為AI舖路 英特爾開發全世界最大的仿神經形態系統

特爾宣布推出全球最大的仿神經形態系統（neuromorphic system），代號Hala Point，最初布署在桑迪亞國家實驗室，採用英特爾Loihi 2處理器，支援類人腦AI的最新研究，以因應當今AI面臨的效率和永續性等挑戰。Hala Point以英特爾第一代大規模研究系統Pohoiki Springs為基礎，進行架構提升，神經元容量能增加10倍以上，效能提高12倍。

英特爾實驗室神經形態運算總監Mike Davies表示，「當今訓練和布署AI模型的成本增加速度過快，業界需要有翻轉現況的新作法，因此英特爾實驗室開發出Hala Point，它結合深度學習效率、類人腦持續學習和最佳化功能。我們希望透過Hala Point，突破大規模AI的技術效率，並讓AI系統適應變化。」

Hala Point是業界第一款可在主流AI工作負載中，展現卓越運算效率的大規模仿神經形態系統，經過測試驗證，能支援每秒高達20千兆次（20 petaops）的傳統深度神經網路運算，超過每瓦15兆次8位元運算（TOPS/W），此速度等同於甚至超越目前的GPU和CPU架構。Hala Point的獨特功能可望在未來AI應用的即時連續學習方面帶來突破，例如科學和工程的問題解決、物流、智慧城市基礎設施管理、大型語言模型（LLM）和AI代理。

目前Hala Point仍處於原型階段，未來將可進一步應用於提升商業系統，英特爾預計這些經驗將帶來實際突破進展，例如提升大型語言模型（LLM）從新數據中持續學習的能力，進一步強化AI模型的訓練精準度，並大幅降低布署AI的訓練成本。

英特爾表示，Hala Point是在前一代Pohoiki Springs的基礎上大量改善，將仿神經形態性能和效率提升的優勢，延伸至視訊、語音和無線通訊等即時工作負載的主流深度學習模型中，推出後廣獲業界矚目，在今年世界行動通訊大會中，愛立信研究中心透過Loihi 2改善電信基礎設施效率的成果成為展會焦點。

Loihi 2神經形態處理器是Hala Point的核心基礎，此處理器應用非同步、基於事件的脈衝神經網路（Spiking Neural Network，SNN）、整合記憶和運算，以及關聯性推論類人腦運算原理；相較於目前需要定期使用不斷成長的數據集，重新訓練此類模型的方式，Loihi 2神經形態處理器不須透過記憶體，改以神經元直接相互溝通的作法，可有效降低整體功耗。