本文摘要：多種自學模式的拓展和片上自學能力。

多種自學模式的拓展和片上自學能力。Loihi系統部署自學機制后，它將邊工作邊自學邊自行改良，這早已在向人腦的運營模式去投向。

神經擬態芯片就是英特爾重點押注的未來技術之一，Loihi芯片架構設計統合了計算出來和存儲，仍然是馮·諾依曼架構，128個同構的核，每個核里都敲了一千個神經元的計算出來模型、計算出來部件和存儲，同時還通過每一個小的神經元，展開信息發送。英特爾用一套硬件架構和仿真類似于人腦的工作方式。比起人腦的860億神經元，Loihi的13萬神經元還差的較遠，人腦的能耗也只有20瓦，目前神經擬態芯片的瓶頸在內存、I/O和能耗三個方面，神經擬態計算出來的發展前路漫漫。

目前神經擬態的應用領域還比較較為集中于，反映在智慧工廠、惡意軟件檢測、自適應假肢等方面。日前大冷的量子計算出來也是英特爾持續投放的重點方向，不過比起沸沸揚揚的“量子霸權”英特爾更加注目量子計算出來實用性。

客觀地談，實驗室成果有一點慶典，但實際應用于是大問題。量子計算出來的目標是處置經典計算機搞不定的大規模計算出來問題，一般來說是人組發生爆炸問題，比如密碼密碼，128位密鑰、256位密鑰，經典計算出來必須幾十上百年，甚至數千年都算數不出來，但是量子計算出來可以很快密碼加密方式，這也反映出有量子計算出來的特長?！傲孔佑嬎愠鰜碜钌瞄L于的是它可以必要仿真量子的形態，量子態的東西最合適仿真，通過很多種不同的人組可以構建化學找到，找到一種新的物質，找到一種新材料、這些都可以用量子計算出來來解決問題。

”宋繼強提及。當然量子計算出來想構建并不更容易，量子計算出來中量子光子所必須量子位是薄弱的，光子結果無法被測試，也很更容易受到條件因素轉變而轉變。

同時，量子位是不更容易變換新的態，或者讓多個態之間展開糾結的，如此一來量子位缺乏數量優勢，難以實現量子計算出來愈演愈烈的效率優勢。生產更好的量子位，解決問題量子位的數據流，解決問題量子位之間的相連和測試問題，這是可觀而又系統性的工程。

不管是建構更好的量子位還是監測量子光子狀態，都必須在可測試的條件下展開，所以英特爾目前所做到的主要是在不影響量子位和光子狀態的情況下對量子位展開測試。以此路徑，英特爾帶給了首款49量子位超導量子測試芯片“Tangle Lake”，并打造出了全球第一臺低溫晶圓探測儀，它也是目前量子計算出來首款測試工具。在剛過去的12月，英特爾發售首款低溫量子位掌控芯片，令其量子位超過量子計算所必須的變換態、糾結態，可實現-269攝氏度低溫環境下工作。

“以數據為中心”和“六大技術支柱”是英特爾遵循的戰略主線，仍在非常豐富的XPU產品組合，異構統合和oneAPI軟件平臺推展英特爾超強異構計算愿景。環繞數據的遠方，英特爾獲取一套原始的數據處理、存儲和傳輸的解決方案，同時面向未來，英特爾也正在在神經擬態計算出來、量子計算出來等前沿計算出來領域大大探尋，這就是英特爾對將要過去的2010年代交還的技術轉型答卷。(公眾號：)原創文章，予以許可禁令刊登。

下文聞刊登須知。