为AI铺路 英特尔开发全世界最大的仿神经形态系统

英特尔宣布推出全球最大的仿神经形态系统（neuromorphic system），代号Hala Point，最初布署在桑迪亚国家实验室，采用英特尔Loihi 2处理器，支援类人脑AI的最新研究，以因应当今AI面临的效率和永续性等挑战。Hala Point以英特尔第一代大规模研究系统Pohoiki Springs为基础，进行架构提升，神经元容量能增加10倍以上，效能提高12倍。

英特尔实验室神经形态运算总监Mike Davies表示，“当今训练和布署AI模型的成本增加速度过快，业界需要有翻转现况的新作法，因此英特尔实验室开发出Hala Point，它结合深度学习效率、类人脑持续学习和最佳化功能。我们希望透过Hala Point，突破大规模AI的技术效率，并让AI系统适应变化。”

Hala Point是业界第一款可在主流AI工作负载中，展现卓越运算效率的大规模仿神经形态系统，经过测试验证，能支援每秒高达20千兆次（20 petaops）的传统深度神经网路运算，超过每瓦15兆次8位元运算（TOPS/W），此速度等同于甚至超越目前的GPU和CPU架构。Hala Point的独特功能可望在未来AI应用的即时连续学习方面带来突破，例如科学和工程的问题解决、物流、智能城市基础设施管理、大型语言模型（LLM）和AI代理。

目前Hala Point仍处于原型阶段，未来将可进一步应用于提升商业系统，英特尔预计这些经验将带来实际突破进展，例如提升大型语言模型（LLM）从新数据中持续学习的能力，进一步强化AI模型的训练精准度，并大幅降低布署AI的训练成本。

英特尔表示，Hala Point是在前一代Pohoiki Springs的基础上大量改善，将仿神经形态性能和效率提升的优势，延伸至视讯、语音和无线通讯等即时工作负载的主流深度学习模型中，推出后广获业界瞩目，在今年世界行动通讯大会中，爱立信研究中心透过Loihi 2改善电信基础设施效率的成果成为展会焦点。

Loihi 2神经形态处理器是Hala Point的核心基础，此处理器应用非同步、基于事件的脉冲神经网路（Spiking Neural Network，SNN）、整合记忆和运算，以及关联性推论类人脑运算原理；相较于目前需要定期使用不断成长的数据集，重新训练此类模型的方式，Loihi 2神经形态处理器不须透过记忆体，改以神经元直接相互沟通的作法，可有效降低整体功耗。