Reagan 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

一個技術研究大牛、第一次到訪中國、面對幾家技術媒體，結果都從另一家公司的大新聞說起……

這種情況就發生在英特爾研究院院長Rich Uhlig身上。

他連連感嘆，沒想到2小時的問答交流會被量子計算包圍。

這自然與谷歌剛剛宣佈的量子優越性（Quantum superiority）進展息息相關，但這位英特爾研究院掌舵者，在分享自己對這一熱點事件看法的同時，也呼籲需要理性看待。

所以這位研究大牛究竟如何看未來？英特爾研究院又在關注哪些最新技術趨勢？

先介紹下大牛

Richard (Rich) A. Uhlig，本碩博均學成於密歇根大學，1995年獲計算機科學與工程專業博士學位，1996年加入英特爾。

核心主導了針對英特爾處理器和平臺的多代虛擬化架構的定義，即英特爾虛擬化技術。

2013年開始，擔任英特爾研究院系統和軟件研究院院長，主持了主持了包括虛擬化技術、雲計算系統、軟件定義網絡、大數據分析、機器學習和人工智能等方面的研究。

現在除了擔任英特爾研究院院長，也是英特爾技術與系統架構及客戶端事業部高級院士，並且2獲英特爾成就獎。

毫無疑問，這是一位不折不扣的技術研究型大牛。

怎麼看熱點技術？

在Rich Uhlig的2小時中國媒體交流中，最後可以歸結為2大方面的問題。

一是量子計算，二是技術創新趨勢。

我們提取重點，分享下大牛觀點。

關於量子計算

問：對谷歌宣佈的量子優越性怎麼看？

Rich Uhlig：

1）認可這是量子計算領域的重要進步。

2）但還需要更理性的視角，量子優越性實現，一方面要解決複雜問題，另一方面解決該問題中證明量子計算效率遠超傳統計算。雖然選擇任何問題都可以，但如果是一個現實、商業問題，或許更有意義。

3）比起量子優越性，更希望業界把目標放在量子實用性。

問：英特爾在如何推進量子計算研究？

Rich Uhlig：

1）英特爾對量子計算的研究最早分為兩方面：一是超導量子位，也包含自旋量子位。

2）現在開始進一步聚焦在硅自旋量子計算上面，並在這方面取得了相當良好的進展。

3）核心進展一方面是量子位製造，充分利用英特爾當前製造的優勢；另一方面是控制技術，比如自旋量子對低溫環境的控制。

4）我們認為未來用量子計算解決複雜現實問題，需要非常多的量子位，而對著量子位數量提升，對低溫控制會決定運算效率。

問：如何看待量子計算和AI之間的關係？

Rich Uhlig：

1）二者往往會被關聯起來，理論上量子計算有助於解決AI的一些問題。

2）但我認為量子計算真正作用於AI會晚一些才能實現。

3）量子計算可能更早被用於分子建模、量子化學等領域，在這些領域出現解決方案。

4）量子計劃真正商業化應用，應該至少還有十年的時間。需要解決更多問題，然後積累更多關於量子位數量、規模等比例關係方面的經驗。

5）有些問題用量子計算解決需要十多個邏輯可靠的量子位，而解密編碼可能需要幾千個甚至百萬級量子位，所以可靠性、穩定性是關鍵。

問：量子計算規模化商用的核心挑戰是什麼？

Rich Uhlig：

1）取決於量子位是否可以規模化擴展，在工程學及科學方面都是挑戰。

2）比如控制方面，需要低溫環境下大量量子位穩定運行。

3）比如上規模之後，現在只是幾十個信號，未來要解決幾十萬甚至上百萬信號。

4）軟件堆棧又如何演化，能夠將算法映射到問題本身，最終可以讓高穩定性可靠性的量子系統可以解決真實問題。

問：量子計算目前處於怎樣的市場格局？

Rich Uhlig：

我們認為量子計算是一個馬拉松，參與者很多，現在大家都才跑出第一英里。

問：英特爾認為在量子計算方向上有什麼優勢？

Rich Uhlig：

1）首先在硬件製造方面的工程工藝優勢，我們長期從事的半導體制造，我們所選擇的量子位的製備技術——硅自旋量子位，本身也是非常高度契合了我們在製造方面的優勢經驗，有利於未來的規模化。

