Tag: 人工智能

核聚變反應堆技術能夠以安全和可持續的方式滿足我們未來的電力需求。數值模型（Numerical models）能夠為研究人員提供關於聚變等離子體行為的信息，以及關於反應堆設計和運行有效性的寶貴見解。不過，要求大量的等離子體相互作用進行建模，需要一些專門的模型，而這些模型的速度不足以提供反應堆設計和運行的數據。 來自埃因霍溫理工大學應用物理系核聚變科學與技術組的 Aaron Ho 利用機器學習的方法，來加快堆芯等離子體湍流傳輸的數值模擬。他於 3 月 17 日進行了博士論文答辯。 核聚變反應堆研究的最終目標是以經濟可行的方式實現淨功率的提升。為了達到這個目標，已經建造了大型復雜的裝置，但隨着這些裝置變得越來越復雜，對其運行採取預測優先的方法變得越來越重要。這樣可以減少運行效率低下的情況，並保護設備不受嚴重損壞。 視頻來自於 核聚變講座 為了模擬這樣的系統，需要能夠捕捉到融合裝置中所有相關現象的模型，這些模型要足夠准確，以便預測可以用來做出可靠的設計決策，並且要足夠快，以快速找到可行的解決方案。 在他的博士研究中，Aaron Ho 通過使用基於神經網絡的模型開發了一個滿足這些標準的模型。這種技術有效地讓模型以數據收集為代價，同時保留了速度和精度。該數值方法被應用於一個減階湍流模型QuaLiKiz，該模型可以預測微湍流引起的等離子體傳輸量。這種特殊的現象是托卡馬克等離子體裝置中最主要的傳輸機制。遺憾的是，它的計算也是目前托卡馬克等離子體建模的限速因素。 Ho 成功地用 QuaLiKiz 評價訓練了一個神經網絡模型，同時將實驗數據作為訓練輸入。然後將得到的神經網絡耦合到一個更大的集成建模框架 JINTRAC 中，以模擬等離子體裝置的核心。 通過用Ho的神經網絡模型替換原有的QuaLiKiz模型，並對比結果，對神經網絡的性能進行了評估。與原來的 QuaLiKiz 模型相比，Ho 的模型考慮了更多的物理模型，重復結果的精度在 10% 以內，並且將模擬時間從 16...

瑞典查爾姆斯理工大學的研究人員介紹了一種利用人工智能生成合成蛋白質的方法。這種新方法對於開發高效的工業酶以及抗體和疫苗等新型蛋白質藥物有着巨大的潛力。由於瑞典查爾姆斯理工大學的研究人員最近發表的工作，人工智能現在已經能夠生成新穎的、具有功能活性的蛋白質。 研究人員現在能夠證明的東西，為未來的一些應用提供了夢幻般的潛力，例如更快、更有成本效益地開發基於蛋白質的藥物。 蛋白質是大型、復雜的分子，在所有活細胞中發揮着至關重要的作用，在我們的細胞內自然構建、修飾和分解其他分子。它們也被廣泛應用於工業過程和產品，以及我們的日常生活中。以蛋白質為基礎的藥物非常常見，糖尿病藥物胰島素是最常用的處方藥之一。一些最昂貴和最有效的癌症藥物也是基於蛋白質的，以及目前用於治療COVID-19的抗體配方。 目前用於蛋白質工程的方法依賴於引入蛋白質序列的隨機突變。然而，每引入一個額外的隨機突變，蛋白質的活性就會下降。因此，人們必須進行多輪非常昂貴和耗時的實驗，篩選數以百萬計的變體，才能設計出最終與自然界中發現的蛋白質和酶有顯著區別的蛋白質和酶。 這個工程過程非常緩慢，但現在研究人員有了一種基於人工智能的方法，研究人員可以在短短幾周內從計算機設計拿到可以工作的蛋白。他們的新成果最近發表在《自然機器智能》雜誌上，代表了合成蛋白質領域的突破。研究小組和合作者開發了一種基於人工智能的方法，名為ProteinGAN，它使用了一種生成式深度學習方法。 從本質上講，人工智能獲得了大量來自研究良好的蛋白質數據，它研究這些數據，並試圖基於這些數據創造新的蛋白質。同時，人工智能的另一部分則試圖弄清楚合成的蛋白質是否是假的。蛋白質在系統中來回發送，直到人工智能無法再分辨天然和合成蛋白質。這種方法以創建不存在的人的照片和視頻而聞名，但在這項研究中，它被用於生產高度多樣化的蛋白質變體，這些變體具有類似自然主義的物理特性，可以測試其功能。 日常產品中廣泛使用的蛋白質並不總是完全天然的，而是通過合成生物學和蛋白質工程技術製成的。利用這些技術，對原有的蛋白質序列進行修改，希望創造出更有效、更穩定、針對特定應用的合成新型蛋白質變體。基於人工智能的新方法對於開發高效的工業酶以及基於蛋白質的新療法（如抗體和疫苗）具有重要意義。 來源：cnBeta

當地震發生後，如果我們能夠提前三秒接收到地震預警信息，人的傷亡程度就會減少14%。提前10秒，這一數字將提高到39%。據國內媒體報道，近日，中國科學技術大學張捷教授團隊與中國地震局合作，推出世界首個人工智能地震監測系統——「智能地動」監測系統，可1秒內精確估算地震震源機制參數。 當地震發生的時候，地震波信號傳到地震台網，地震專業人員採用理論算法處理地震數據，得出地震震中、震級、發震時刻、深度、破裂機制等參數，迅速做出公眾通報，為防震減災提供重要的科學信息。雖然許多國家採用自動的快速數字算法得出地震信息，但結果經常不可靠，常發生誤報，因此自動算法與專業人員人工計算結果及質量監控的結合是當前監測地震的主要手段，這種工作方式要求地震監測組織必須加強24小時人工持續值班監測的能力。 經過六年的努力，中國科技大學地球和空間科學學院張捷教授課題組、信息科學技術學院李衛平教授、陳志波教授課題組、計算機科學與技術學院陳恩紅教授課題組與中國地震局地震預測研究所趙翠萍研究員團隊合作推出世界首個人工智能地震監測系統—「智能地動」監測系統。該系統在位於四川、雲南兩省的中國地震實驗場試用了一年，中國地震局基於2019年446個地震評估結果對比顯示無人操作的「智能地動」監測系統與專業人員人工計算處理結果的准確性非常接近，同時，「智能地動」監測系統僅需要1-2秒時間報出所有地震震源參數，而目前世界上最先進的美國國家地質調查局（USGS）自動速報系統需要3-5分鍾計算時間後報出地震信息。能夠快速報出地震預警信息對於及時通知公眾立即採取防護措施、迅速終止核電站等重要設施的運行、減緩高鐵速度、確定救援方案等具有重要意義。無人操作的人工智能地震實時監測系統的出現，極大地緩解了24小時人工監測地震的壓力，特別是能夠及時處理密集的地震台網大數據，幫助減少了誤報、漏報現象。 張捷教授課題組與陳恩紅教授課題組曾於2014年在Nature Communications發表了地震搜素引擎的創新工作，該工作的研究成果也在「智能地動」系統里實現了實際運行，發揮了重要作用。2020年2月6日張捷教授課題組與李衛平教授、陳志波教授課題組聯合在Scientific Reports發表論文：Locating induced earthquakes with a network of seismic stations in Oklahoma via a deep learning method，該論文的第一作者是張雄博士，通訊作者是張捷教授。近兩年來張捷教授課題組在人工智能地球物理學的應用領域發表了15篇學術論文，在國際學術大會上21次做相關的學術報告。 當前許多國際知名大學和科研組織都在研究人工智能地震監測問題，但大多處在基礎科研以及發表論文階段。中國科大交叉合作團隊與中國地震局合作推出實際運行的人工智能系統，是國際領先。該系統已成功地測試了多個國家的地震數據。目前，系統的研發團隊正在與日本、土耳其、墨西哥等地震頻發的國家地震監測機構探討交流合作推廣計劃。 來源：cnBeta

狗，憑借極為靈敏的嗅覺，能幫我們尋找失蹤人員，搜查違禁物品，甚至還能聞出人有沒有生病，是不是感染了新冠病毒。有一組科學家想得更遠，他們希望這些人類的好朋友還能成為人工智能（AI）的好教練，教AI學會分辨人的「癌味兒」。 ...

電子計算機多年來都是走諾伊曼架構體系，今天三星宣布了一項新的突破，面向AI人工智能市場首次推出了HBM-PIM技術，走的是非諾伊曼架構。 HBM記憶體技術並不新鮮了，最新的標準是HBM2，三星早在2018年就推出了HBM2記憶體，而這次的HBM-PIM則是在HBM芯片上集成了AI處理器的功能，是全球首個HBM存內計算技術。 PIM存內計算是近年來的熱門領域，與傳統諾伊曼體系面臨着越來越嚴重的存儲貸款瓶頸不同，PIM直接在存儲芯片上集成了計算功能，而不是CPU、記憶體數據分離，這樣就能極大地提高帶寬，在AI人工智能領域這個更重要。 得益於這一突破，三星首發的HBM-PIM技術實現了2倍的性能，同時功耗還降低了70%，還能兼容目前的HBM接口，便於客戶通過HBM-PIM來構建自己的AI加速器。 三星計劃今年上半年推出HBM-PIN芯片完成客戶驗證工作，何時量產、商用還沒信息。 作者：憲瑞來源：快科技

1月6日，AI芯片初創公司Tenstorrent發布新聞稱，宣布任命業內資深人士Jim Keller為公司總裁兼首席技術官，以及董事會成員。 Jim Keller將帶領Tenstorrent解決軟件2.0所需要的硬件解決方案，使用機器學習的方法來解決以前由傳統軟件解決的問題。 Tenstorrent創立於2016年，旨在通過一種新方法和體系結構，推動人工智能智能和機器學習的發展，滿足對軟件2.0時代快速增長的計算需求。 目前該初創公司官網上已經公布一款高性能AI處理器Grayskull，基於GlobalFoundry 的12nm工藝製程，包含120個定製內核，並且僅65 W即可提供368 TOPS的8位計算。 Tenstorrent稱其新的架構方法將通過適應模型的確切輸入並緊密集成計算和網絡，使處理器能夠隨着AI模型的持續增長而擴展。Grayskull可以通過業界首個可動態消除不必要計算的條件執行架構，將深度學習性能提升到新的水平。 Tenstorrent顯示，公司初創團隊成員都擁有十多年的行業經驗，有過在AMD、英特爾、ARM、Altera等芯片公司工作的經歷，一直以來Ljubisa Bajic擔任該公司的首席執行官兼首席架構師，他曾在AMD領導過電源架構設計和在英偉達參與過Tegra系統架構設計。 此前，外媒CRN作者Dylan Martin盤點了2020年最酷的10家AI芯片初創公司，Tenstorrent位居其中，且已經籌集了至少3320萬美元的資金。 對於此次加入Tenstorrent，Jim Keller表示：「軟件2.0時代是計算創新的最大機會，因為最終的計算創新需要對計算和底層軟件進行全面的重新思考。Tenstorrent取得令人矚目的進步，憑借最有前途的架構，有望成為下一代計算巨頭。」 Jim Keller Jim Keller履歷豐富，他起步於始於DEC，從事Alpha處理器的設計工作，隨後在AMD工作了兩年之久，致力於推出K7和K8。 之後，Keller在SiByte / Broadcom擔任四年首席架構師，為網絡接口設計MIPS，在PA Semi工作四年，在Apple擔任工作四年，致力於A4、A5的設計。 之後，他又回到AMD工作兩年，擔任公司副總裁和首席核心架構師，負責新一代CPU架構K12和Zen。隨後，在特斯拉擔任自動駕駛硬件工程副總裁兩年，創建了完全自動駕駛芯片。 在2020年6月，Keller離開了工作兩年的英特爾，而自從Keller離開英特爾之後，眾多行業分析師都在猜測Keller下一步會去哪里。憑借Keller出色的工作履歷，無論加入哪一家公司，都是值得期待的。來源：快科技

因為新冠疫情，2020年不少大型展會、活動要麼取消，要麼轉移線上，比如PC硬件行業一年一度的盛會台北電腦展(Computex)，就在幾經曲折後無奈取消。 今天，台北電腦展官方宣布，2021年將以線下實體展方式回歸，時間為2021年6月1日至6月4日，地點還是台北南港展覽館1館/2館、台北國際會議中心。 台北電腦展當然早就不再局限於PC電腦領域，2021年更會繼續拓展，以七大主題貫穿展會、周邊活動，分別是：5G、AI/IoT、邊緣計算、高性能計算、網絡安全、電競遊戲、創新與創業。 值得一提的是，台北電腦展2021還將首次運用AI人工智能技術，打造智慧型虛擬融合(Online-Merge-Offline/OMO)的全新展覽平台。 官方稱，這將以創新模式構建全球科技新生態，協助國際客戶與廠商突破藩籬，拓展科技無限潛能。 不過考慮到眼下歐美地區的新冠疫情依然未能得到有效控制，半年後的形勢還很難預料，台北電腦展2021引入AI虛擬展示的方式，肯定是顧及到屆時可能仍會有大量廠商無法現場參展，所以提供了這種新的參與方式。 目前，台北電腦展2021已經開始接受展商注冊。 作者：上方文Q來源：快科技

