Reilu kaksi vuotta sitten Intel esitteli ensimmäisen neuromorfisen prosessorinsa, joka oli suunniteltu tekoälylaskentaan. Neuromorfisella Intel viittaa ihmisaivoja matkivaan rakenteeseen. Nyt yhtiö on esitellyt toisen polven Loihi-piirinsä. Se yllättää 4 nanometrin viivanleveydellään.
Loihi 2 ottaa ison askeleen eteenpäin neuromorfisessa laskennassa. Edeltäjäänsä verrattuna piiri tuo 10 kertaa nopeamman prosessoinnin, 15 kertaa enemmän laskentaresursseja samassa tilassa ja jopa miljoona neuronia yhdellä sirulla. Yksi yllättävimpiä kohtia uutisessa on kuitenkin oihi 2:n valmistusprosessi.
Intel nimittäin kertoo valmistavansa piirejä Intel 4 -prosessissa. Kyse on EUV-litografiasta ja nejän nanometrin viivanleveydestä. Tässä prosessissa 31 neliömillin kokoiselle sirulle on ahdettu 2,3 miljardia transistoria. Yhtä neliömilliä kohti transistoritiheys on 71,2 miljoonaa.
Jo Loihi 1 oli merkittävästi tavallisia mikroprosessoreita tehokkaapi tekoälysuoritin. Kaksi vuotta sitten Intel kertoi, että neuromorfinen prosessori laskee koneoppimismalleissa jopa tuhat kertoo tavallista mikroprosessoria nopeammin. Lisäksi Loihi 1 tunnistaa esimerkiksi graafeja 10000 kertaa energiatehokkaammin kuin tavalliset PC-prosessorit.
Koska koko laskennan periaate poikkeaa täysin yleiskäyttöisistä, myös sovellusten kirjoittaminen on oma taiteenlajinsa. Intel esitteli Loihi 2:n rinnalla uuden Lava-kehitysympäristön, joka on avoin, erilaisilla prosessoriarkkitehtuureilla toimiva kehys. Suurin ero neuromorfisen laskennan ja normaalin prosessoinnin välillä on se, että edellinen on tapahtumapohjainen: kun data on prosessoitu, siirrytään keskeytykseen jälkeen seuraavaan. Perinteisessä laskennassa prosessointi perustuu kellojaksoihin.
Intel on avannut useita työkaluja Lava-kehyksen alla neuromorfisen laskennan kehitykseen. Tavoitteena on yhteisön avulla kehittää kokonainen ohjelmistoalusta, jota voidaan hyödyntää erilaisilla laitealustoilla.
Intelin ensimmäinen Loihi 2 -järjestelmä on PCIe-pohjainen lisäkortti Oheo Gulch. FPGA-pohjaisena sitä voidaan käyttää sekä Loihi 2 -evaluointiin että palvelimen AI-kiihdytykseen.
Kun suurteholaskennan (HPC) työkuormat monimutkaistuvat, generatiivinen tekoäly sulautuu yhä tiiviimmin moderneihin järjestelmiin ja lisää kehittyneiden muistiratkaisujen tarvetta. Vastatakseen näihin muuttuviin vaatimuksiin ala kehittää uuden sukupolven muistiarkkitehtuureja, jotka maksimoivat kaistanleveyden, minimoivat latenssin ja parantavat energiatehokkuutta.
