專訪英特爾中國研究院院長宋繼強：量子計算產業化，還有哪些“坑”要填？
【文/觀察者網 呂棟】
近年來，人工智能、物聯網、大數據、自動駕駛等新型工作負載不斷出現，也讓多元化計算時代加速到來。在經典計算之外，量子計算、神經擬態計算等前沿計算領域持續受到關注。
對於當前的大國競爭來説，量子計算等前沿技術已成為新的競爭高地。而對於企業和科研機構來説，衡量一項前沿技術最終成不成功的關鍵點，還是在於它能否產業化落地。
針對目前新型計算技術的發展現狀，觀察者網近期專訪了英特爾研究院副總裁、英特爾中國研究院院長宋繼強，他在採訪中闡述了神經擬態計算等前沿技術的產業化程度，以及英特爾發展量子計算技術的特殊路徑，並解釋了這些前沿計算技術在產業化落地方面還有哪些難題待解。
宋繼強認為，量子計算產品化的路徑沒有那麼快，因為這其中還有很多實際的“坑”沒有填上，現在大家都還在做量子比特的階段，質量有待提高。“首先量子比特的穩定程度、容錯能力，還有它相干時間的長短，包括有多少個量子比特可以真正穩定的相干在一起，這些都是問題。”
作為傳統半導體巨頭，英特爾在推動經典計算的同時，也在佈局前沿計算領域。例如，該公司在今年6月推出新型量子芯片Tunnel Falls，包含12個硅自旋量子比特。而在神經擬態計算領域，英特爾也已推出第二版的Loihi芯片，並與北大、復旦、中科院自動化所、鵬程實驗室等國內高校和機構開展合作。
以下是專訪實錄：
觀察者網：現在神經擬態計算、量子計算等前沿技術的產業化程度怎麼樣，規模產業化的挑戰還有哪些？
**宋繼強：**如果説從這兩個點來講，它們產業化的路徑，包括時間都還不一樣。從質量或説軟硬件成熟度來説，神經擬態計算其實更接近產業化。因為它本身是利用成熟製程做的，未來Intel 4，可能Intel 3、Intel 20A製程都可以用。它主要是設計了一套全新的神經擬態計算的硬件框架，硬件架構設計是新的，硬件編程也是新的，因為這個是必須跟硬件對應的，包括編譯器。所以它的商業化難度，主要在於找到一個特別合適規模化使用的應用。
神經擬態計算的優點比較明顯。首先，它可以像人腦一樣，在比較節省功耗的情況下，完成一些智能化動作。第二，它可以同時去做多種不同的任務，而不是説一個硬件只能做一件事，未來我們還希望能夠在同一個芯片架構上、一個開發環境上，去支持多種不同模態互相交互，就像人腦一樣，有嗅覺處理、有聽覺處理、有味覺處理，有視覺處理，互相之間交叉關聯。
如果純是深度學習，是關聯不起來的，它的模型是做視覺就是做視覺，做聽覺就是做聽覺。現在當然也開始有做多模態輸入的，但走的路徑是不一樣的。
在神經擬態計算裏面，我們其實是希望真的去模擬人腦，慢慢形成不同的腦區，這些腦區之間，真正去構成一些認知能力的時候，互相是能夠影響的，比如説你閉着眼睛也能夠去知道這是一個蘋果還是榴蓮，通過觸覺和其他的感知也可以知道，這是神經擬態計算想要達到的效果。
它在能力上確實要往這方面走，但在應用領域必須要找到突破口，到底哪個應用會讓它獨樹一幟，讓大家能把這個應用跑出來，就像深度學習一樣，也是等了好多年，終於找到一個合適的時間點，從硬件的性價比、能力、應用等方面，在計算機視覺領域先跑出來。從神經擬態計算硬件相對來講的成熟度來看，英特爾現在迭代到第二版的Loihi 2，從能效比和可編程性來看，比第一版已經好了很多。當然我們還要再繼續迭代，需要一兩個關鍵應用把它帶飛起來。
但量子計算不一樣，量子計算現在面臨的困難還是非常多的，因為現在大家都還在做量子比特的階段，質量要提高。
首先量子比特的穩定程度、容錯能力，還有它相干時間的長短，包括有多少個量子比特可以真正穩定的相干在一起，這些都是問題。這些問題都解決的情況下，才能往上層去做基於邏輯的可使用的量子比特，一旦形成一定數量的邏輯量子比特，並能很好地控制它之後，上面的算法、應用相對來講才會發展比較快。現在其實就是在底層，從量子比特到底用什麼方式製備，到怎麼解決差錯控制，再到怎麼把它的相干時間拉長，還有就是未來真正做產業化，用什麼樣的方案去支持產業化生產，乃至未來量子計算機到底長什麼樣，這些都還沒有定論。
英特爾神經擬態計算芯片Loihi