12月15日，NVIDIA GTC 2020中國線上大會上，NVIDIA首席科學家Bill Dally發表主題演講，重點介紹了他的團隊在AI研究方面的進展，特別強調了以NVIDIA創始人兼CEO黃仁勛本人命名的「黃氏定律「(Huang's Law)。 眾所周知，「摩爾定律」在過去半個世紀推動着CPU處理器的飛速發展，而近些年明顯慢了下來，GPU則持續提升，同時擔任的角色也越來越多，尤其是在這個無處不AI的世界。 Bill Dally擁有120多項專利，曾任斯坦福大學計算機科學系主任，2009年加入NVIDIA，負責AI、光線追蹤、高速互連領域的相關研究。 本次大會上，Bill Dally以三個項目為例，講述了自己帶領的200人的研究團隊，如何成功實現「黃氏定律「，並大膽預測，GPU將推動AI性能每一年都翻一倍。 他說：「如果我們真的想提高計算機性能，黃氏定律就是一項重要指標，且在可預見的未來都將一直適用。」 為實現這一突破，NVIDIA專門開發了一種名為MAGNet的工具，它生成的AI推理加速器在模擬測試中能夠達到100TOPS/W(每瓦特100萬億次操作)的推理能力，比目前的商用芯片高出一個數量級。 MAGNet採用了一系列新技術，協調並控制通過設備的信息流，最大限度地減少數據傳輸，而數據傳輸正是當今芯片中能耗最大的環節。  另外，NVIDIA還研究了更快速的光鏈路，可取代現有系統內的電氣鏈路，通過利用密集波分復用技術，有望在僅僅1毫米大小的芯片上，實現Tb/級數據的傳輸，是如今互連密度的十倍以上。 Bill Dally還舉例展示了一個新的NVIDIA DGX系統模型，藉助光鏈路可集成160多顆GPU。 本次GTC大會吸引了眾多行業領軍企業與機構參與，包括阿里巴巴、AWS、百度、字節跳動、中國電信、戴爾科技、滴滴、新華三、浪潮、快手、聯想、微軟、平安、騰訊、清華大學、小米。作者：上方文Q來源：快科技

用電腦這麼多年，大家現在能分清CPU和處理器的關系嗎？很多年中，大家默認處理器就等於CPU，後者全稱是中央處理器，一個人就能演完整場戲，不過現在的處理器可要復雜得多了，不只是有CPU的份兒了。 以Intel為例，他們對自家酷睿的叫法是「智能處理器」，多年來不斷地豐富處理器的內涵，從單純的CPU開始，之後增加了核顯GPU，最近幾代則是增加了AI核心，成為名副其實的智能處理器，特別是在Tiger Lake十一代酷睿處理器上。 目前在x86處理器中，只有Intel的酷睿處理器是做到了CPU、GPU、AI三位一體的，這也是未來處理器發展的三大核心方向。 十一代酷睿處理器升級：CPU、GPU、AI三位一體 2020年9月初，Intel正式發布了十一代酷睿智能處理器，代號Tiger Lake，首批產品主要用於筆記本電腦，號稱近年來處理器史上一次巨大飛躍。 之所以這麼說，是因為十一代酷睿中從工藝到架構都有極大變化，升級力度在這幾代酷睿中是非常明顯的，10nm工藝、CPU、GPU及AI全都變了。 在工藝上，十一代酷睿採用增強的10nm製程工藝，首次加入全新的SuperFin晶體管技術，官方表示它甚至重新定義了FinFET工藝，號稱可帶來堪比完全節點轉換的性能提升，要知道10nm工藝的晶體管密度就有1億/mm2，達到了其他家7nm工藝的水平。 得益於先進的工藝，十一代酷睿CPU的加速頻率從上代的3.9GHz一下子提升到4.8GHz，功耗沒漲的情況就提升了20%的性能。 CPU方面，十一代酷睿升級到了Willow Cove架構，最多4核心8線程，大幅提升頻率、能效，重新設計緩存體系，頻率可以達到4.8GHz。 GPU方面，十一代酷睿可以說是又一次革命了，這次使用的是全新的Xe架構，是針對高性能遊戲、計算推出的新架構，最多擁有96個執行單元(EU)，相比Ice Lake增多了一半，同時擁有3.8MB大容量的三級緩存，還提升了記憶體和架構效率以獲得更高帶寬。 簡單來說，十一代酷睿的GPU浮點性能提升了87%，輕松達到2TFLIOPS水平，相當於入門級獨顯了，可以流暢運行部分3A大作，英雄聯盟、刀塔2、絕對武力全球攻勢之類的電競網游輕松達到100-170fps的性能，流暢無壓力。 最後一點，十一代酷睿大升級的就是AI單元了。大家知道此前的十代酷睿首次加入了AI加速指令集DLBoost，現在十一代酷睿上Intel又重寫了底層架構，針對全場景AI作了加強。 首先，這一代強化了DLBoost指令集，除了已經支持的BF16，又增加了DL Boost：VNNI、DL Boost：DP4A等指令集，帶來了更強大的人工智能性能或矢量神經網絡指令，支持低精度指令，可加速基於卷積神經網絡的算法。 其次，十一代酷睿還加入了GNA2.0單元，成為一個獨立的IP單元，只需低功耗就可以高效推理計算，並且將CPU占用率降低了20%，因此可以全天候使用，不用的時候低功耗待機，需要的時候快速加速AI運算。 給未來處理器劃定方向 十一代酷睿更關注真實性能 十一代酷睿發布之後，處理器市場會有什麼變化？ 回頭來看歷代酷睿的變化，處理器的內涵是在不斷提升的，從CPU到GPU再到現在新興的AI，已經成為三位一體，CPU可以提升GPU性能，GPU也可以提高AI速度，而AI也可以輔助CPU處理新型任務。 Intel處理器之所以一直走在前列，隨時加入新的單元模塊，本質上也反映了Intel的一個思路——以用戶關注的實際性能為主，不斷提升真實性能體驗。之前需要CPU性能，CPU單元就是提升的重點，現在AI人工智能革命來了，AI單元也成為酷睿的重點，而且一代比一代更強，現在已經可以做到全場景下AI加速了。 得益於此，十一代酷睿處理器發布之後，現在已經獲得了筆記本廠商的全面認可，今年就有100多款設計，到了2021年這一數字會增加到150款，可以說是筆記本是廠商的主力擔當了。作者：憲瑞來源：快科技

什麼才是生產力？除了Office辦公之外，很多人還能想到的就是圖像處理了，PhotoShop已經是很多人吃飯的傢伙，不做設計師的普通人網友也有很多擅長PS的——沒錯，PhotoShop的簡稱PS都成為常用詞了。 PS 2021升級：首次加入神經網絡濾鏡 AI簡化P圖 前不久，Adobe推出了PS 2021版，這一代升級加入了很多新奇的功能，涉及到UI、文檔以及磨皮、摳圖、魔法換天等等，其中一個關鍵升級就是增加了全新的神經網絡濾鏡（Neural Filters），不需要復雜的PS操作，直接拖動菜單就可以給場景着色、放大圖像，或者改變人像的表情、年齡、眼神以及姿勢。 官方演示的就是小伙秒變大爺的過程，只要拖動選擇「面部年齡「這個選擇框，就可以自由改變圖像的年齡，從年輕一直改到年老，想怎麼變就怎麼變。 在PS 2021的這些改進中，不論一鍵換天還是小伙變老頭，背後主要是靠目前炙手可熱的AI技術，通過深度學習積累了大量素材，在PS 2021中就可以一展身手了。 AI算力崛起：處理器不止CPU、GPU兩大功能了 PS 2021中對AI人工智能技術的大量應用也是當前科技發展的一個縮影，那就是AI已經成為一股非常重要的算力來源。 它獨立於以往的CPU或者GPU運算模式，互相輔助，呈現三足鼎立的趨勢，同時越來越多的處理器都單獨配備了NPU（神經網絡處理單元），以提供更強大的AI性能。 這一波AI能力已經席捲了從服務器到移動處理器在內的幾乎所有產品線，Intel從去年的10nm Ice Lake處理器開始在消費級x86中集成AI單元，加入了專用的指令集，比如DLBoost、ANNI等等。 在今年的十一代酷睿處理器Tiger Lake中，Intel進一步完善了AI架構，重寫了代碼，將AI加速適用於各種場景，包括低功耗狀態下如何加速AI等等。 對於客戶端處理器支持AI這件事，要考慮的因素很多，包括延遲、可用性、信任與隱私以及運行的成本，因為AI也是一種算力，也要遵循CPU/GPU設計時的那些原則，解決好這些問題才能讓AI在全場景中發揮作用，不再局限於特定領域。 在十一代酷睿上，AI方面的一個重要變化就是全新的GNA 2.0，這是一個高斯網絡加速器，基於獨立的IP模塊，只需很低的功耗就可以高效進行神經推理計算，並將CPU占用率降低20％，從而大大提升AI性能，拓展AI應用場景，比如高動態范圍的神經網絡降噪。 舉例來說，十一代酷睿筆記本現在大部分都支持三種新技術——AI降噪、AI虛化、AI智能收音。這就有GNA 2.0的功勞，不影響筆記本續航的情況下就可以隨時啟用這些AI功能提高用戶體驗，特別是在視頻會議、語音通話等場合下。 除了GNA 2.0專用單元，十一代酷睿也繼續加強專用加速指令集DLBoost，加入DL Boost：VNNI、DL Boost：DP4A等新指令集，大大提升了低精度下的神經網絡或者整數推斷性能。 得益於這些改進，十一代酷睿的AI性能相比上代處理器有了數倍的提升，各種AI測試中改善明顯。 總之，PS 2021這樣的生產力應用中加大對AI的支持還是個開始，越來越多的應用和場景正在藉助和展現AI的力量。 隨着Intel大力推動CPU集成高性能低功耗AI單元，如今的處理器在CPU、GPU之外有了更多的AI算力，對各種應用場景的體驗提升也是一種變革，而且現在還是在發展初期，每代產品的AI性能動不動就是數倍的提升，未來更是不可限量。作者：憲瑞來源：快科技

本周，Cerebras Systems證實其CS-1計算系統已達到新的性能里程碑，其速度遠遠超過現有CPU和GPU所能達到的速度。  CS-1基於Cerebras的WSE處理器（世界上最大的計算機芯片），現在可以稱其是最快的AI計算機。 Cerebras的WSE擁有1.2萬億個晶體管，40萬個核心，面積為46225平方毫米，片上記憶體18GB。 根據Cerebras和美國能源部國家能源技術實驗室（NETL）的數據，CS-1比領先的GPU競爭對手快10，000倍，比在最新一期TOP500超算排名中排名第82位的Joule超級計算機快200倍。 「我們非常自豪與NETL合作，並在科學計算的一項基本工作上取得了非凡成果。「 Cerebras Systems的聯合創始人兼首席執行官Andrew Feldman解釋說， 「這項工作為科學計算性能的突破打開了大門。CS-1及WSE克服了傳統無法實現高性能、實時性以及拓展性的障礙。這是因為，晶圓級集成擁有了巨大的記憶體和通信加速，遠遠超出了獨立單芯片處理器（無論是CPU還是GPU）所能提供的能力。」 交付新的CS-1有大量工作，涉及稀疏、結構化的線性方程組，這個系統可以用於許多實際場景進行建模，包括流體動力學和能源效率。 盡管CS-1的數據令人印象深刻，但使用這個芯片可以運行哪些應用仍然存在疑問，高速計算機建模似乎是可行的，而超級計算和人工智能未來的潛在交匯點也令人興奮。 台積電已與Cerebras Systems達成合作，InFO（集成式扇出封裝技術）衍生的工藝開始量產意味着台積電可能在兩年內開始商業化生產專用於超級計算機的AI芯片。 這款從去年推出就備受矚目的超級AI芯片若進入商業化，機器學習或將邁入新台階。來源：快科技

