“从注重前沿探索的‘最初一公里’，到聚焦商业落地的‘最后一公里’，学术界、产业界在创新链条中密不可分。”日前，在南京举行的“2023英特尔（中国）学术大会”上，英特尔公司高级副总裁、英特尔中国区董事长王锐如是说。

这个“两公里”的洞察，浓缩了英特尔在中国市场坚持推进产学研合作的心得。源头创新蓄积动能，紧密合作促进落地，从来都是科技创新、成功商业化的路径。作为一家长期根植中国的跨国企业，英特尔于2003年启动中国学术大会，今年已是第20个年头，这一大会早已成为一年一度研究与展望技术发展趋势的重要窗口，以及推动高等教育战略与产业化相结合的重要平台。

(相关资料图)

“2023英特尔（中国）学术大会”以“合·聚·创 共IN智能时代”为主题，南京市人民政府副市长吴炜、麒麟科创园管委会主任樊向前、中国科学院院士吕建、中国科学院院士刘明、中国工程院院士孙凝晖以及多位高校专家、教授出席了本次大会。

英特尔研究院副总裁、英特尔中国研究院院长宋继强表示，英特尔在人才培养、学术合作方面坚持投入最大努力，并且紧随技术趋势和产业需求及时调整。近年来，英特尔着重强调政产学研用要综合考量，这既是一个重要的提法，也是英特尔致力于推进实现的策略，只有紧密联动合作，才能最终将前沿创新在产业应用中得以实现。

万亿晶体管目标需要多维创新

海量数据的涌现和生成式AI的巨大需求，已经将算力问题推升到了一个新台阶。英特尔表示，2030年要在单一计算设备中集成一万亿个晶体管，这个单一计算设备指的不光是单芯片，而是单个封装中所有芯片的总和。目前的情况是，单个封装中的晶体管数量约为1000多亿个，也就是说，到2030年需要实现约8倍增长。

为了实现这一目标，英特尔有三大关键技术路径：

首先，持续推动半导体底层技术创新。在重回半导体制程领先地位的路径规划中，英特尔表示“有信心在Intel 18A这个阶段重回制程领先地位”，这其中的关键技术主要包括：下一代极紫外光刻（EUV）技术/即高数值孔径（High-NA）EUV、全环绕栅极晶体管RibbonFET以及全新背面电能传输网络PowerVia等。

值得注意的是，EUV的引入是渐进的，Intel 4开始逐步引入、Intel 3则完全采用，并且在这两个节点，晶体管的结构并未发生变化，仍然是FinFET结构。但是到了Intel 20A和Intel 18A这两个关键节点，RibbonFET和PowerVia开始引入。

当然，除了采用High-NA EUV提高精度、使得晶体管持续微缩，以及在晶体管架构、供电方式等方面的革新之外，英特尔还将对先进封装EMIB技术、3D先进封装Foveros等进行持续推进。

第二是提升高能效算力。宋继强强调，高能效计算不能仅仅采用传统的标准计算思维，例如AI加速卡的方式。过去使用CPU进行计算，一个处理器可以执行各种任务，但计算密度相对较低，同时制造也相当复杂，需要人工进行程序功能的设计。随着应用的发展，对于某些问题、特别是视觉问题，已经很难靠人工编程去解决，因此要借助数据驱动的方法。未来，英特尔的目标是整合不同程度的人工智能能力，例如神经拟态计算作为一种类脑计算，实际上就是通过模仿神经元的结构构建硬件，同时采用脉冲式神经网络等新技术，可以实现实时在线学习，也可以把多种不同的模态整合在一起。在这方面，英特尔已有研发7年多、并迭代到第二代的Loihi芯片，以及最新成果Kapoho Point开发板（每个板可以把8个芯片直接叠起来互连），实现了较高的计算密度和能效比，在交通、金融、通信等领域都有很好的应用前景。此外，英特尔神经拟态研究社区，已有近200家创业公司、大企业和学校的参与。

第三是提升高能效数据传输。在这方面，英特尔正在减少光学设备数量和占用面积、扩展多代产品功率和性能，集成光电是英特尔致力于在2025年实现的目标。当然，针对未来计算，还有英特尔从2015年就开始储备经验的高密度量子比特芯片、以及全堆栈量子计算方法等，推进未来的产业化和规模化。

生成式AI趋势下的“三要素”演进

AI作为一场新的科技革命，其核心要素包括算力、算法、数据。随着生成式AI时代的到来，这三要素如何更高效地结合，从而推进“让AI无所不在”这一目标？

英特尔院士、大数据技术全球CTO戴金权表示，生成式AI对算力的要求随着模型的扩张也在变大，需要更多高质量的数据、更好地训练模型、微调模型，同时，推理阶段也要用上这些高质量数据。因此从计算角度来说，需要有更好、更高效的算力支持，不管是数据中心端，还是在设备端、客户端。

再从算法角度来看，模型变大体现在两方面：一是参数量变大了，二是模型对上下文的理解范围也变大了。

那么，“三要素”如何结合，才能实现更高的效率、更高的准确度以及更好的应用场景支撑？他认为还是要在实践中探索，通过原理上的突破获得一些指导，未来会是一个螺旋上升的发展。

戴金权认为，以ChatGPT为代表的生成式AI应用，确实让业界看到了AI的一些变化。首先，神经网络架构会变，也就是从CNN（卷积神经网络）到RNN（循环神经网络）到Transformer等；其次，应用场景在不断演变，从AlphaGo到自然语言处理，再到ChatGPT，以及各种推荐系统等。