2）在量子位的配置以及控制技術的解決方案方面，英特爾已經有很好的經驗，包括在低溫表徵方面有很好的實踐經驗。

3）一體化系統化看待問題，這一直是英特爾的優勢，包括從設備、控制到編程。過去幾十年，英特爾證明了在製造大規模設備、軟硬件系統方面的優勢。

Rich Uhlig：

1）神經擬態計算。英特爾正在去建造越來越大規模的神經擬態網絡系統。

2）硅光子，它能夠在封裝的CPU中提供光學鏈路。

3）在複雜編程方面的進展。主要是機器編程——AutoML，這是AI最有趣的應用之一，我們現在也在教機器如何進行自動編程。

關於新計算

問：如何理解量子計算、神經擬態計算、圖計算和概率計算之間的關係？

Rich Uhlig：

1）這是四種完全不同的新計算模式，相互區別很大。

2）量子計算最大優勢是它可以對同一個問題同時試驗多個解，通過連續採樣，最終得到問題解。

3）神經擬態計算是一種高能效的神經網絡系統，模仿人類大腦的運作機制，去尋求一個問題的解答，它主要是應用脈衝信息，通過神經網絡的通信方式來進行問題的解決，它可以去應用在很多類的問題上面，包括像機器人控制、自學習、動態控制的問題，還有稀疏編碼的問題等等。

4）圖計算主要是要發現數據之間的內在關係，尤其是那種大規模的數據之間的內在關係。

今天現有的計算系統當中是可以運行圖計算所涉及到的那些數據庫，但它的效率非常低，因為往往這些關係型數據本身就是非常稀疏，在內存訪問的模式上面就有這種不穩定性，所以貝葉斯算法可能就無法應用。我們用圖計算就可以去有效提升稀疏數據的處理效率。

5）概率計算是用來處理那些內在不精準的、缺乏精準性，噪音非常大的那種數據，就是說我們用概率計算容忍了它這種不確定性。

6）目前對四種計算，英特爾都在進行研究，多管齊下。

關於研究院創新模式

問：在英特爾研究院展開研究，如何保證創新發生在最佳週期——不會太早，也不會太晚？

Rich Uhlig：

我們內部會有多重測試標準去做選擇，但核心來說有這樣幾個：

1）首先，這個問題解決後，能帶來很大的社會價值和商業價值。

2）在對問題有方法思路，特別是新穎方法之後就儘快開始。

3）另外還有開始下手的原則：不要只選擇單一的路徑，要多管齊下。先試驗田，證明可行再大規模推廣。

4）還需要有批判精神，不斷判斷是否成功，需要有一系列衡量參數、指標。

問：您之前有專欄說創新往往誕生於不同領域交叉地帶，當前有更具體的領域嗎？

Rich Uhlig：

1）我認為這是一個廣泛適用的原則。

2）對於年輕研究者，我建議是找你最喜歡的三個研究領域，然後找到交叉點開始研究，你就會很有可能發現別人未曾發現的東西。

3）但我不想具體指出ABCD哪個領域的交叉點，因為驚喜恰恰來自沒有被準備定義的地方。

英特爾之道

最後，再分享下這次Rich Uhlig的keynote演講，核心介紹了英特爾當前指導思想：

數據洪流。

重點就是一切以數據為中心，在數據的各個方面展開研發推進及部署。

• 首先是數據的獲取，如新的傳感技術。
• 其次是數據存儲，如對內存、存儲這樣的新的數據組織形式。
• 最後是數據的處理。從數據傳輸的聯網，到軟件編程，以及全新計算平臺，核心是不斷提升數據的處理效率。

而具體到英特爾研究院，核心使命是為英特爾進行未來的探索。

Rich Uhlig認為這非常不容易、極具挑戰，但引用科幻作家威廉·吉布森的名言，或許能夠帶來一些啟示：

The future is already here it’s just not evenly distributed

未來已來，只是分佈不均。

很多今天看到的稚嫩階段的新興技術，實際並非憑空而來，但越來越強大的數據處理技術和基礎，正在實現曾經之不能。

當然，這位英特爾研究院院長也專門提到了英特爾中國研究院——創辦至今21年，是在中國建立最早的跨國公司研究院之一。

目前由宋繼強擔任中國研究院院長，主要圍繞人工智能、5G、智能駕駛和機器人等領域展開研究，因地制宜，藉助中國的優勢展開前沿創新研究。

Rich Uhlig評價說，英特爾中國研究院一方面有場景優勢，比如智能駕駛，得天獨厚，進展也很快。

另一方面是人才，“中國研究人員真的很頂尖，英特爾中國研究院人才在視覺理解等方面代表全世界最高水準，我們還會持續加碼中國研發的投資。”

嗯，完整交流就醬~

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態