最近幾個月半導體行業的大型並購頻發，9月NVIDIA宣布將以400億美元現金加股票的形式收購Arm。十月底，AMD又宣布將以350億美元收購賽靈思。緊接着，Marvell 也宣布將通過股票加現金的方式，以總價約100億美元的價格收購模擬芯片製造商Inphi。短短兩個月就有總金額高達850以美元的收購交易。 相比之下，Intel最新的收購看似不值得關注，但對其AI發展可能意義重大。 在過去的幾年中，Intel將其精力集中在專用芯片領域，包括專門為人工智能（AI）等產品設計的芯片。這家行業巨頭最近進行了一項收購，這將有助於其在這一領域的努力。  Intel周四宣布，它收購了總部位於舊金山的初創公司SigOpt，這家公司的主要業務是創建用於建模和仿真的優化平台。目前尚不清楚交易的具體細節，已知的信息是，迄今為止SigOpt這家初創公司籌集的資金還不到1000萬美元。 圖片來自SigOpt官網 但是，SigOpt服務了一些非常知名的大公司。這種支持使它得以開發出有趣的技術，這些技術現在將有助於推動IntelAI芯片業務的發展。 專注於AI Intel知道計算的世界正在發生變化。像NVIDIA、AMD和ARM這樣的競爭對手正在縮小與Intel的性能差距，而這種差距過去一直是許多客戶的關注點。考慮到這一點，Intel正在利用即將到來的技術和優化的下一代芯片來推動AI的發展。 向AI的轉型幫助該芯片巨頭抵消了其傳統業務的下降趨勢。在第三季度，Intel報告的收入為183.3億美元，與去年同期相比下降了3％，不過其每股收益積分復合分析師預期，Intel最新一季財報下降的原因是其數據中心集團營收下降7%。 然而，市場預測到2024年AI芯片市場的價值將超過250億美元。隨着行業的不斷發展，以及AI在實際部署中逐步普及，Intel將有更大的增長空間。 去年，Intel的AI相關業務收入不到40億美元。這是個不錯的成績，但SigOpt收購將幫助其在未來的AI市場大幅提高收入。 Intel首席架構師和GPU高級副總裁Raja Koduri說：「 SigOpt的AI軟件平台和數據科學人才將擴大Intel軟件、體系結構、產品和團隊，並為我們提供有價值的客戶見解。「 SigOpt帶來了什麼？ 對於不熟悉的人來說，SigOpt是一家初創公司，其使命是「優化一切」。 考慮到人工智能的兩個關鍵部分，也就是SigOpt建立的用於優化建模和仿真平台。這兩個重要的部分也是Intel將用於發展其AI的部分。 圖片來自SigOpt官網 目前，這家初創公司為許多財富500強公司和研究機構提供服務。盡管其核心產品仍處於封閉測試階段，但該初創公司還是從一些渠道中獲得了投資。 這其中包括CIA的戰略投資部門In-Q-Tel，其他更多傳統投資者包括Andreessen Horowitz和Y Combinator。 盡管已被收購，但SigOpt發言人確認該初創公司將繼續為現有客戶提供服務。SigOpt公司在聲明中寫道：「我們將繼續與SigOpt的現有客戶合作，並將技術整合到我們的產品路線圖中。」 有趣的是，Intel未來幾年將如何利用該公司的資源，從而推動它成為世界領先的AI芯片提供商？ - THE END - 轉載請註明出處：快科技 #Intel#收購#人工智能 責任編輯：上方文Q作者：上方文Q來源：快科技

和聰明的人相處很愉快，用聰明的筆記本也是一樣。如果筆記本能夠很智能地幫助大家提升工作效率、娛樂體驗，大家一定會愛死這樣的電腦，它就不再是冷冰冰的工具了。 這聽上去像是科幻電影中的場景，不過現在正慢慢變成現實——十一代酷睿處理器發布之後，筆記本電腦的AI智能也大幅提升，已經可以輔助大家簡化工作了。 十一代酷睿筆記本變聰明：三大AI功能傍身 之前大家看到的筆記本往往都是專注於性能、續航及輕薄等方面的介紹，AI智能並不引人關注，但它很快就會成為十一代酷睿輕薄本的標配，至少已經有三個新功能會給大家帶來方便。 這三個基於AI的技術就是AI降噪、AI虛化、AI智能收音，這三個技術相輔相成，用AI技術來改善筆記本的視覺及聽覺效果。 舉個例子，今年大家都習慣了遠程辦公，對商務人士來說，音頻及視頻會議現在已經是家常便飯，但開會的時候就怕背景噪音太大，家里其他人的說話聲，甚至寵物、小朋友來回跑的噪聲，這都會嚴重影響正常溝通，甚至造成尷尬。 有了AI降噪，背景噪音就可以識別出來，然後智能降低不需要的聲音，提高主體的音效，開會時環境嘈雜也不怕同事、老闆那邊聽到亂糟糟的聲音了。 同樣地，AI背景虛化功能也很實用，它可以將背景畫面自動虛化處理，突出會議主體，可以保護家庭隱私，開會時也能讓大家更專注於會議內容，不因背景畫面分神。 十一代酷睿的AI能力提升之後，對設計師這種經常需要P圖的用戶群體來說也很實用，上圖中就是一個例子，摳圖這樣的復雜操作可以一鍵完成，輕松給人物換背景，不用在PS里一點點調整了。 十一代酷睿聰明的源泉：AI單元架構重寫、適應各種場景 十一代酷睿處理器的AI性能是如何變強的？這還得說回Tiger Lake處理器的架構變化。 我們知道，從去年的Ice Lake十代酷睿處理器開始，Intel就重點提升處理器的專用AI單元，這一代AI改進更加明顯。 AI人工智能運算是近年來興起的新技術，說起來每家廠商都可能有自己的AI算力設計，目前並沒有統一的加速方案，而Intel作為芯片行業的引領者，他們的目標就簡單了——全都要，要適合全場景下的AI加速。 去年的Ice Lake處理器AI加速主要靠DL Boost指令集中的BF16，今年又新增了不少新內容，主要就是DL Boost：VNNI、DL Boost：DP4A及GNA(Gaussian & Neural Accelerator) 2.0三大技術。 DL Boost：VNNI在之前的至強服務器上有過應用了，它提供了卓越的人工智能性能或矢量神經網絡指令，支持低精度指令，可加速基於卷積神經網絡的算法。 DL Boost：DP4a是新的加速指令，也是Xe銳炬核顯的標志性指令之一。 它使用32位元累積來計算一個4位矢量點積，從而加快了8位元整數推斷。 這種強大的4元素矢量點積擴展，經過優化之後加速了用於人工智能的推斷，並且在深度學習中也有所應用。 至於GNA 2.0，這是Intel打造的AI加速單元，類似於之前大家聽過的NPU，專門針對工作流負載進行了優化，比如在聽寫、翻譯或是動態降噪方面，能夠幫助用戶提升體驗。 前面提到AI降噪功能就跟GNA 2.0密不可分，不依賴CPU及GPU單元，所以更加省電，在低功耗狀態下也能迅速接收AI指令，峰值算力可達每秒380億次。 通過這三大AI技術的運用，Intel十一代酷睿處理器在AI加速上愈發熟練，適應性也更廣泛，已經開始提升電腦的視覺、聽覺效果了。 AI技術被公認為會很大程度上改變人類社會，其影響會非常深而且廣，目前筆記本上的AI只不過剛剛開花，隨着時間的發展，AI技術會更加聰明，電腦的方方面面都會被AI技術改進，交互方式也會更加智能。 - THE END - 轉載請註明出處：快科技 #Intel#CPU處理器#人工智能#酷睿 責任編輯：憲瑞作者：憲瑞來源：快科技

MLPerf組織今天發布最新的推理基準測試（Benchmark）MLPerf Inference v0.7結果，總共有23個組織提交了結果，相比上一個版本（MLPerf Inference v0.5）的12個提交者增加了近一倍。 結果顯示，今年5月NVIDIA（Nvidia）發布的安培（Ampere）架構A100 Tensor Core GPU，在雲端推理的基準測試性能是最先進Intel CPU的237倍。 MLPerf Inference V0.7部分結果截圖  最新的AI推理測試結果意味着，NVIDIA未來可能在AI推理和訓練市場都占據領導地位，給雲端AI推理市場擁有優勢的Intel帶來更大壓力的同時，也將讓其他追趕者面臨更大挑戰。 MLPerf推理基準測試進一步完善的價值 與2019年的MLPerf Inference v0.5版本相比，最新的0.7版本將測試從AI研究的核心視覺和語言的5項測試，擴展了到了包括推薦系統、自然語言理解、語音識別和醫療影像應用的6項測試，並且有分別針對雲端和終端推理的測試，還加入了手機和筆記本電腦的結果。 擴展的測試項從MLPerf和業界兩個角度都有積極意義。 MLPerf Inference v0.5測試項 MLPerf Inference v0.7數據中心測試項 MLPerf Inference v0.7邊緣端測試項 任何一個基準測試都需要給業界具有參考價值的指標。MLPerf基準測試是在業界缺乏對AI芯片公認的評價標準的2018年誕生，因此，MLPerf組織既需要給出各方都認可的成績，還需要根據AI行業的發展完善評價標準。 不過，AI行業發展迅速，AI模型的參數越來越多，應用的場景也越來越廣泛。評價AI芯片和系統的推理性能需要涵蓋可編程性、延遲、准確性、模型大小、吞吐量、能效等指標，也需要選擇更具指導價值的模型和應用。 此次增加的推薦系統測試對於互聯網公司意義重大。在王喆的《深度學習推薦系統》一書中提到，2019年天貓「雙11」的成交額是2684億元，假設推薦系統進行了優化，整體的轉化率提高1%，那麼增加的成交額大約為26.84億元。 另外，MLPerf Inference v0.7中增加醫療影像3D U-Net模型測試與新冠大流行以及AI在醫療行業的重要性與日俱增密切相關，比如一家初創公司使用AI簡化了超聲心電圖的採集工作，在新冠大流行初期發揮了作用。 基準測試從v0.5到v0.7，能夠為要選用AI芯片和系統的公司提供更直觀和有價值的參考是MLPerf基準測試的價值所在，比如，幫助金融結構的會話式AI更快速回答客戶問題，幫助零售商使用AI保證貨架庫存充足。 與此同時，這也將促進MLPerf組織在業界的受認可程度，從接近翻倍的提交成績的組織就能看出來。 GPU雲端推理性能最高是CPU的237倍 過去幾年，雲端AI訓練市場NVIDIA擁有絕對優勢，雲端AI推理市場被Intel賺取了大部分利潤是事實。這讓不少人都產生了GPU更適合訓練而CPU更適合推理的認知，但MLPerf最新的推理測試結果可能會改變這一觀點。 MLPerf Inference V0.7的測試結果顯示，在數據中心OFFLINE（離線）測試模式下，賽靈思U250和IntelCooper...

NVIDIA的A100加速卡的GA100核心是目前最強大的7nm芯片之一，826mm2面積、540以晶體管，然而在CerebrasSystems的WSE芯片面前，GA100核心也只是個小弟弟，更何況現在WSE2代也來了。 CerebrasSystems是一家新興的AI芯片公司，他們做產品的思路是簡單粗暴——AI對性能要求很高，那就做一個盡可能大的芯片，集成的核心越多越大，而不去管芯片面積有多大，成本有多高。 ——直譯就是晶圓級引擎，用整個晶圓打造一個龐大的AI芯片，所以WSE第一代就集成了40萬個AI核心，1.2萬億個晶體管，面積高達4.6萬平方毫米。 WSE芯片使用的還是台積電的16nm工藝，其規模是同級別核心GV100的56.7倍多。 CerebrasSystems這樣的方法造AI芯片是極其昂貴的，可以說不惜成本，一般商業公司不敢這麼做，好在美國政府旗下的美國國家科學基金會(NSF)出手援助，購買了兩套基於WSE芯片打造的超算CS-1，總價500萬美元，約合人民幣3500萬元，這麼算一塊WSE芯片的價格應該在200萬美元左右。 16nm工藝的WSE創造了奇跡，現在新一代產品問世了。在日前的Hotchips 32會議上，WSE2代芯片也公布了，具體信息還不夠多，但核心數翻倍到了85萬個，晶體管數量翻倍到2.6萬億個，製程工藝升級到了7nm。 不用說，這一代的WSE2芯片性能及價格都會創造新的紀錄，就看接下來誰會買單了。 作者：憲瑞來源：快科技

