Что такое нейроморфные вычисления и зачем они нужны

Традиционные процессорные архитектуры — CPU и GPU — построены по схеме фон Неймана: вычислительный блок и память физически разделены и постоянно обмениваются данными. Для детерминированных вычислений — компиляции, рендеринга, финансовых расчётов — такая модель хорошо работает. Но когда задача требует обработки разреженных, постоянно меняющихся потоков данных, непрерывная пересылка тензоров между памятью и ядрами превращается в основной источник энергопотребления и задержек.

Человеческий мозг потребляет около 20 Вт и при этом справляется с задачами восприятия, адаптации и непрерывного обучения, которые остаются непосильными для дата-центров мощностью в мегаватты. Секрет — в архитектуре: каждый нейрон одновременно хранит синаптические веса и выполняет локальные вычисления. Нет разделения «память — процессор», нет постоянной шины данных. Этот принцип в конце 1980-х годов описал Карвер Мид из Калтеха и назвал нейроморфными вычислениями.

Intel вошла в эту область не с нуля: к 2017 году в Intel Labs уже существовало четыре поколения внутренних нейроморфных исследовательских чипов. Loihi стал пятым по счёту — и первым, открытым для академического сообщества.

Loihi первого поколения: основы архитектуры

Анонсированный 25 сентября 2017 года, Loihi изготовлен по 14-нм техпроцессу Intel. Площадь кристалла — 60 мм², транзисторный бюджет — 2,07 млрд. Но коммерческая привлекательность чипа определяется не этими цифрами, а архитектурными решениями.

Структурная единица Loihi — 128 нейроморфных ядер, связанных асинхронной mesh-сетью. Каждое ядро вмещает до 1024 нейронов, работающих по модели импульсной нейронной сети (Spiking Neural Network, SNN). Нейрон не вычисляет непрерывно: большую часть времени он пассивно накапливает входящий потенциал. Когда потенциал превышает порог, нейрон генерирует короткий импульс — спайк — и сбрасывается. При слабых или отсутствующих входных сигналах подавляющее большинство ядер бездействует и практически не потребляет энергию.

Информация в SNN кодируется не числовыми значениями активаций (как в обычных нейросетях), а временными паттернами — частотой спайков и интервалами между ними. Система реагирует на события асинхронно, в момент их появления, а не в такт глобальному тактовому сигналу.

На момент выпуска уникальной особенностью Loihi стал встроенный движок on-chip обучения в каждом ядре. Синаптические веса обновляются прямо на кристалле без выгрузки данных. Поддерживаются вариации STDP (spike-timing-dependent plasticity) — биологически правдоподобный механизм усиления и ослабления синаптических связей в зависимости от временной корреляции активностей.

Помимо 128 нейроморфных ядер, чип содержит три управляющих ядра на архитектуре Quark x86 для вспомогательной логики. Суммарно — 131 072 нейрона и 130 млн синапсов. Напряжение питания — от 0,5 до 1,25 В. Чипы масштабируются через межчиповый интерфейс в единую mesh-структуру, поддерживающую до 16 384 чипов.

По данным Intel, на задачах типа LASSO преимущество по метрике energy-delay product превышало три порядка величины относительно CPU-решателей в сопоставимых условиях.

Масштабные системы на базе Loihi 1

Параллельно с предоставлением доступа к чипам Intel последовательно наращивала масштаб исследовательских платформ.

Kapoho Bay — компактная плата с двумя чипами Loihi и 262 000 нейронами, ориентированная на edge-развёртывание с потреблением в десятки милливатт.

Pohoiki Beach — представлен в июле 2019 года на саммите DARPA Electronics Resurgence Initiative. Система включала 64 чипа Loihi на платах Intel Nahuku (от 8 до 32 чипов на плату), итого 8 млн нейронов. Intel тогда продемонстрировала линейное масштабирование энергопотребления: увеличение нейронной сети в 50 раз требовало лишь 30% прироста мощности против 500% на традиционном оборудовании.

Pohoiki Springs — март 2020 года, 768 чипов Loihi, 100 млн нейронов в 5U-шасси при потреблении менее 500 Вт. Intel сравнивала нейронную ёмкость системы с мозгом небольшого млекопитающего. Доступ предоставлялся участникам Intel Neuromorphic Research Community (INRC) через облачный интерфейс.

Loihi 2: второе поколение и переход на EUV

В сентябре 2021 года Intel анонсировала Loihi 2 — первый публично объявленный продукт компании, изготовленный на предсерийной версии техпроцесса Intel 4 с EUV-литографией, задолго до появления этого узла в массовых процессорах.

При сохранении общей топологии (128 нейроморфных ядер в mesh) внутренняя архитектура была переработана радикально:

  • Площадь кристалла сократилась с 60 до 31 мм²
  • Транзисторный бюджет вырос с 2,07 до 2,3 млрд
  • Число нейронов на чипе увеличилось с 131 072 до 1 048 576
  • Количество управляющих ядер на нейроморфное ядро выросло с трёх Quark до шести Lakemont

Ключевым архитектурным нововведением стали градуированные спайки (graded spikes) с полезной нагрузкой до 32 бит вместо строго бинарных сигналов. Нейронная сеть теперь передаёт не только факт срабатывания, но и количественную информацию в одном событии — это существенно расширяет круг поддерживаемых алгоритмов.

