣——最開始，人們歡欣鼓舞，許多小公司都在謀求成功的解決方案；但市場終將回歸價值，從而鎖定最好的解決方案。當人工智能開始進入主流意識時，我們能看到同樣的情況：每一個從事新型AI或者神經(jīng)處理芯片業(yè)務的企業(yè)，都在宣稱人工智能將成為所有業(yè)務的核心。這種激進的做法大多數(shù)不會有市場，而且企業(yè)只是將大量常用任務，或者以圖形處理為主的計算，交給人工智能。這在一段時間內(nèi)是可行的，但很難擴展，而且效益也不高。

現(xiàn)在，隨著各行各業(yè)對AI的理解進一步加深，市場上出現(xiàn)了一種更加務實的認知——羅馬不是一天建成的。要想讓人工智能進一步普及，它的任務處理能力必須變得更有效率，這意味著我們應注重于發(fā)展人工智能增強硬件——這并不意味著要回到使用分立式人工智能或者神經(jīng)芯片的路數(shù)。相反，在2022年及以后，人工智能解決方案將更加趨向平衡與融合——正如我們看到，幾乎在所有類型的應用中，都有人工智能的參與，例如計算機輔助設計和服務客戶，以及零售和通信。

對于5G網(wǎng)絡，大多數(shù)的服務商希望通過使用數(shù)據(jù)流和人工智能算法來訓練網(wǎng)絡，從而可以在多天線的情況下，更好地進行波束控制，以提高運行效率?？紤]到5G基帶、天線基礎(chǔ)設施，以及頻譜的成本，提高5G實施的效率是非常重要的！這些5G相關(guān)工作大多都是在開放平臺上通過開放標準進行的。這是一種改進，但還不完美，因為這些新型開放系統(tǒng)需要權(quán)衡人工智能和網(wǎng)絡處理這兩個角色，所以偶爾會遇到瓶頸和資源競爭。美光目前正在努力解決這一領(lǐng)域的困難，并爭取提高人工智能和數(shù)字基帶算法的效率，以幫助業(yè)界加速向開放型5G的過渡。

業(yè)界已經(jīng)在考慮下一個“G”了——6G。由此，我們會發(fā)現(xiàn)人們將加倍關(guān)注以內(nèi)存為中心、基于人工智能的數(shù)字算法，這將推動新型無線技術(shù)中內(nèi)存和存儲的增長。我們正開展業(yè)界協(xié)作，界定6G網(wǎng)絡的需求和功能，以確保內(nèi)存和存儲技術(shù)能夠滿足網(wǎng)絡、設備和用戶體驗所需的吞吐量、容量和低延遲性能。但我們現(xiàn)在還是暫緩對6G的預測，重點關(guān)注5G！

隨著人工智能解決方案的發(fā)展，我們將從人類大腦這一神奇的計算設備中得到啟發(fā)。電路消耗的能量要比生物系統(tǒng)多五到六個數(shù)量級。人類大腦能在大約35瓦的功率下完成驚人的工作量！

目前的ADAS等大型復雜系統(tǒng)與大腦的系統(tǒng)相比，其能力完全不值一提。大腦是一臺巨大的內(nèi)存設備，它能出色地完成計算工作，其中一個重要原因是因為大腦劃分了固定的功能區(qū)。大腦中處理視覺的區(qū)域，與處理聽覺或者其他認知任務的區(qū)域大不相同。大腦是一個大型異構(gòu)系統(tǒng)，擁有不同的固定功能應用程序，并通過高性能連接被集中在一起。

人工智能也需要同樣的理念——發(fā)展針對具體任務的子系統(tǒng)，來取代大規(guī)模的通用計算。這將改善至關(guān)重要的能耗問題，因為人工智能一直在占用非常龐大的能耗。例如，OpenAI發(fā)現(xiàn)訓練一個語言模型所產(chǎn)生的功耗幾乎相當于三個家庭一年所使用的能源消耗！顯然，要想普及人工智能，必須極大地提高能效。