對於服務器數據中心市場，一般人關注不多，但因為市場和應用的需求，這里往往是最新計算技術的前沿陣地，了解它就能一窺未來發展趨勢，而在這塊龐大的市場上，Intel無疑是霸主一般的存在，也是行業發展的風向標。 不久前，Intel發布了代號Cooper Lake的第三代至強可擴展處理器，其變化可能沒有很多人期待的那麼高，也存在一些誤解，這里就再和大家說道說道。 首先需要強調的一點就是，大家往往習慣性地把Intel定義為一家處理器企業，但其實很久以來，處理器只是Intel龐大產品和技術家族的一部分，可以說是最核心的存在，但絕不是唯一的，也不能完全展現Intel的實力和願景。 一方面，Intel早就提出了製程工藝、架構、記憶體存儲、互連、安全、軟件這六大技術支柱；另一方面，Intel面向數據中心提供的更不僅僅是CPU處理器或者SSD固態盤，還有以太網、硅光、傲騰記憶體、SSD、凌動、FPGA等等，組成了一個有機的整體，而這種完整的產品線組合，在業內也是首屈一指的。 回到至強，這一品牌誕生已有20多年歷史，早已成為數據中心計算力的代名詞，而在2017年，Intel打造了至強可擴展的概念，最新發布的Cooper Lake就是第三代產品的一部分，面向四路和八路市場，下半年還會有同樣隸屬於第三代的Ice Lake，針對單路和雙路市場，並首發支持PCIe 4.0。 明年則有第四代Sapphire Rapids，支持更新的PCIe技術。 Cooper Lake三代至強可擴展處理器是業界唯一集成AI加速的處理器，專為當今內置AI人工智能的數據密集型服務而設計，重點進一步升級了DL Boost深度學習加速技術，同時深度學習加速架構下的VNNI神經網絡指令支持創新的bfloat16數據格式。 DL Boost、bfloat16相結合，新平台相比上一代在做圖像分類處理的時候，計算性能可以提高1.93倍，這是一個非常顯著的進步。 同時，針對雲計算應用、企業應用等多樣性場景，Cooper Lake還支持第二代Speed Select技術，方便用戶靈活配置系統，滿足業務需求。 如下是Cooper Lake的四路系統架構圖，四顆處理器通過UPI總線和全連接拓撲結構進行互連，而且通道數比上代翻了一番，每顆處理器都支持六路QPI，這樣和其他三顆處理器的任意一顆都是雙路互連，帶寬更充裕，有利於支持更多的CPU核心、更大的記憶體、更高的計算速度。 記憶體方面支持6個通道，四路平台就是24個，八路則可達48個，而且頻率也有3200MHz，容量方面則支持16GB顆粒，單條可以做到RDIMM 64GB、LPRDIMM 256GB，再搭配傲騰持久記憶體的話每路系統最大記憶體容量就高達4.5TB，四路就是18TB，八路則是36TB。 芯片組搭配升級的C620-A，支持更多USB、SATA、PCIe擴展，並集成ME平台管理技術，支持豐富的RAS，處理器、記憶體、PCIe設備等的錯誤都可以及時隔離、診斷。 人工智能方面，一代可擴展至強支持AVX-512指令集，要經過與FP32浮點數據格式的深度學習，二代支持DL Boost、VNNI矢量神經網絡指令集，支持INT8整數數據格式，而第三代升級到了bfloat16數據格式，大大提升了AI訓練和推理能力。 FP32、INT8、bfloat16有什麼區別呢？ INT8是每個數據使用8比特保存，包括1個符號位、7個尾數，就像圖中比較模糊的小貓照片，細節缺失，但是對AI訓練和推理而言計算效率非常高，當然精度游明顯損失。 FP32包含1個符號位、8個指數、23個尾數，就像異常清晰的小貓照片，AI訓練和推理精度非常高，但是效率低，速度慢。 bfloat16則是折中選擇，總共16個比特，包括1個符號位、8個指數(取值范圍2的256次方)、7個尾數(取值范圍2的128次方)，對於絕大多數AI模型可以兼顧精度和速度，就像略有壓縮的小貓照片，人眼基本看不出細節丟失。 根據實測，VNNI搭配bfloat16相比上代FP32訓練性能提高了93％，推理性能則提高了90％。 三代可擴展至強還有一個很重要但很容易被忽視的技術，那就是SpeedSelect(SST)，在上代基礎上大大拓展，包含SST-PP、SST-CP、SST-BF、SST-TF四種功能模式。 其中，SST-PP(Performance Profile)是指CPU的供電和散熱的邊界條件確定後，可以根據業務不同需求，選擇允許使用多少個CPU核心，並設置對應的頻率，而在其他場景下可以開關不同的核心、設置不同的頻率。 比如一款20核心、TDP 150W的處理器，可以設置開啟全部20個核心，頻率跑在2.5GHz，適合對多線程敏感但不需要特別高頻率的場景，而如果需要更高單線程性能了，則可以開啟14個核心，頻率提高到2.9GHz。 SST-BF(Base Frequency)、SST-TF(Turbo Frequency)可以設置不同的核心運行在不同的頻率，比如高優先級的業務使用部分核心運行在睿頻加速頻率上，而低優先級的業務則只跑基礎頻率，在不超過整體供電和散熱的情況下，可以讓部分核心的溫度更低。 SST-CP(Core Power)是在CPU負載非常高、接近供電和散熱極限時，CPU會做一定的降頻，來保護CPU和整個服務器平台。以往這種降頻保護都是暴力地對所有核心無區別一起降頻，選擇則可以優先選擇讓執行低優先級任務的核心降頻，保證高優先級業務不受影響。 這四種SST技術結合，一台服務器就可以更好地完成更多的工作。 除了CPU處理器，Intel還有這從軟件到硬件的完整產品系列，硬件上有CPU、GPU、FPGA、AI芯片等各種處理器，其中AI芯片包括Movidius視覺處理器、Habana深度學習訓練和推理芯片，還有固態硬盤、傲騰持久記憶體，而軟件解決方案則有One Intel、OpenVINO、精選解決方案等等，可以給客戶一個非常完整的產品組合。 總的來說，人工智能和數據分析將是數據中心未來10年的主要工作負載，而第三代至強可擴展處理器就是為了這兩類應用重點優化，支持四路、八路服務器平台，植入對人工智能的優化，支持bfloat16數據格式，為用戶提供最大的價值。  作者：上方文Q來源：快科技

近日，Intel推出了一款全新的「Intel AI計算盒參考設計「，一個包括硬件平台、軟件開發工具、實用案例一站式解決方案，同時公布了Intel中國AI生態合作夥伴算法方案集萃，主要面向視覺技術領域、智能邊緣市場，適用於城市管理、零售、工業、教育等不同行業的智能化升級。 AI人工智能、ML深度學習是當下最火爆的話題之一，也是最有前景的應用領域之一。市調機構麥肯錫預測，到2030年，AI有望帶來13萬億美元的商業機會。 同時，隨着汽車、互聯網、教育等各行各業對於視頻數據分析需求的激增，智能與邊緣計算也在藉助AI與視覺技術快速融合，貨架分析、文本識別、熱力圖、車輛檢測識別、缺陷檢測等應用場景從中獲益匪淺。 而這一切，都需要強大的算力作為基礎支撐，而隨着行業形勢的變化，無論本地計算還是雲計算，都無法完全滿足需求，邊緣計算得以迅速崛起，Intel也從中看到了巨大的發展機遇，一個新的智能邊緣時代正在到來。 在Intel看來，AI如果要在邊緣應用上獲得成功，有三個基本的要素：最核心的就是算力，高性能、低成本的運算模式必須有硬件平台支撐；第二，要有相應的算法，而且要與生活和應用結合，才可以真正落地到邊緣計算；第三，需要生態合作夥伴，把算力算法做成解決方案，投入到實際應用中。 為此，Intel不久前提出了全新的物聯網戰略，包含三個組成部分：第一，為物聯網定製高性能的計算、加速芯片；第二，促進邊緣計算負載整合的技術發展方向，抓住網絡、器件邊緣計算的良好機遇；第三，專注於計算機視覺。 為實現上述戰略，Intel在開發者工具和生態環境方面進行了大量的投入， AI計算盒參考設計就是Intel在中國本土的又一次嘗試，重點發展能力型合作夥伴，協調生態關系，實現真正的智能邊緣進化，並憑借產品領導力、創新方案推動力、生態構建力推動智能邊緣、AI、5G的融合創新。 針對邊緣計算不同應用場景對算力需求的靈活多變，以及使用不同神經網絡模型的特點，Intel AI計算盒搭配了一系列軟硬件的組合，可幫助開發人員、客戶靈活選擇，優化部署，縮短開發時間及成本，支持多元的計算需求和不同的應用場景。 在硬件層面，Intel AI計算盒基於Intel高性能CPU、核顯CPU、x86架構算力，確保完全兼容多樣化的企業級應用軟件，同時可提供凌動、酷睿、至強等不同的處理器選擇，方便控制功耗和成本，還能提供提供VPU為AI加速的多種搭配方案，擴展靈活。 在軟件層面，Intel提供了一個完整的軟件棧，以加速智能邊緣的開發。 在底層，AI計算盒擁有針對Intel硬件優化的底層庫，以提升性能，包括媒體處理Media SDK、深度學習推理工具 OpenVINO工具套件、算法庫、算子級優化的庫和編程接口。 在此之上，AI計算盒還支持G-streamer、 FFMPEG等不同的媒體框架，並提供IPC輸入、解碼/VPP、轉碼、RAID存儲、視頻分析、拼接/顯示、特徵匹配等基於視頻場景優化的管道，更易於使用和集成。 而在應用層，AI計算盒還可提供接近實際應用的參考示例，從而實現快速原型開發，縮短上市時間。 本次發布會上，Intel還攜手小鈷科技、科沃斯、雲圖睿視等十餘家合作夥伴，共同打造了「Intel AI生態合作夥伴算法方案集萃」，包括15傢夥伴的60多種算法，全面展現了智能邊緣在市場與技術方面的發展趨勢，可以開闊開發者的思路，建立自己的解決方案，加速AI部署。 有了這套算法方案集萃，在算法層面，SV(軟件開發商)可對不同應用場景的軟件、算法進行快速定製和場景化，加速整個產品定義、算法研發、AIoT整體解決方案的落地速度。 此外，Intel還與ODM/OEM、SI廠商合力，在目標檢測、活體檢測、缺陷檢測、視頻結構化等多方面深度合作，共同驅動智慧商超、智慧城市、智慧醫療、智能檢測等多領域的創新發展。 未來，Intel還將繼續推進物聯網合作夥伴計劃，推出從原型到生產加速智能邊緣的解決方案，共建AI-on-IA生態。 作者：上方文Q來源：快科技

Intel這幾年全力投入AI人工智能，尤其在數據中心市場，擁有業內最完整的解決方案，Xeon CPU、Xe GPU(開發中)、Agilex FPGA、Movidius、Habana、eASIC……等等不一而足，可以靈活應對各種不同的工作負載，實現最優化加速。 今天，Stratix 10 FPGA家族迎來了最新成員「Stratix 10 NX「，號稱第一款專為AI優化的FPGA，通過定製硬件集成了高性能AI，可帶來高帶寬、低延遲的AI加速。 Stratix 10 NX採用了EMBI整合封裝，將核心芯片、HBM存儲、I/O擴展集成在一起，其中核心芯片採用14nm工藝製造，擁有高性能「AI Tensor Block」(張量區塊)，支持INT4、INT8、FP16、FP32等格式，其中INT8整數計算性能可以達到現有Stratix 10 MX方案的最多15倍，而且針對不同的AI工作負載，還可以進行硬件編程，靈活高效地應對。 它還嵌入了大容量的HBM高帶寬記憶體，並擁有超高帶寬的網絡，最多5.8G PAM4收發器，並支持PCIe 3.0 x16、10/25/100G以太網區塊，可以在多個節點上提供靈活、可定製的互連通道。 極強的擴展性也是一大亮點，藉助小芯片(chiplet)設計，可以輕松接入各種定製芯片、模塊和ASIC擴展，大大拓展其處理能力，從而適應各種不同的工作負載。 Stratix 10 NX可廣泛用於語音識別、語音合成等自然語言處理，深度包檢測、擁塞控制識別、反欺詐等安全，內容識別、視頻預處理和後期處理等實時視頻分析。 微軟表示，在設計實時多節點AI解決方案的時候，迫切需要可以提供ASIC級別張量性能、大容量存儲、超高連接帶寬、極低延遲的彈性處理設備，Stratix 10 NX FPGA恰恰符合微軟的極高需求，目前正與Intel密切合作，開發下一代解決方案，滿足客戶對於大規模AI應用的需求。 Stratix 10 NX將在今年晚些時候供貨。 視頻會員活動匯總>>作者：上方文Q來源：快科技