觀察者網：量子計算可以説還處在前期研究階段？
**宋繼強：**現在還屬於早期，要想可量產、實現足夠的容錯性，目前都還沒有達到那一步。但是從量子比特的製備方式上講，英特爾的路徑比較獨樹一幟，就是用硅電子自旋方式上去製備量子比特，這跟業界長期以來通過超導固態電路的方式去製備量子比特很不一樣。
觀察者網：在很多人印象中，英特爾是傳統的半導體巨頭，但是現在英特爾研究院在做很多前沿的研究，像神經擬態計算和量子計算等。做這些前沿佈局時，英特爾都有哪些考慮？現在大概有多少力量或者資源投入其中？
宋繼強**：**我們想做的東西都是要在未來可被規模產業化使用的技術。所以不管是做量子計算芯片，還是做神經擬態計算芯片，最終衡量它成不成功，都在於能不能形成規模化、產業化的效應。
在量子比特這條道路上，為什麼我們選了基於硅電子自旋的方式，也是因為發現這個最適合英特爾，在300毫米的，大規模的CMOS製備這種半導體技術的基礎上把它產業化起來。同時，我們也看到基於這種方式做量子比特，它的尺寸是微縮的，比現在基於超導量子比特製備的小100萬倍。因為它是在硅晶圓上用CMOS工藝做的，一個量子比特大小就跟一個晶體管大小差不太多，所以具備規模化生產的基礎。當然這裏面還缺一些東西，比如説怎麼去提高量子比特量產的良率，包括最後怎麼去形成計算系統等。但由於我們已經知道大部分流程實際上跟半導體制程類似，因此更具備產業化條件。
神經擬態計算其實也一樣，我們在做的時候也是要考慮不只是像學術界一樣，發一堆論文，讓博士生能畢業就行，我們必須要看未來怎麼去把它商業化。因此，我們在出第一款測試芯片Loihi之後，就開始構造一個全球社區，叫英特爾神經擬態研究社區（INRC）。這個社區就是先從初創企業和早期一直在做這方面研究的科研團隊入手，在測試芯片上做測試開發，看看效果怎麼樣，進而去提升硬件設計，所以第二版Loihi 2性能好很多。
我們同時也和初創企業，以及和一些世界500強大企業一起，去探索神經擬態計算芯片的應用，因為一個新的芯片出來，總得找到合適的用處才行。我們試了在終端設備上、在機器人上、在無人機上、在雲端數據中心的優化上，去做不同種類的應用嘗試，就是希望能夠找到適合規模化使用的場景。這就是做產業化路徑和做學術路徑不一樣的地方。這個項目，目前研究院基本上維持一個五六十人的團隊在做，做量子計算的人其實比這還多，因為量子計算是研究院和TD（技術開發）部門同時在做。
觀察者網：神經擬態計算是英特爾中國研究院和總部一起在研究嗎？
**宋繼強：**芯片的設計主要是總部在做。我們這邊主要是幫他們在中國去構建英特爾神經擬態研究社區，這個社區包含學術機構和一些企業，我們向他們提供硬件，讓他們去做實驗，比如中科院自動化所、北京大學、復旦大學等，我們也有一些實驗性的應用。
觀察者網：剛才講到，量子計算也是英特爾研究院比較重視的領域，目前英特爾在整個行業中處於什麼樣的位置？
**宋繼強：**英特爾技術是在第一梯隊。在量子計算芯片這塊，英特爾真的做出來了，而不是用一個超算系統去模擬量子計算。另外，我們也認識到，量子計算產品化的路徑沒有那麼快，因為這裏面還有很多實際的“坑”沒有填上。實際上來講，英特爾做量子計算非常認真，我們在探索量子計算芯片的製備，包括最後怎麼能在一個高良率、高量產能力的產品線上真正把它做出來等。
有了量子芯片之後，我們還需要有低温的無線微波芯片去控制它，那個也是英特爾自己在做。等於説第一要有計算芯片，第二得有微波控制芯片，需要在零下270度左右工作。然後還得有檢測設備，量子芯片做出來了，要有很好的設備去檢測它到底是不是工作正常，就像我們正常做完芯片，都要有流程化的設備去檢測它，這個英特爾也是在跟低温檢測設備廠專門合作，我們做了世界上最大的，能夠容納一整個300毫米晶圓的檢測設備，可以同時檢測上面的量子點是不是在正常運作。
觀察者網：這是不是也是英特爾堅持IDM（垂直整合製造）模式的原因之一？
**宋繼強：**那是肯定的，製造硅量子芯片需要太多在硅製程工藝上的積累才能做到。
英特爾量子芯片Tunnel Falls
