前沿计算“未来已来”

对里奇·乌格里格来说，《中国科学报》记者的第一印象是智慧和智慧。面对媒体或宏观或专业问题，他总能以有序和简单的方式给出清晰和合乎逻辑的答案。

作为英特尔技术与系统架构与客户事业部的资深院士和英特尔研究院院长，最近在北京柯荣信息中心接受英特尔中国研究院记者采访时，恰逢谷歌宣布率先实现“量子霸权”的消息仍在业界徘徊。结果，量子计算成为媒体“火力”的焦点。

然而，作为在美国、欧洲、印度和世界其他地方都有布局的英特尔研究所的负责人，乌赫利格认为前向计算不仅仅是量子计算。他告诉《中国科学报》记者，英特尔一直坚持这样的原则，“不仅选择一条路径来解决问题，然后陷入其中，还使用不同的方法进行多种方式的探索，并分别进行测试，以逐步了解哪种方法更有可能成功。”

多管齐下的前沿探索

16年前，在东京地铁站，当iPhone等智能手机没有出现时，每个人都已经低头“刷”手机了。这非常类似于四年后第一部iPhone的出现，甚至发展到现在。乌格里格指着记录这一场景的照片，并用当代著名科幻小说作家威廉·吉布森的话总结道:“未来已经到来，但分布不均。”。在他看来，未来的技术发展，包括尖端计算，将是一样的。

谈到尖端计算，乌格里格认为它主要是为了解决二维问题:一是提高处理越来越多的复杂数据的效率；另一个是数据的隐私和安全。在这方面，他认为可能有四个颠覆性的技术方向，即量子计算、神经模拟计算、概率计算和图形计算。

乌格里格认为，这是四种完全不同的计算模式。量子计算的最大优势在于，它允许对同一个问题同时测试多个解决方案，并允许研究人员通过连续采样获得这个问题的最终答案。

然而，神经模拟计算是一个能量有效的神经网络系统。它可以模仿人脑的运行机制来寻找问题的解决方案，可以应用于机器人控制、自学习、动态控制、稀疏编码等。

概率计算用于处理固有的不准确和有噪声的数据。“由于数据的性质在不断变化，数据变得越来越嘈杂且非常不准确，我们需要一种技术来优化它。用户希望实现数据意义上的完全准确性，通过基于概率或统计的计算，可以大大提高效率。”乌格里格说。

然而，图形计算主要是发现数据之间的内部关系，尤其是大规模数据之间的内部关系，如社会网络或其他实体。在这方面，传统的计算方法如贝叶斯算法不容易表达，而图计算可以有效提高稀疏数据的处理效率。

“到目前为止，英特尔已经在这四个领域进行了探索性研究，不确定哪种方法在未来会超越其他方法，但它认为应该采取多管齐下的方法。”乌格里格告诉《中国科学》。

量子计算的真正目标

10月24日，《自然》杂志刊登了谷歌的一篇论文。在这篇文章中，谷歌说它已经开发了一个超导量子芯片“锡卡莫尔”，有54个量子位(其中53个可用)。基于该芯片，谷歌只需200秒就能对一个53位、20深度的电路进行一百万次采样。然而，目前最强大的经典超级计算机Summit需要1万年才能获得类似的结果。基于这一突破，谷歌声称是第一个实现“量子霸权”的公司。

当被问及如何评价谷歌的成就时，乌格里格首先认可了它所取得的进步，但他也强调应该在正确的地方认可它。

我们需要什么样的条件才能称之为“量子霸权”的实现？乌格里格认为，首先，我们必须找到一个对人类生活有实用价值的非常复杂的问题。其次，我们必须证明量子计算在解决这个复杂问题上比传统的计算方法更有效。“因此，我认为量子计算的真正目标不是实现量子霸权，而是实现量子实用性。”乌格里格说。

乌格里格向《中国科学》透露，在量子计算领域，英特尔最初在超导量子位芯片和自旋量子位芯片上“双管齐下”，但最近英特尔更加关注自旋量子位芯片的研究范围，并取得了相当大的进展。2018年6月，英特尔宣布其研究人员正在测试一种新型微型“自旋量子比特”芯片，这是量子计算机发展的新一步。这也是英特尔制造的最小的量子计算芯片，比铅笔头上的橡皮擦还小。

乌格里格认为，量子计算要商业化至少需要十年时间。这是因为量子计算能够解决的问题数量与量子位的数量和规模成正比。众所周知，量子位非常脆弱，可能在几毫秒内分解。因此，在未来，有必要开发一些技术，使周围环境更包容量子位，并使它们可持续。

“如果量子计算是一场马拉松，那么我们只完成了第一英里。这就是现状。”乌格里格总结道。

惊讶来自未说出口的方面。

谈到神经模拟计算、概率计算和图形计算，Uhlig坦率地说，这三个方向仍在研究过程中，还没有产品路线图，因为“我们需要充分了解每个计算模型擅长或不擅长什么，所以到目前为止，我们还不知道什么时候我们可以把它变成产品。一旦我们确信能够成功应用它们来解决某些问题，我们将为他们推出产品开发计划。”

乌格里格特别提到了英特尔在神经模拟计算方面的进展。2019年7月，英特尔推出了代号为“Pohoiki Beach”的800万神经元神经模拟系统，以支持全球生态系统合作伙伴继续探索神经启发式算法研究的下一个前沿领域。它包含64个Loihi研究芯片。

乌格里格告诉《中国科学新闻》，他们正在做的是在卢伊希系统之外促进神经模拟研究社区的建设，以便在此基础上开发更多更好的应用。到目前为止，已经有了非常有趣的结果，包括节能推理方法和基于此开发的机器人控制系统，以及稀疏编码、约束满足和优化计算乌格里格透露。

在乌利格看来，创新通常诞生于不同领域的交汇处。因此，不同领域的研究者之间合作和分享越多，就越有可能成功。然而，乌格里格在谈到具体领域时没有给出明确的答案，因为他认为“惊喜恰恰来自那些事先没有被准确提出或提及的方面”。