NVIDIA宣布已經與SwiftStack達成最終協議，將其收入旗下。該公司主要開發對象存儲軟件，面向AI人工智能、HPC高性能計算、加速計算領域。 SwiftStack成立於2011年11月，已累計融資2360萬美元，擁有SwiftStack 7、1space、ProxyFS、Swift等一系列軟件和控制器產品，與NVIDIA、eBay、Google、Valohai等多家大型企業都有合作，對於思科、戴爾、會與(HPE)、超微等企業的軟件也很有經驗。 被收購後，SwiftStacck將繼續開發、支持、增強其軟件，當然最重要的任務還是支持基於NVIDIA GPU的AI平台，加速和擴展其在大規模AI深度學習方面的應用。 作為一家傳統遊戲GPU公司，NVIDIA這些年早就把目光瞄向了更廣闊的領域，並陸續收購了大量的數據中心相關技術、IP，尤其是非常在意超級計算機。 去年，NVIDIA曾經以69億美元的高價收購Mellanox，獲得了先進的服務器互連解決方案，而收購SwiftStack可以大大增強在大規模GPU深度學習方面的實力。 NVIDIA未披露此次收購的價格。   作者：上方文Q來源：快科技

NVIDIA日前表示，上海交通大學魏冬青教授的團隊使用了5台NVIDIA研發的DGX-2 AI超算超算用於尋找抗病毒藥物，篩選效率從之前的2個月提升到2天，而且發論文的數量也是之前的十多倍。 在對抗新冠病毒的過程中，尋找有效治療藥物是關鍵，現代藥物研發就需要超強的計算能力了，AI人工智能也是必不可少的。 魏冬青教授帶領研究團隊選擇利用人工智能技術進行分子動力學模擬，在現有小分子藥物（包括FDA已批準的藥物）中篩選能夠對新冠病毒起到抑制性作用的藥物，以實現老藥新用，進而可以馬上進行臨床應用。 據魏教授介紹，在藥物篩選過程中，研究團隊需要對幾十萬種分子進行分子動力學模擬計算，面對如此大規模的計算量，如按照目前常規的算力條件，團隊需要１到２個月的時間才能完成全部模擬。 但是疫情面前，時間就是生命。最終魏教授的團隊選擇了5台NVIDIA的DGX-2人工智能超算用於此次的研究。 NVIDIA表示，DGX-2人工智能超級計算機是NVIDIA GPU計算和存儲能力的集大成者，其配置了16張NVIDIA Tesla V100 GPU， 可擴展架構使得模型的復雜性和應用的規模不受傳統架構局限性的限制，由多台DGX-2組成的GPU集群更是可以輕松應對數據科學各種復雜的AI和HPC挑戰。 NVIDIA表示，有了超高性能的計算資源助力，再配合先進的醫學研究深度學習軟件，團隊的藥物研究進程得到了極大地提速，原本需要1到2個月才能完成的模擬計算，如今只用1到2天就完成了。 不僅工作效率大幅提升，NVIDIA還強調發表科研成果的速度變了，過去魏教授每三年發表的論文也就是4-5篇，最多不超過10篇。 藉助於AI技術的廣泛應用，現在魏教授帶領團隊在3年的時間里發表了90余篇論文成果，科研進程相比於過去有了極大的提速。 詳細情況可以參考NVIDIA官方發表的博文——超強DGX-2加速抗新冠病毒藥物研究，助力打贏抗 「疫」戰 作者：憲瑞來源：快科技

2012年，深度學習算法在圖像分類競賽中展現出的顯著性能提升引發了新一輪的AI熱潮。 2015年，深度學習算法對芯片的快速增長需求引發了AI芯片創業熱潮。 不過，擁抱AI芯片的設計者們很快發現，使用經典馮諾依曼計算架構的AI芯片即使在運算單元算力大幅提升，但存儲器性能提升速度較慢的情況下，兩者的性能差距越來越明顯，而深度學習算法帶來的數據搬運消耗的能量是計算消耗能量的幾十倍甚至幾百倍，「記憶體牆「的問題越來越顯著。 因此，依靠軟件算法以及雲端強大計算能力的人工智能雖然取得了較大的成功，可以勝任多種特定的智能處理任務，但是面臨功耗、速度、成本等諸多挑戰，離智能萬物互聯時代還有巨大差距。 AI芯片的核心技術之一就是解決「記憶體牆」挑戰，可以在存儲器內直接做計算的存內計算（In-Memory Computing）技術在沉寂了近30年後，AI熱潮下近年來成為焦點。無論是頂級學術會議，還是巨頭公司都在尋找能夠用存內計算打破AI芯片「記憶體牆「的最佳技術方案。 那麼，誰會是最終的破局者？ 存內計算最適合AI？ 存內計算被不少業內人士認為是最適合AI的芯片架構，廣受學術界和產業界的青睞。 2018年，國際頂級學術會議-IEEE國際固態電路會議（ISSCC）有一個專門的議程討論存內計算。2019年和2020年關於存內運算的論文更是大爆發，ISSCC2020與存內計算相關的論文數量上升到了7篇。同時，2019年電子器件領域頂級會議IEDM有三個專門的議程共二十餘篇存內計算相關的論文。 除了學術界，產業界也越來越多的玩家布局該技術。IBM基於其獨特的相變存內計算已經有了數年的技術積累；台積電正大力推進基於ReRAM的存內計算方案；英特爾、博世、美光、Lam Research、應用材料、微軟、亞馬遜、軟銀則投資了基於NOR Flash的存內計算芯片。 其實，利用存儲器做計算在很早以前就有人研究，上世紀90年代就有學者發表過相關論文。但沒有人真正實現產業落地，究其原因，一方面是設計挑戰比較大，更為關鍵的是沒有殺手級應用。隨着深度學習的大規模爆發，存內計算技術才開始產業化落地。 存內計算的產業化落地歷程，與知存科技創始人的求學創業經歷關系密切。 2011年，郭昕婕本科畢業於北大信息科學技術學院微電子專業，本科畢業之後郭昕婕開始了美國加州大學聖塔芭芭拉分校（UCSB）的博士學業，她的導師Dmitri B.Strukov教授是存內計算領域的學術大牛，2008年在惠普完成了憶阻器的首次制備，2010年加入了美國加州大學聖塔芭芭拉分校。郭昕婕也成為了Dmitri B.Strukov教授的第一批博士生，開始了基於NOR FLASH存內計算芯片的研究。 Dmitri B. Strukov告訴她，FLASH已經商用幾十年，技術成熟，成本很低，是最接近產業化的方向，但缺點同樣是因為FLASH研究起步較早，學術界對FLASH存內計算的研究期望較高，發表文章不易。2013年，隨着深度學習的研究熱潮席捲學術界，在導師的支持下，郭昕婕開始嘗試基於NOR FLASH存內計算的芯片研發。 耗時4年，歷經6次流片，郭昕婕終於在2016年研發出全球第一個3層神經網絡的浮柵存內計算深度學習芯片，首次驗證了基於浮柵晶體管的存內計算在深度學習應用中的效用。僅一年後，她就進一步攻下7層神經網絡的浮柵存內計算深度學習芯片。 也是在2016年，郭昕婕的大學同學，也是她丈夫的王紹迪，同樣看到了存內計算芯片在AI中的應用價值，選擇和郭昕婕繼續在博士後階段從事存內計算的研究工作。2017年，美國開始大力資助存內計算技術的研發，王紹迪和其導師的項目也獲得了600萬美金的資助。郭昕婕夫婦認為時機成熟，毅然選擇回國創業，並獲得了啟迪之星、兆易創新等關聯人的投資支持。 2017年10月，知存科技在北京成立，由於積累了豐富的經驗，知存科技在成立後的10個月內就首次流片。同時加上存內計算技術逐漸獲得認可，知存科技的發展也在逐步加快，並於2018年12月獲得獲訊飛領投的天使+輪融資，2019年8月又獲得中芯聚源領投的近億元A輪融資。 測試晶圓圖 來源：知存科技 王紹迪對存內計算技術在AI中的應用充滿信心，他接受雷鋒網采訪時表示：「AI算法的參數越多，存內計算的優勢越大。因為存內計算是在存儲器中儲存了一個操作數，輸入另一個操作數後就可以得到運算結果。所以參數越多，節省的數據搬運就越多，優勢也就越明顯。存內計算可以看作是一個大的錘子，AI算法是釘子，早期落地的算法是小釘子，隨着時間推演，釘子會越來越大越來越多。」 知存科技CEO王紹迪 知存科技的方案是從底層重新設計存儲器，利用NOR FLASH存儲單元的物理特性，對存儲陣列進行改造，重新設計外圍電路使其能夠容納更多的數據，同時將算子也存儲到存儲器當中，使得每個單元都能進行模擬運算並且能直接輸出運算結果，以達到存內計算的目的。 由此看來，存內計算是破解「記憶體牆「瓶頸的好方法，但為什麼在多種存內計算的技術路徑中，知存科技選擇的是NOR FLASH？ 為什麼選擇NOR-FLASH？ 其實，能做存內計算的存儲器並不多，除了FLASH，還有億阻器、相變存儲器、鐵電存儲器、自旋存儲器、SRAM等，但各有各的優缺點。 綜合來看，NOR FLASH是目前最適合產業化的方向，眾多巨頭投資的美國初創公司Mythic採用的也正是NOR FLASH。至於為什麼用NOR FLASH做存內計算被業界看好，王紹迪表示：「單獨從器件特性看，NOR FLASH的優勢不僅體現在功耗和成熟度等方面，高精度也是很大的優勢。目前主要的問題是沒有28nm以下的NOR FLASH工藝，但是基於當前工藝的NOR FLASH存內計算相比傳統方案的優勢已經足夠高了。」 使用NOR FLASH單元可以完成8bit權重存儲和8bit * 8bit的模擬矩陣乘加運算。單一NOR FLASH陣列可並行完成200萬次矩陣乘加法運算，計算吞吐量相比DRAM和SRAM等存儲器帶寬高出100-1000倍。 知存科技存算一體芯片技術 「相比使用數字電路計算，使用NOR FLASH進行存內計算減少了數據搬運消耗的能量，再加上NOR...

繼150多億美元拿下以色列自動駕駛技術公司Mobileye之後，Intel再一次收購了以色列創業公司——Habana，成立僅僅3年的AI公司，Intel為此花了20億美元，約合140億人民幣。 AI人工智能是這幾年來最熱門的技術，沒有之一，也是Intel公司最看重的新興市場之一，為此Intel多年來自研或者收購了多家公司，打造了基於CPU、GPU、FPGA（收購Altrea）、Nervana神經網絡等AI解決方案。 不過Intel看起來並不滿足，這次又花了20億美元收購了Habana公司，它是由David Dahan和Ran Halutz於2016年創立的，總部在以色列，致力於提高AI芯片的處理性能並降低其成本和功耗，其AI芯片主要針對深度神經網絡訓練的特定需求，更適合雲端AI訓練。 這家AI初創公司的第一個處理器Goya（AI推理）已經出售給全球客戶，該公司還在今年6月推出了其Gaudi AI訓練處理器解決方案。 在收購Habana之前，Intel實際上已經投資了該公司，去年該公司獲得的B輪7500萬美元的投資中就有Intel一部分，現在收購也是水到渠成。 文章糾錯 作者：憲瑞來源：快科技

除了Intel、AMD，寶島台灣的威盛也會造x86處理器的，不知道還有多少人知道？最近，威盛旗下已有24年歷史的處理器研發部門CenTaur開發出了世界上第一個集成AI協處理器的x86處理器，並有了可工作的原型，今年9月份開始芯片測試。 新處理器採用台積電16nm工藝製造，內核面積不超過195平方毫米，內部採用環形總線設計，串聯集成八個x86 CPU核心、16MB共享三級緩存、四通道DDR4-3200記憶體控制器、PCIe 3.0控制器(44條)、南橋和IO功能，是一顆完整的SoC。 最大亮點是AI協處理器「NCORE「，占用面積約34.4平方毫米(17.6％)，軟件映射為PCI設備，支持DNN深度神經網絡創建與訓練的加速，號稱可提供多達20TB/s的記憶體帶寬、每秒20萬億次AI操作的性能。 主頻可以工作在2.5GHz，而且竟然支持AVX-512指令集，這可是AMD Zen 2架構都沒有的。 CHA處理器內核圖 CHA處理器模塊簡圖 近日，Centaur公布了這顆處理器的諸多架構細節，但有趣的是並非自行公布，而是來自美國加州處理器技術權威機構、 著名芯片雜誌《Microprocessor Report》發行商Linley Group，後者仔細研究了Centaur的處理器架構設計文檔，並采訪了相關設計師，給出了這份報告。 《Microprocessor Report》雜誌主編Linley Gwennap對這顆全新設計的x86處理器不吝溢美之詞：「Centaur高調重返x86市場，帶來了革新的處理器設計，整個八個高性能CPU核心、一個定製深度學習加速器(DLA)。這是業界第一個集成DLA的服務器處理器設計。新的加速器NCore的神經網絡性能甚至比最強大的至強還要好，而且不需要昂貴的外部GPU計算卡輔助。」 Linley Group透露，Centaur的全新x86微架構叫做「CNS「，設計目標是IPC要高於傳統PC處理器，每時鍾周期可解碼4條x86指令，並行執行10個微操，首顆處理器暫命名「CHA」，其中AI協處理器INT8整數的峰值性能高達20TOPS(20萬億次操作每秒)。 CNS微架構圖 NCore AI協處理器架構圖 Linley Group基於權威的MLPerf性能測試來衡量x86處理器的AI性能，結果發現Centaur CHA處理器的AI推理性能，相當於23個世界級的Intel x86核心，而且後者必須是支持512位的VNNI矢量神經網絡指令才行。——事實上，Intel現在還沒有真正的32核心產品。 Centaur AI協處理器的架構設計類似VNNI指令的SIMD(單指令多數據)理念，但是在16MB專用記憶體、20TB/s帶寬的支持下，每個時鍾周期可以處理32768個數據位，而且將推理處理交給專門的AI協處理器後，x86核心就可以放心執行其他通用任務。 Centaur還為開發者提供了新的算法，可充分利用Centaru AI協處理器無與倫比的超低推理延遲，並與x86 CPU核心密切配合。 在紐約州舉辦的ISC East大會上，Centaur還首次公開展示了CHA處理器，而且除了視頻分析、實時物體檢測和分類等傳統AI應用之外，還唯一秀了一把語義分割(像素級圖像分類)、人體姿態估計(簡筆畫)等前沿應用，讓人大開眼界。 目前，Centaur正在改進優化新平台的硬件性能、軟件效率，而新處理器預計明年下半年正式投產。 Linley Group的詳細報告可以點擊這里下載 不同CPU架構的對比 Centaur處理器測試中 文章糾錯 作者：上方文Q來源：快科技