觀察者網：我們知道，很多外企在華設置的部門更偏向銷售職能，而英特爾很早就在中國設置了英特爾中國研究院，想問一下研究院在整個英特爾體系中扮演着什麼樣的角色，它對英特爾在中國市場的發展起到了哪些作用？
**宋繼強：**英特爾中國研究院是英特爾研究院的一部分，而英特爾研究院在整個英特爾的研發體系中是前沿技術創新的引擎。
首先，在整個英特爾研發體系中，有專門做產品研發的部門，他們基於已經相對比較成熟，可以做產業化、商業化的技術，在一到兩年內把它變成產品推向市場，或者直接拿來支持客户的產品和解決方案需求，這個會佔整個研發體系的很大一部分，比如説現在上海的英特爾亞太研發中心，還有北京的研發團隊，大多是在做這方面的工作。
英特爾研究院不是直接面向客户，而是英特爾中的各個不同的產品部門或者剛剛提到的產品研發部門，給他們提供一些技術輸入。同時在英特爾研發體系中還有一個在生產體系裏的Technology Development（技術開發）部門，與製程、材料等相關的半導體底層技術，是TD部門主要負責的。這個部門和英特爾研究院共同形成一個比較大的研究團隊。這兩個部門都會去發論文和申請專利，也都會做很多早期實驗，TD部門會做偏向於生產製造的研究，其中比如説電路、3D封裝等早期實驗，英特爾研究院也會和TD部門合作。
但是，英特爾研究院會更偏向怎麼去使用這些技術，比如説做處理器等硬件架構、一些功率器件、電源管理器件、無線傳輸和射頻器件，還有一些是在軟件系統方面，專門做底層針對硬件的軟件優化，也有針對雲做一些虛擬化的、資源調度的軟件，再往上還有做人工智能算法，人工智能構成專用系統等一些研究。
總體來看，在英特爾研究院的體系中，更多是會跟一些未來不同的應用領域，還有在整個IT系統的堆棧、分層裏，每一層都要做的一些東西有關，因為本身技術開發部門只是做半導體層面的研究，但是之上的很多層都是在英特爾研究院體系做的，包括神經擬態計算，這是一種新的計算架構，都是英特爾研究院在做。
所以，英特爾研究院處於產品研發的早期階段。我們的輸入實際上是來自很多比如説大學、研究機構裏相對比較成熟的技術。我們會跟各個地方的大學、研究機構建立一些合作關係，去了解他們在做哪些科研合作，然後把相對來講比較成熟並且和英特爾有關的技術導入到英特爾的體系中來。這也是英特爾研究院的主要職責，與大學和研究機構合作。同時我們也會看一些政府級別的項目，因為很多時候政府級的項目導向性比較重要，就像中國政府一旦設定導向性，是會推動一波技術創新的。
此外，還有比較大的企業合作伙伴的研究型組織，也是我們去獲得一些未來方向的點。有這麼多輸入之後，我們再去通過研究院中“三段式”的流程，“發現（Seek）”、“解決（Solve）”和“推廣（Scale）”，去把它逐漸導向產品部門，最後形成技術轉移。所以可以把英特爾研究院理解成，我們從一個比較大的，可被用來產品化的池子裏篩選一些技術，再通過做一些原型，最後把它導入到產品研發流程中去的一個組織，所以我們把自己稱為“工業研究院”，不是純發論文，要衡量最後的技術轉化效果。
觀察者網：比如説Intel 3等芯片製程層面的研發，主要是TD部門在負責？
**宋繼強：**沒錯。
觀察者網：神經擬態計算、量子計算這種更前沿的技術，就是由英特爾研究院來主導的？
**宋繼強：**這個問題我再進一步澄清一下，比如説神經擬態計算，它是一個主要在芯片架構層級的創新，加上上面一些軟件開發包的構造，所以這部分基本上全是研究院在做，但它會用到英特爾最新的可以去做測試芯片的工藝。比如它第一代是用14nm製程，第二代在用Intel 4製程，所以它會不停地跟着新工藝往前迭代。
但是量子計算不一樣，它實際上是從無到有，研究院和TD在緊密在合作。這裏比如説TD主要是負責研究怎麼形成量子比特，包括怎麼提升量子比特未來生產工藝的良率，怎麼糾錯，是他們主要負責，研究院負責怎麼在低温下通過射頻去控制這些量子比特，怎麼去構造上邊的一些軟件堆棧，去測試它，這兩塊是非常緊密的耦合在一起做的。
（觀察者網已相繼刊發兩版對宋繼強的專訪：1.專訪英特爾高管：中國未來在RISC-V上一定會發展的很好；2.專訪：除了使用最強光刻機，英特爾製程反超台積電還有哪些招數？）