英特尔Loihi 2处理器助力Hala Point成为全球最大的仿神经形态系统

　　英特尔宣布推出世界上最大的仿神经形态系统（neuromorphic system），编号Hala Point，最初部署在桑迪亚国家实验室，选择英特尔Loihi 为了应对当今人工智能面临的效率和可持续性等挑战，支持类人脑人工智能的最新研究。Hala 以英特尔第一代大规模研究系统Pohoiki 以Springs为基础，进行架构改进，神经元容量可增加10倍以上，效率提高12倍。

　　英特尔实验室神经形态计算总监Mike Davies说:“如今，人工智能模型的实践和部署成本上升得太快了，这个行业需要一种新的旋转方式。因此，英特尔实验室开发了Hala Point，它结合了深度学习效率、类人脑持续学习和最佳功能。希望通过Halala Point，突破大规模人工智能技术效率，使人工智能系统适应变化。

　　Hala Point是业内第一个大规模仿神经形态系统，可以在主流人工智能工作负载中呈现出卓越的运算效率。经测试验证，每秒可支撑20千兆次(20千兆次) petaops）传统的深层神经网络计算，超过每瓦15兆次8位元计算（TOPS/W），这个速率相当于甚至超过了目前的GPU和CPU架构。Hala Point的独特功能有望在未来人工智能应用的即时连续学习方面取得突破，如科学与工程问题解决、物流、智能城市基础设施管理、大型语言模型等（LLM）和人工智能代理。

　　目前Hala Point仍处于原始阶段，未来将进一步应用于改善商业体系。英特尔预测，这些经验将带来实际的突破，如改进大型语言模型（LLM）继续从新数据中学习能力，进一步加强人工智能模型训练的准确性，大大降低人工智能安排的练习成本。

　　英特尔说，Hala 前一代Pohoikint 在Springs的基础上进行了大量的改进，将仿神经形态性能和效率的优势延伸到视频、语音、无线通信等即时工作负荷的主流深度学习模型中。推出后，引起了业界的广泛关注。在今年的世界行动通信大会上，爱立信研究中心通过Loihi 2提高电信基础设施效率的效果已成为展会的焦点。

　　Loihi 神经形态处理器是Halla Point的核心基础，CPU应用非同步、基于事件的脉冲神经网络（Spiking Neural Network，SNN）、整合记忆和计算，以及相关推理的人脑计算原理；与目前需要定期使用不断改进的数据集相比，再次训练这种模型，Loihi 2神经形态处理器不需要通过记忆体直接相互交流，可以有效降低整体功耗。