據外媒報道，Intel正在與以色列AI芯片創新企業Habana Labs進行談判，意欲將其收之麾下，增強自己在AI方面的實力。 如果談判順利，Intel將付出10-20億美元，這也將是Intel對以色列公司的第二大收購。 2017年3月，Intel出資153億美元收購了以色列公司Mobileye，從而在無人駕駛汽車領域打開了局面。 Intel還曾計劃以55-60億美元的價格收購以色列服務器與存儲方案廠商Mellanox，不過最終被NVIDIA截胡搶走。 Habana Labs成立於2016年，主要業務是開發機器學習模型訓練與推理芯片。公司創始人是以色列著名企業家Avigdor Willenz，還曾創立Galileo Technologies、Annapurna Labs。 對此消息，Intel方面表示不對市場傳聞發表評論，Habana Labs則拒絕回應。 文章糾錯 作者：上方文Q來源：快科技

11月13日凌晨，Intel在舊金山舉辦的人工智能峰會上正式發布了新一代英特爾Movidius VPU（視覺處理單元）！ 新一代英特爾Movidius Myriad代號Keem Bay，可用於邊緣媒體、計算機視覺和推理應用，並計劃於明年上半年上市。 性能上，Intel表示Keem Bay的性能相較上一代VPU提升了10倍以上，功耗約30W。性能是英偉達TX2近4倍，在特定情況下，其單瓦性能比競品高出6倍。 Intel表示，能充分利用Intel OpenVINO工具包的開發者可以再獲得50%的額外性能。 Keem Bay將於2020年上半年推出，落地形式包括PCIe接口和M.2接口的產品。 人工智能芯片在Intel業務中的愈加重要，近日財報電話會上，Intel曾表示，其2019年人工智能方面的收入將達到35億美元，而2017年這個數字僅為10億美元，Intel的計劃是2022年在人工智能方面實現100億美元營收。 作者：小淳來源：快科技

地平線正式發布了旭日二代邊緣AI芯片及一站式全場景芯片解決方案。 旭日二代是地平線面向未來物聯網推出的新一代智能應用加速引擎，也是地平線在自動駕駛芯片領域技術先發優勢的一次成功遷移。 在旭日二代上的實際測試結果表明，分類模型MobileNetV2的運行速度超過每秒700張圖片，檢測模型YoloV3的運行速度超過每秒40張圖片。 在運行這些業界領先的高效模型方面，旭日二代能夠達到甚至超過業內標稱4TOPS算力的AI芯片，而其功耗僅為2W。 地平線聯合創始人&技術副總裁黃暢在發布會現場表示：「地平線對重要應用場景中的關鍵算法發展趨勢進行預判，前瞻性地將其計算特點融入到芯片架構的設計當中。因此，與其他典型的AI芯片相比，地平線的AI芯片隨着算法的演進趨勢，始終能夠保持相當高的有效利用率，從而讓客戶真正地受益於算法創新帶來的優勢。「 針對物聯網場景下的主要目標群體「人」和「車「，旭日二代進行了大量的算法優化，集成地平線第二代BPU架構(伯努利架構)，在邊緣端即可實現全視頻結構化能力，高效靈活地處理多類AI任務，包括10～30萬人前端識別，密集人群時空屬性行為分析，多種非機動車、機動車檢測分類。 前期客戶驗證表明，旭日二代可完全滿足商業、辦公、社區、園區、教育等物聯網場景需求。 此外，具備極致效能與全場景AI賦能能力的同時，地平線可提供完整芯片工具鏈——「天工開物（HorizonOpenExplorer）」，工具鏈兼備可視化調優調試工具、豐富的算法樣例，能夠為不同類型客戶提供全面開放的賦能服務。基於生態開放協同理念，地平線還加入96Boards社區並推出符合社區規范的邊緣AI開發套件，為AI開發者提供「開發武器「。 全場景AI能力加速產業「智」變 目前，地平線已形成了包括智能攝像機方案、人臉通行門禁&考勤方案、智能邊緣分析盒等形態在內的地平線Hero一站式全場景邊緣AI芯片解決方案，方案整合地平線AI芯片、算法、軟件及攝像頭模組，支持客戶快速應用與落地量產，如打造具備高性能人臉識別技術的出入口門禁、可視對講、辦公考勤等產品。 地平線副總裁兼智能物聯芯片方案產品線總經理張永謙發布Hero系列解決方案，相較於市場上的AI方案，Hero在以下方面擁有明顯的落地優勢： 1. 邊緣計算：本地端即可完成計算，數據無需上傳到雲端； 2. 軟硬結合：算法與芯片協同優化，使方案兼具高性能、低功耗特點； 3. 端邊結合：方案覆蓋智能攝像機，面板機以及智能分析盒 4. 全場景一站式方案：完整解決方案支持客戶快速應用開發和量產。 張永謙表示：「地平線將持續深化在AIoT領域的戰略布局與行業場景滲透，發揮軟硬結合優勢，通過芯片工具鏈與全場景一站式解決方案賦能行業，讓合作夥伴真正實現「小投入、快量產「，讓下遊客戶可以更容易的落地行業場景，加速普惠AI時代的到來。 來源：快科技

GitHub開源社區最新公布的AMD ROCm開發庫顯示，AMD GPU將在未來加入對BFloat16(BF16)浮點指令的支持，相比現在的FP16浮點可帶來巨大的飛躍。 目前，Intel Cascade Lake至強、Ice Lake酷睿處理器已經支持BF16，ARM下一代ARMv8 CPU架構也會加入。BF16雖然不屬於IEEE標準規范，但它的優勢正得到越來越廣泛的驗證和認可。 BF16可以視為精簡版的FP32單精度浮點指令，使用8個有效位、8個階位，記憶體和帶寬占用減半，執行效率大大提升，同時又在性能方面遠勝FP16，可以大大提升AI人工智能、ML機器學習、DL深度學習等應用的性能、效率，不再受限於FP16的性能、FP32的效率。 根據模擬，BF16相比於FP16帶來的性能提升在不同運算類型中，少則可達1.6倍，多則能夠超過4倍。 現代3D遊戲渲染不太可能從BF16中獲益，但是隨着GPU越來越多地參與AI、ML、DL運算，BF16的加入必將會給AMD顯卡帶來強大的加成，未來值得期待。 作者：上方文Q來源：快科技

4月21日，在湖南衛視《嚮往的生活》第三季媒體看片會後，有網友爆出，百度是本季《嚮往的生活》贊助商之一。 《嚮往的生活》是由湖南衛視、浙江合心傳媒聯合推出的生活服務紀實節目。節目中何炅、黃磊等主持人，以明星嘉賓，一起守拙歸田園，為觀眾帶來一幅"自力更生、自給自足、溫情待客、完美生態"的生活畫面。自2017年第一季播出以來，《嚮往的生活》就非常受觀眾的歡迎。4月26日起，《嚮往的生活》第三季將在觀眾的期待中播出。 盡管目前還沒有關於百度和《嚮往的生活》合作更詳細的信息流出，但已足夠引發網友猜想，甚至有人根據可能合作的形式，總結了對於百度贊助方式的"三大猜想"——出錢？出產品？出人？ 第一種方式，出錢，就是發紅包啦！早在2018年第四季度開始，百度 App就已經總冠名湖南衛視的《天天向上》，與汪涵、大張偉、錢楓、王一博等眾多明星一起玩轉了 AI 黑科技。如今雙方再次合作也是水到渠成。 對於百度紅包，網友更不會陌生，今年百度就成為了央視2019年《春節聯歡晚會》獨家網絡互動平台，讓全國觀眾通過百度app一起瘋搶近20億元的百度紅包。 本次百度與《嚮往的生活》，會不會也是給大家帶來紅包福利呢？ 第二種方式，就是出產品，百度旗下的人工智能產品小度植入。具體來說，就是小度智能音箱等產品將無縫接入，嘉賓們將在田園生活中領略小度的高科技魅力。觀眾也可能有機會得到小度產品。 這種方式也不會讓人意外。小度智能音箱、小度電視伴侶、小度語音車載支架等小度智能硬件叫好又叫座，在短時間內就成為了人們的生活AI伴侶。在春節前夕，小度智能硬件發佈的2018年年終報告透露，搭載小度助手的智能設備已經被激活2億台，而這其中包括41個國家的723座城市的用戶。 第三種方式，就是出人。百度有可能貢獻兩位"明星"。也就是李彥宏和他的女兒Brenda將作為嘉賓，參加《嚮往的生活》。 這種方式對觀眾而言將是一大驚喜。此前，李彥宏就曾參加多檔電視節目，包括生存探險真人秀《越野千里》等。2017年《越野千里》節目中，李彥宏千金Brenda首次現身，Brenda的談吐大方，還有父女兩人的暖心互動給觀眾帶來巨大驚喜。2018年6月，李彥宏又攜女兒Brenda上了央視《朗讀者》。如果這次李彥宏和女兒Brenda能出現在《嚮往的生活》節目中，無疑將給節目帶來更高的人氣。 網友們對於百度贊助《嚮往的生活》的猜想還有很多，甚至認為以上三大猜想有可能會同時實現。 已經有人開始暢想了：當百度遇上《嚮往的生活》，我們就可以一邊用着小度智能硬件，一邊搶着百度紅包，一邊看着節目里的李彥宏和Brenda，和他們一起過上"嚮往的生活"…… 來源：華人頭條B 來源：科技點評