他强调，这些变化在技术发展过程中是很正常的现象，因为不同的应用场景和技术会迅速发展。然而，技术逻辑是连贯的，关键在于如何能够高效地支持这些不同的神经网络架构，无论是在训练、微调、还是推理等方面，这就需要从技术原理和基础架构出发，探索如何更高效地支持不同的AI应用。

英特尔在算力方面做了很多工作，在数据中心端，最新发布的Gaudi 2在前不久的MLPerf Benchmark竞赛中，是全球唯二提交了GPT-3预训练场景的硬件。“从硬件能力上，我们已经能够做到支撑最新的大模型”。 戴金权表示。

此外，英特尔的“王牌产品”第四代至强可扩展处理器，今年一个很突出的变化就是内置了硬件加速器，这对英特尔的通用CPU来说可谓是革命性的创新。对此，宋继强表示，为了加强对AI工作负载的支持，英特尔在通用CPU中加入了指令集和专门的加速器，比如高级矩阵扩展AMX，专门针对矩阵级的运算做高效加速。这一创新其实更多是源于客户需求，这样他们就不需要再单独购置其他AI加速器或GPU，直接就可以在CPU上运行AI负载了。既给客户节约了部署成本，减少传输和存储成本，同时也便于客户在其场景中更方便地使用AI能力，从而推进AI普及。

不光是在服务器CPU，我们的PC处理器也会加入AI能力，英特尔致力于把AI能力集成到各个级别的CPU中。”宋继强强调。

目前，英特尔在笔记本、轻薄本上也实现了生成式AI的能力，并且不需要任何外置硬件，只是通过CPU集成显卡。

戴金权表示，只有对大模型提供非常高效的支持，才能真正做到让生成式AI植入各种各样的应用中，让大家在日常生活中把生成式AI用起来。

坚持开源开放，为智能加速

作为一家半导体公司，英特尔其实也是一家软件公司，全球有超过两万名软件工程师，其中中国有三四千人，软件工程师数量和软件能力堪称强大。

据英特尔公司副总裁、英特尔中国软件生态事业部总经理李映介绍，英特尔的软件业务主要集中在三方面：第一是底层软件，通过对底层软件的贡献，真正把算力价值发挥出来，满足应用需求。第二是中间软件，也就是对中间框架、操作系统、AI框架等进行支持，从而保证中间的框架、编程语言，能够在高效的硬件环境下运行和实施，更重要是，通过对开源社区的贡献，可以让开源软件框架得到更大扩展，从而支持整个软件生态的发展。

他强调，英特尔中国战略实施后，很重要的一点就是深入立足本土进行创新。在过去的一年，一方面，英特尔把国际上开源社区的合作经验带到中国，跟中国的开源社区，包括开放原子、龙蜥等紧密合作；另一方面，英特尔积极参与中国本土创新，结合中国本土和英特尔自身的技术能力共同推动技术发展。

英特尔院士、首席编译器性能架构师田新民着重介绍了英特尔发展oneAPI的意义。他表示，oneAPI作为开源软件，从架构基础就具有很强的可扩展性，这不只是针对英特尔的硬件架构，同样也针对其他硬件架构类型，英特尔希望更多社区、研究所、大学、企业能够充分利用oneAPI的优势，为下一代不论是AI技术还是高性能计算技术铺平道路。

特别是对于学界，oneAPI让大家无需再花费时间来做优化矩阵计算性能这类基础工作，而是可以将精力投入到更具前瞻性的研究中。并且，这种贡献是互相的，更多用户使用oneAPI有助于英特尔不断完善软件系统，实现共赢局面。

数字时代的高质量人才培养

如何实现高质量人才培养？宋继强表示，近年来，英特尔对数字化能力的培养尤为看重，这也是英特尔全球培养计划的一部分；此外，AI能力也是当前的关键，并且已经初见成效，在英特尔AI全球影响力嘉年华中，中国团队表现突出，去年获得了全球总冠军。英特尔希望在数字化转型的关键领域，和中国学术界进一步探讨新产业化落地的机会。

华东师范大学副校长周傲英表示，“全民数字素养”是当下趋势，某种意义上，数字素养就是知道怎么和机器打交道，这也意味着要有编程思维。同时，要真正理解数据，因为数据是人的认知结果在计算机中的表示，它会带来根本的改变，最终通往万物互联。

关于和学术界具体的合作方式和渠道，宋继强谈到，第一，人才培训，可以通过建立实训基地或联合开设课程的方式实现，这是长期的合作方式。第二，跟进教育部的培养计划，比如“中国高校人工智能人才国际培养计划“等，和不同的学校展开相关合作。第三，英特尔自发组织的人才培养计划，比如“英特尔中国学术英才计划”，通过组织技术研讨会、学术沙龙、能力提升论坛等方式，搭建更大规模的产业界、学术界交流平台。此外还有“英特尔创新飞轮计划”，将探索挖掘学术界种子项目，促进其产业化落地。第四，英特尔还会发起偏研究型的合作，既包括全球范围的计划，也包括在中国市场的合作，相关的研究课题包括5G、移动边缘计算、智能驾驶、车路协同等，这些项目周期较长，投资规模也较大。第五，英特尔会根据不同部门的研究型需求，展开定向合作。

宋继强强调，无论是数字人才的培养和发展，还是产业界、学术界的融合创新，均非一日之功。英特尔将继续致力于搭建更广泛的平台、促进更多交流合作，从前沿探索到商业落地，形成更强合力，推动更多满足本土需求的创新。