人工智能硬件架构未来

近些年来，计算机科学的研究重点都放在信息处理层面上，我们将这个时代称为“大数据时代”。随着大数据时代的到来，庞大的数据处理将会给现有的处理模式发出挑战，如何高效地处理庞大的数据，是计算机技术突破现有技术发展的一个方向。在人工智能的支持，预见架构将从底层发生变革，到那个时候硬件模式将摆脱对云计算的依赖，将从芯片层面构建一个完善的硬件大脑，直接对数据进行处理。这个设想或许是人工智能在硬件设备领域的终极解决方案。从现阶段的技术层面来看，实现这个目标似乎还很遥远，但是方向已经显现出来了，人们正走在探索的路上。

人脑芯片。

2014年IBM公司宣布经过六年时间的研发，研制出一款百万神经元类人脑芯片，尽管这款芯片与拥有一千亿个神经元和不可计量的突触的人脑相比较来看，差距还非常大，但是与蜜蜂的大脑已经非常接近了。简单来说，这款芯片能够通过探测、识别模式将一些字母串联在一起，拼凑出完整的单词或者句子。这种应用功能还是比较简单，与商业应用需求相距甚大。除了IBM公司，INTEL和高通等公司在研发相关产品，被称为“神经形态”。这类芯片还处在漫长的研发期，离商业应用还有很长的时间需要等待。

量子计算。

现在我们的计算是借助晶体管电路存储数据，属于二进制，只能完成一些简单的建模也计算，面对浮躁的建模和计算便显得难以应对。而量子计算机很好地弥补了这种缺陷，借助由粒子的两支状态存储数据和算法对数据进行控制，借助量子逻辑来完成计算，其拥有的强大并行计算能力能够大幅度提升计算机的计算速度。谷歌公司有团队正在着力此方面的研发，这一研究是否能有所突破现在还无法预知。

仿生计算机。

目前在通用的CPU、GPU基础上星辰的处理审计网络运作效率较低，在构建数据中心的时候耗时长、发热量大且能耗高。因此成本比较高。仿生计算机就是为解决这个问题产生的，通过仿生计算机，大规模人工神经网络的构建问题能得到有效解决。有团队研发的神经网络计算机，实现了处理器无需访问内存处理，使得处理效率大大提升，并能支持现有的主流机器的学习算法。

专用智能到通用智能。

在专用智能时代，人工智能技术智能在特定领域和场景实现应用。随着人工智能技术的发展，当用智能时代步入通用智能时代后，人工智能技术的普遍适用性将得到大面积应用，例如一个普通的监控摄像头与计算机视觉云平台的结合，在很多场景都能根据用户需求对人群进行识别并做出分析决策。当前，同智能时代离我们还比较遥远，要想从专用智能时代进入通用智能时代计算资源层面必须突破现有能力的上限，建模层面需要突破线下深度学习算法的极限，真正实现“机器人能像人一样思考”。