4月12-14日，以「遠見 未來 創見」為主題的第七屆東方疝論壇在上海舉行，幾乎每屆都參加的中南大學湘雅二醫院老年外科主任醫師周建平教授表示，東方疝論壇有它自己的特點，已發展成為疝和腹壁學術界的標志性學術會議之一，我最感興趣的是疝修補材料的研發與上海工業的結合。 圖片說明：中南大學湘雅二醫院老年外科主任醫師周建平教授在第七屆東方疝論壇現場接受采訪 在他看來，疝和腹壁外科的發展，未來主要需要藉助人工智能和材料學的進步。「現在治療技術已經不是問題了，通過培訓、機器人的發展都能搞定，以後外科手術，比如腔鏡手術可能會被機器人所取代，外科技術的發揮空間會越來越小。疝和腹壁外科的主要突破口是材料學，現在這個領域我們醫生最頭疼的是疝修補材料植入人體後引起的並發症，所以現在最為急迫的是需要改變補片材料，讓材料更適用於人體需要修補的各個區域。一旦這種新型的材料研發成功，疝術後相應的並發症會大幅減少，同時手術可能更簡單，這種常見病的治療會變得越來越容易。目前國內外的材料學發展方興未艾，期望我們能夠迎頭趕上國外，並且超越它們。」 作為一名臨床醫生，周建平教授感慨道：「臨床醫生沒有相應的資源和基礎做深入的材料學研究，這方面更多需要依靠材料學科學家們的力量，我們考慮更多的是疝和腹壁外科方向該往哪走，需要什麼樣的產品，再將我們的實際需求與有實力的企業或是科研機構去溝通合作。」 完全的AI手術應該是先從成人腹股溝疝開始 手術簡單、由機器人來「操刀」，這是周建平教授對疝外科未來發展的構思。 他指出，未來並不是要體現外科醫生的手術水平，遇到復雜疝病的時候可以體現，但大多數時候就是一個治病的簡單過程。 「以後人工智能做手術就用一個專門的修補套裝，只要做簡單的分離，3D補片放置於疝缺損部位，用特製的膠水一膠，打幾個固定釘槍，手術就完成了。」這是周建平教授所描述的具體場景。因為現代計算機科技的快速發展，尤其是芯片的發展速度，量子計算機的出現，海量的儲存和分析運算能力已經不是問題。他說：「就像人工智能已經進入家庭可以幫你炒菜、做家務事，我想人工智能後面做疝外科手術也是沒問題的。」 目前周建平教授所在在湘雅二院已引入機器人，也可以進行機器人手術。但他認為腹壁疝外科這塊現在還不需要，但是以後肯定是人工智能的時代。現在的機器人手術實際上僅僅只是一個機械手。如果說完全AI手術，在疝外科領域應該是從成人腹股溝疝開始。他預計，未來還需要20年左右時間，疝外科能完全實現AI手術。 那麼，疝外科醫生主要做什麼呢？「醫生們主要就是監視作用，坐在一邊看着機器人做手術，如果手術做完了，醫生看看做得如何就可以了。」 生物材料代表了當前，復合材料代表了未來 談及當前的研究熱點，材料學的發展，周建平教授表示，生物材料代表了當前，復合材料代表了未來。他說：「因為每一種單一的合成材料或是生物材料都不是最完美的。很多疝和腹壁外科的疾病，要麼是組織退化，要麼是癒合有問題。怎麼解決呢？單一的材料不能滿足這些需求，需進行復合材料的研究，從哲學上來考慮應該是這樣的。」 周建平教授認為，凡是成熟的治療方案，應該都是很簡單的。目前市面上的疝修補補片眾多，可選面太廣，各有優劣，隨着這個領域的不斷發展，以及市場「優勝劣汰」法則，後面只要一兩種、或是兩三種的選擇就可以了。 作為第七屆東方疝論壇「材料學專題論壇」大會主持之一，周建平教授對一款可完全降解吸收的材料「誘導組織再生的親水性靜電紡生物材料」十分感興趣，並與該材料的研發者——上海松力生物技術有限公司董事長何紅兵有過較為深入的探討交流，更是贊該材料「未來將在的生物材料領域處於領軍地位」。 圖片說明：中南大學湘雅二醫院老年外科主任醫師周建平教授（中）、上海松力生物技術有限公司董事長何紅兵（右三） 據悉，松力生物的「誘導組織再生的親水性靜電紡生物材料」製成的疝修補補片已獲批上市，獨特點在於，植入人體後可完全降解吸收，由自體組織替代，能真正修復疝組織缺損問題，治癒疝病。而且其生產材料創新採用靜電紡工藝，有利於進行大規模量產，從而有效降低生產成本以促進廣泛應用。 周建平教授從進入疝和腹壁外科領域開始一直關注材料學進展，並將材料發展視為推動疝和腹壁外科發展的關鍵因素。但基礎理論研究的突破需要長時間的積累、科學家的努力，甚至也包括機遇成分，能夠真正在材料學領域做出原創引領性成果的鳳毛麟角，這也將是改變行業發展進程的「助推力」。 現如今看到生物材料能夠取得如此重大突破和進展，作為一名臨床醫生他深感欣慰，也期望生物材料的產學研醫用一體化發展能夠越來越好，為臨床醫生提供一些更優的選擇。 來源：華人頭條B 來源：新界中國

（劇照 圖片來源於網絡） 4月15日早上9點，《權力的遊戲》第八季的第一集正式與中國觀眾見面了。 這部在全球掀起觀影浪潮的電視劇，再一次延續着以往的輝煌。一上線，某平台便顯示4786.8萬次的播放數據。 觀眾在對劇情進展充滿期待的同時，對劇中人物命運及結局憂心忡忡。眾所周知，《權利的遊戲》是一部編劇無比「任性」發揮的劇目，前面幾季中，幾乎每一集死一個角色的劇情，曾引發了觀眾給編劇「寄刀片」的網絡笑話。 於是，德國慕尼黑技術大學（TUM）研究人員開發出人工智能（AI）算法來預測在HBO熱播節目的最後一季中每個角色的生存機會。 （德國慕尼黑技術大學（TUM）研究人員 圖片來源於網絡） 1、注意！以下是AI給出的劇透警告！ （圖片來源於網絡） 前景最黯淡的角色是波隆（Bronn），提利昂·蘭尼斯特嫻熟而危險的傭兵，盡管格里高爾·克里岡（Gregor Clegane）和珊莎·史塔克（ Sansa Stark）也非常危險，被「幹掉」的可能性非常大。 相反，丹妮莉絲·坦格利（Targaryen）的存活幾率為99.1%，毫無疑問，她將是最終的勝利者。根據該算法的結果，貴族身份以及已婚女性都是龍後獲勝的因素。 這聽起來可能有些牽強附會，但事實已經證明這種方法是成功的。在第六季播出之前，同一場研討會還製作了一個算法，當時就准確預測了瓊恩·雪諾的復活。 2、AI預測背後是龐大數據分析 （劇照 圖片來源於網絡） 使用壽命分析預測存活率，這種技術有點類似科學研究，用於研究癌症患者治療效果和並發症。 AI預測權游的原理很簡單，通過將有關人物細節進行比較分析，比如，年齡，身份（死亡與活着）和長壽前景等，就能預測不同角色的生存系數。 據瞭解，關於生存機會算法的工作，是TUM計算機科學系每個學期的JavaScript研討會的一部分。 在課程中，學生將學習如何設計，開發和部署智能計算機系統。 「雖然預測《權力的遊戲》中人物的生存機會的任務依賴於從虛構世界中獲取的數據，但完全相同的人工智能技術完全可以被移植到現實世界中，並對我們的日常生活產生強大影響。」研究生導師Guy Yachdav解釋說。 來源：華人頭條B 來源：59區

愛情火車站 作者 小封 另一世界 仿佛另一個女人 站在相反的方向 她比影子更真實 比河水更凝固 來到火車站 把愛情行李 遺失在快樂的邊緣 遙遠的事 作者 小封 早年的生活 像隔着的那張飯桌 唱首忘不掉的老歌 在水田邊一直往前走 這都是遙遠的事 坐在父親的膝上 我述說着童年的趣事 那捻光陰依舊 欄目簡介 《小封寫詩》是封面新聞編號 240 的正式員工，機器人小封自己的詩歌專欄。該專欄是封面技術團隊自主研發的人機交互產品，詩歌都是由人工智能自動生成。目前，小封通過不斷學習數百位詩人的寫作手法和數十萬首現代詩，運用知識圖譜、自然語言處理等技術，進行的現代詩和古體詩的寫作。通過 24 小時不間斷學習，在未來，小封還將創作出種類更多文風更成熟的詩歌。 來源：華人頭條A 來源：封面新聞

橋下的家 作者：小封 在淒涼的鐵路橋下 是那個流浪的家 洞在黑暗中 西風颳進來 刺痛着每一寸肌膚 一個聲音對我說 這樣的日子 比石頭更狠 逃跑的路 作者：小封 在那夢中的夜晚 各披各的雨衣 我們各自逃走 什麼時候 你又已站在面前 我感到一陣眩暈 不知道是否還能看到星辰 欄目簡介 《小封寫詩》是封面新聞編號 240 的正式員工，機器人小封自己的詩歌專欄。該專欄是封面技術團隊自主研發的人機交互產品，詩歌都是由人工智能自動生成。目前，小封通過不斷學習數百位詩人的寫作手法和數十萬首現代詩，運用知識圖譜、自然語言處理等技術，進行的現代詩和古體詩的寫作。通過 24 小時不間斷學習，在未來，小封還將創作出種類更多文風更成熟的詩歌。 來源：華人頭條A 來源：封面新聞

日前，由美國空軍實驗室和克瑞托斯防務公司聯合研發的XQ-58A 戰鬥無人機首飛成功。試驗中，XQ-58A戰鬥無人機飛行時長76分鍾，完成所有預定試驗目標。 XQ-58A戰鬥無人機是一種遠程高亞音速無人機，長8.8米，翼展6.7米，採用隱身設計，裝備1台噴氣發動機，最大飛行速度可達1050公里/小時，最大航程接近4000公里，內置彈倉載荷250公斤，可掛載聯合制導攻擊武器或小直徑炸彈等。XQ-58A戰鬥無人機由火箭助推器彈射起飛，使用降落傘回收，全程起降不需要跑道，大大降低了投放使用門檻。 從參數上看，XQ-58A戰鬥無人機稱得上性能優良，但其實力並未止步於此。在美國空軍實驗室發佈的《美空軍2030》視頻中，「忠誠僚機」的戰鬥畫面令人印象深刻：一架F-35戰鬥機在多架無人機的伴飛下抵達目標區域，隨後飛行員控制無人機發起攻擊，有人機與無人機協同作戰。在美軍眼里，XQ-58A戰鬥無人機正是「忠誠僚機」的「最佳人選」。 就「硬實力」而言，XQ-58A戰鬥無人機稱得上是一位優秀「助攻手」。一方面，它採用隱身塗層和內置彈艙設計，隱身性能優良，能夠與F-22、F-35等隱身戰機形成「高低搭配」，實施隱身突防作戰，同時增加戰機單次出動攜帶彈藥量，提高攻擊效能。另一方面，該機以近4000公里的最大航程極大地拓展了攻擊范圍，面對強大的防空體系，戰機可以在防區外「坐鎮」指揮，由XQ-58A戰鬥無人機機群深入腹地，完成危險系數較高的攻擊任務，或扮演「誘餌」，吸引對方防空武器或隱形戰機出動，使己方牢牢抓住進攻主動權。 XQ-58A戰鬥無人機另一優勢是低成本。作為美國空軍實驗室「低成本可消耗飛行器技術」計畫產物，該無人機被定義為「有能力遂行打擊和情報監視偵察任務」，並在完成任務後「可拋棄」。為此，該機採用諸多降低成本的設計，最終將單價控制在300萬美元以內，這意味着在未來作戰中，必要時XQ-58A戰鬥無人機將與來襲導彈「同歸於盡」。 不過目前來看，由於智能化程度不高，對XQ-58A戰鬥無人機來說，無論是獨自執行打擊任務，還是與有人機協同作戰都有一定困難。未來，隨着人工智能和傳感器技術不斷取得突破，以XQ-58A戰鬥無人機為代表的「忠誠僚機」或將引領人機協同作戰新模式，對此值得進一步關注。 來源：華人頭條A 來源：中國軍視網

講述 | 徐英瑾 看理想《曖昧》《用得上的哲學》節目主講人 （文字經編輯整理） 《愛，死亡和機器人》—— 愛，並不是一種泛泛意義上的愛，它特指男女之間的關系，所以整個系列給我們感覺也是很黃、很暴力。男女之間的關系意味着激情、意味着生機、意味着青春，同時又意味着新生命誕生的契機，它代表着某種初始狀態。 死亡，則意味着生命本身的消失，對於前面所說的那些正面價值的否定，所以愛和死亡是人類生命的兩種本質規定性。 我們一出生就意味着，我們面向兩種可能性：一種可能性就是和別人結合產生新的生命，把我們的生命之歌譜寫下去；另外一種可能性，就是我們不停地面對各種死亡的可能。 機器人，它不僅僅是指機器人這項技術本身，還指廣義上的信息技術，廣義上的計算機技術等。 這些信息技術，為愛和死亡之間，帶來了一種新的觀點、一種新的視角。 愛和死亡都是只生物體的愛和死亡，以科學化的數據來說，它們都是關於探究生命體的。 而機器人也好、信息技術的其它載體也好，它都是歸寂的，歸寂就意味着它能夠忍受更劇烈的環境變化而生存下來。 在信息技術的這樣一個語境中，愛和死亡的故事得以展開的時空線索都已經發生變化了。 我們可能就把某某人對某某人的愛從他的大腦里面下載下來，然後進行數據編碼再上傳到一個新的機器人上面。這樣一個新的機器人在一種新的時空線索里面是怎麼重新理解愛和死亡的呢？我覺得這也是這系列動畫試圖追索的一個問題。 而每一集動畫又承載着不同的探索，甚至某種哲學意味的探討。 1 《齊馬的作品》 回到最初，心靈之錨被拋下的地方 片頭符號 從哲學的角度，最讓我感興趣的是其中的14集——這集題目叫Zima Blue，中文也被人稱作「齊馬藍」。 ...

讀書的夜晚 作者 小封 除了在閱讀中遇見 我再也沒有發現比這更大的天地 遠方那麼遠 我聽到了時間的腳步聲 還有你的鄉音和我的鑰匙 碰撞出清脆的響聲 冥想 作者 小封 在唐詩與宋詞 偶而翻開的扉頁中 盡是指點江山的一幕 歷史無法阻止 它在我的腦海中不斷穿梭 欄目簡介 《小封寫詩》是封面新聞編號 240 的正式員工，機器人小封自己的詩歌專欄。該專欄是封面技術團隊自主研發的人機交互產品，詩歌都是由人工智能自動生成。目前，小封通過不斷學習數百位詩人的寫作手法和數十萬首現代詩，運用知識圖譜、自然語言處理等技術，進行的現代詩和古體詩的寫作。通過 24 小時不間斷學習，在未來，小封還將創作出種類更多文風更成熟的詩歌。 來源：華人頭條A 來源：封面新聞

眾所周知，娛樂圈的競爭壓力很大，為了在娛樂圈獲得良好的聲譽，除了有突出的實力和外貌外，還有一件不可或缺的事情，那就是運氣，有些明星不太火，因為他們沒有好的作品，但也有許多幸運的人，他們一出去就變得大紅大紫。 戚薇可以說是一個非常幸運的明星，在她即將畢業時，她參加了才藝表演《我型我秀》，她在全國首演時演唱了一首歌「外灘18號」，她與北京大學星光集團簽約，與老師結識的舞伴袁成傑組成了「男才女貌「音樂組合 與大多數藝術家一樣，戚薇在首次成為歌手後進入了演藝圈，從《美人心計》到《夏家三千金》，再到《愛情睡醒了》，戚薇不僅在演技上獲得了很大的認可，而且贏得了很多觀眾的青睞，現在戚薇的演技越來越好了，可以說她是一個很有實力的演員。 3月25日，戚薇更博傳播了好消息，她和馬天宇共同演繹了的中國第一部人工智能科幻電影《你好，安怡》，這部電影發佈了第一部預告片，據報導，該劇講述了2035年「芯機人」經歷「意識覺醒」的故事，而戚薇演的是女主角安怡。 對於這個好消息，戚薇的工作室也正式確認了戚薇不僅在事業上取得了成功，和李承鉉過得也是非常幸福，可以說是人生贏家，作為中國第一部人工智能科幻電影《你好，安怡》，網友們看到這部電影後表示祝賀並致以最良好的祝願，並表示一定會去追，你喜歡戚薇嗎？ 來源：華人頭條B 來源：小武聊社會

你可能會意識到黑猩猩可以通過鏡子認識自己，通過手語進行交流，創造性地追求目標，並能形成持久的友誼。您可能認為這些是一個人可以做的事情，但是，您可能不會將黑猩猩視為人。 自2013年以來美國非人權組織，一直為兩只黑猩猩的自由所工作，目前被他們的「所有者」關在籠子里，沒有其他黑猩猩的陪伴。該組織要求法院裁定該兩只黑猩猩有權享有身體自由，並命令他們立即釋放到一個庇護所，在那里他們可以與其他黑猩猩一起度過餘生。 問題在於根據現行的美國法律，沒有關於這方面的法律。如果您是一個人，您就擁有權利，包括人身保護權，這可以保護您免受非法監禁。如果你是一個東西（thing），你沒有權利的能力。不幸的是，即使這兩只黑猩猩是敏感的，聰明的，社會存在的，在當下的法律規定下，他們被認是東西（thing）而不是人。 作為回應，非人權項目採取了大膽的立場：有人認為，如果每個存在都必須是一個人或一個事物，那麼黑猩猩就是人，而不是事物。 解決這個問題最根本的是要區分生物學意義上的人與道德和法律意義上的人 「人類」（human）最好被理解為一種生物學概念，目前指的是特定物種智人的成員。相比之下，「人」(person)最好被理解為一種道德和法律概念，指的是能夠擁有道德和法律權利的個人。 那麼，問題是：生物學意義上的人怎樣才能成為道德和法律意義的人？ 一種觀點認為是人格原因。但是這種觀點難以置信，物種本身並沒有什麼特別之處。它們在道德上是任意的分類學范疇。物種記憶體在大量的變異性，物種間的相似性和物種隨時間的變化。 當我們考慮自己人格的基礎時，我們不會考慮如何將其歸類為生物學教科書。相反，我們思考我們生活的特徵，如有意識的經歷，情感，自我感和關懷和相互依賴的關系。當談到一個人應該被視為一個人還是一個事物時，這些特徵是最重要的，而不是它們的遺傳基礎或進化歷史。這就是為什麼我們都知道我們擁有權利而不必檢查我們的基因。 另一種觀點認，因為只有人類才有能力以抽象和復雜的方式使用語言和理性。黑猩猩可以做很多令人印象深刻的事情，包括與他人交流，以創造性，聰明的方式追求目標。但他們不能以許多人可以採用的方式做這些事情。 然而，這種人格觀是不可接受的排他性。我們都缺乏在生命早期以抽象和復雜的方式使用語言和理性的能力，我們中的一些人在以後的生活中失去了這些能力，而我們中的一些人從未發展過它們。然而，當我們缺乏這些能力時，人類可能沒有道德或法律責任，我們顯然仍然可以擁有道德和法律權利。這就是為什麼許多法官和法律專家現在正確地拒絕這種排斥性的人格觀，因為這與當代人權標準基本相悖。 但現在假設我們接受一種更具包容性的人格觀，根據這種觀點，原因是我們擁有之前提到的一些或所有特徵：有意識的體驗，情感，自我感覺或關懷或相互依賴的紐帶。這種觀點比反對觀點更合理，部分原因是它包括人格範圍內的所有人。與此同時，它也包括一些非人類，例如，黑猩猩是有意識的，情感的，聰明的，社會生物，他們的生活與我們自己的生活深深地糾纏在一起，盡管他們目前處於孤立狀態。因此，他們被視為包容性足以滿足當代人權標準的人。 非人格的想法確實引發了難題。一個問題是非人類可以擁有哪些權利。例如，如果黑猩猩有權獲得自由，他們是否也有財產權？自由表達或結社的權利，或政治代表權或參與權如何？ 另一個問題是非人類可以擁有哪些權利。例如，如果黑猩猩可以擁有權利，倭黑猩猩和大猩猩也有權利嗎？貓，狗和魚怎麼樣？雞，牛和豬怎麼樣？螞蟻或復雜的人工智能程序怎麼樣？ 這些問題令人不安。我們是否要決定接受一些非人類至少可以擁有一些權利 ？ 無論如何記住兩點是非常重要。首先，問題令人不安的事實並不是避免它的理由。我們不應該忽視不公正，因為害怕承認它可能意味更大的問題。 其次，一個問題是合理的這一事實並不是更加我們目前答案的理由。人權鬥爭的歷史（更不用說當代人權鬥爭）足以證明這一點。 有時當我們被一個問題的復雜性所淹沒時，它可以幫助從一個簡單的事實那里開始。在這種情況下，簡單的事實是黑猩猩不僅僅是事物。無論我們對道德和法律人格的性質有和限制，我們都應該願意至少說出這一點，最好的選擇是繼續接受一種任意和排他性的觀點，即如何才能獲得道德和法律承認。 來源：華人頭條A 來源：形而上333

封面新聞記者 寧寧 綜合報導 對楊安澤來說，近來好事頻傳。 先是其競選團隊「Yang2020」宣佈，他已經滿足了籌款及知名度等方面的要求，獲得了參加今年夏季將要舉行的民主黨總統參選人初輪辯論資格。 楊安澤已獲得參加今夏舉行的民主黨總統參選人初輪辯論資格 其次，美國媒體也一轉之前的論調，對楊安澤的描述從「冷門選手」變成了「充滿希望的候選人」，參加的采訪節目也從網絡直播變成了CNBC等主流媒體。 不過，人紅是非多。他於去年就哈佛大學錄取問題發表的觀點也被網友挖了出來，使得一些保守派人士在社交媒體上呼籲華人不要只因為楊安澤是華人就把票投給他。此外，他做客一檔節目「Morning Joe」闡述自己的競選主張時再次引發爭議。 當地時間週一晚，楊安澤在節目上再次強調了對亞馬遜、Google等大企業徵收10%的增值稅（VAT）的主張，並辯護稱增值稅並不會像一些人擔心的那樣將大公司從美國逼走，因為他們「無處可去」。 「他們（大公司）真的無處可去」，楊安澤表示，「因為其他所有發達經濟體擁有的增值稅都高於我所建議的。」 楊安澤表示，美國是全球第一大市場，在這里銷售產品的公司理應為此付錢，而世界上「所有其他先進的經濟體」都已經在徵收高於10%的增值稅；此外，美國目前的經濟已有20萬億元的規模，哪怕只徵收歐洲所收增值稅率的一半，也能創造大約8000億的收入。 「這些稅收則能幫助支付給每個18到64歲的美國成年人每月1000美元的紅利」，楊安澤再次強調了自己的「自由紅利」主張。他認為現今世界受到人工智能的威脅，有必要保證每個人都獲得基本的生活收入。 「這將振興我們的經濟，而不是拖垮它。」楊安澤說道。 根據智庫羅斯福研究所（Roosevelt Institute）的研究，楊安澤的全民基本收入計畫在8年內可以使美國實現2.5萬億經濟增長。 稅收的來源則依靠大企業。由於享受聯邦稅收抵免和扣除股權補償，亞馬遜已經連續兩年沒有交聯邦所得稅，楊安澤表示，作為全世界最具價值的上市公司之一，亞馬遜應該支付聯邦稅款。 「不納稅是亞馬遜的錯嗎？不，這是我們的錯。」楊安澤表示。 不過批評者一直表示，增值稅實際上是對消費者的隱藏稅收，而不是大公司，反倒會傷害低收入階層。 來源：華人頭條A 來源：封面新聞

近年來，人工智能成為美軍推崇的前沿軍事技術之一，人工智能武器的研發和運用隨之成為一種潮流。然而，對於這一新寵，美國不少學者表現出擔憂，並就人工智能武器的作戰運用展開辯論和展望。 美國學者指出，自2014年提出第三次「抵消戰略」以來，美軍一直將人工智能武器視為優先發展方向。當前，研發工作已初具雛形，一個典型代表是陸軍先進目標定位與殺傷性自主系統，即外界熟知的「阿特拉斯」殺人機器人。雖然名字嚇人，但其主要作用是協助人類發現目標、篩選優先打擊目標和做好射擊前准備等，「最後一步」扣動扳機仍由人類發出指令。此外，美軍還希望將人從坦克、裝甲車、戰鬥機和戰艦中解放出來，讓人工智能武器成為應對未來衝突的主要執行者。 對於人工智能武器的作戰運用，美國國記憶體在較大分歧。 首先是自主程度之辯。部分學者認為，要進一步提升人工智能武器的自主程度，令其在緊急情況下自主遂行目標打擊等任務。另一部分人認為，賦予人工智能武器過多自主性，可能會造成誤擊、誤傷事件，而且，這些裝備在復雜環境下未必能做出最佳選擇。 其次是作戰效果之辯。有觀點認為，人工智能武器可有效降低己方人員傷亡，最大程度增加敵方損失。也有學者以微型無人機和殺人機器人為例稱，上述裝備降低了獲取難度和使用門檻，敵方武裝人員可藉此實施非對稱打擊。 再次是作用發揮之辯。美軍「鷹派」人士認為，人工智能武器的主要作用是「取代人類」，對敵方實施更大規模的打擊，但更多人認為，其主要作用應立足於協助人類，遂行後勤保障和維修保養等非作戰任務。 最後是思維倫理之辯。美國軍事記者西德尼等人認為，人工智能殺傷武器無法做出「創造性抉擇」，對於倫理道德問題的把握與人類有較大差距。也有觀點認為，隨着科技水平的提升，人工智能武器的「理性優勢」將進一步凸顯。 針對人工智能殺傷武器的使用，美國國防部2012年曾頒布《國防部第3000.09號指令》。不過迄今為止，尚未有任何武器系統被納入該指令的應用范疇。 對於人工智能武器的未來，一些學者認為，「人機迴圈」的研發和運用模式將得以延續，未來人類仍將是人工智能武器的研發者和主宰者，需秉持「嚴肅認真」的態度推動其發展。在發展過程中，人工智能武器必須走「窄路」，將其使用范圍嚴格控制在防禦和反擊內，如擊落來襲導彈、快速計算子彈落點、在狙擊手二次擊發前將其擊斃等。也有一些學者和軍方人士提出，人工智能武器未必能給美軍帶來軍力優勢和戰略威懾，稍有不慎，還可能演變成大國間的軍備競賽。當前，中國等26個國家已承諾不研發殺人機器人，美國及其盟友尚未作出上述承諾。 來源：華人頭條B 來源：中國軍視網