Сравнительная таблица: Loihi 1 против Loihi 2

Характеристика Loihi 1 (2017) Loihi 2 (2021)
Техпроцесс Intel 14 нм Intel 4 (EUV, предсерийный)
Площадь кристалла 60 мм² 31 мм²
Транзисторы 2,1 млрд 2,3 млрд
Нейронов на чип 128 000 1 млн
Синапсов 128 млн 120 млн
Нейроморфных ядер 128 128
Управляющих ядер 3 (Quark x86) 6 (Lakemont)
Память на нейронное ядро 208 KB, фиксированное 192 KB, гибкое распределение
Тип спайков Только бинарные (1 бит) Бинарные + 32-битные (graded spikes)
Кодирование информации Двоичные импульсы Градуированные импульсы до 32 бит
Напряжение питания 0,50–1,25 В 0,50–1,25 В

По данным Intel, Loihi 2 работает до 10 раз быстрее предшественника и обеспечивает 15-кратный рост плотности вычислительных ресурсов. Ранние измерения зафиксировали 60-кратное снижение числа операций на инференс по сравнению с аналогичными алгоритмами на Loihi 1.

Одновременно с чипом Intel представила плату Kapoho Point — восемь чипов Loihi 2, масштабируемых в стек для работы с моделями до миллиарда параметров или задачами оптимизации размерностью до восьми миллионов переменных. Вторая система — Oheo Gulch — предназначена для облачного доступа через INRC.

Фреймворк Lava: открытый программный стек

Вместе с Loihi 2 Intel открыла исходный код фреймворка Lava — Python-библиотеки для разработки нейроморфных приложений. Архитектура Hardware Abstraction Layer позволяет создавать и тестировать нейроморфные алгоритмы на обычном CPU в режиме симуляции, а затем компилировать их для Loihi 2 без переписывания кода.

Это заметно снизило порог входа: исследователи разрабатывают и отлаживают алгоритмы локально, не запрашивая машинное время через INRC на каждом шаге. В экосистему Lava входят инструменты NxTF и Lava-DL для конвертации обученных ANN-моделей в SNN-эквиваленты.

Что показали исследования на Loihi

Чипы Loihi недоступны для свободной продажи и предоставляются исключительно участникам Intel Neuromorphic Research Community (INRC). За несколько лет более 150 академических групп, государственных лабораторий и компаний опубликовали широкий спектр результатов.

Наиболее резонансный — электронный нос, созданный Intel Labs совместно с Корнелльским университетом. Используя нейронный алгоритм, воспроизводящий работу обонятельных цепей мозга, Loihi обучили распознавать 10 опасных химических веществ — предшественников взрывчатки и наркотических соединений.

Результат опубликован в Nature Machine Intelligence: чип усваивал каждый новый запах по одному образцу, не теряя ранее усвоенных. Стандартное Deep Learning-решение для достижения сопоставимого качества классификации требовало в 3000 раз больше обучающих примеров.

Другие направления исследований включают:

  • Онлайн-обучение в задачах робототехники в режиме реального времени
  • Адаптивную обработку непрерывных сенсорных потоков
  • Задачи комбинаторной оптимизации
  • Медицинскую диагностику непосредственно на устройстве без передачи данных в облако

Hala Point: крупнейшая нейроморфная система на сегодняшний день

В начале 2024 года Intel передала Национальной лаборатории Сандиа (Sandia National Laboratories) систему Hala Point — наиболее масштабную нейроморфную вычислительную установку из когда-либо построенных. Система размещена в 6U-шасси — по габаритам сопоставимом с бытовой микроволновой печью — и содержит 1152 чипа Loihi 2.

Суммарные технические характеристики Hala Point:

  • 1,15 млрд нейронов
  • 128 млрд синапсов
  • 140 544 нейроморфных процессорных ядра
  • 2300 встроенных x86-ядер для вспомогательных задач
  • Потребление — около 2600 Вт
  • Эффективность инференса глубоких нейросетей — до 15 TOPS/W при 8-битной точности

Для сравнения: система Pohoiki Springs на Loihi 1 насчитывала 100 млн нейронов при потреблении 300–500 Вт. Hala Point превосходит её по плотности в 15 раз и по скорости — в 10 раз. Intel сопоставляет нейронную ёмкость системы с мозгом совы.

Практические ограничения технологии

При впечатляющих показателях энергоэффективности нейроморфные процессоры Loihi остаются исследовательской технологией с рядом реальных ограничений, которые важно понимать.

Совместимость с существующими моделями. Запустить стандартные трансформерные архитектуры (GPT, LLaMA) или диффузионные модели на Loihi напрямую невозможно: они используют непрерывные плавающие активации и плотные матричные умножения, несовместимые с импульсной парадигмой. Конвертация обученной ANN в SNN с помощью NxTF и Lava-DL технически возможна, но нетривиальна и сопровождается потерей точности.

Отладка и воспроизводимость. Асинхронная природа вычислений существенно усложняет детерминированное воспроизведение результатов — в отличие от синхронных GPU-систем. Разработка диагностических инструментов для SNN остаётся активной областью исследований.

Область применимости. Нейроморфные чипы дают порядковые преимущества перед GPU на разреженных, событийно-управляемых задачах: классификация сенсорных потоков, онлайн-обучение с малым числом примеров, комбинаторная оптимизация. Для плотных вычислений с большими батчами — обучения крупных языковых моделей или работы с диффузионными моделями — преимущества нивелируются.

Зрелость экосистемы. Несмотря на открытость Lava, сообщество SNN-разработчиков несопоставимо меньше PyTorch/CUDA-экосистемы. Готовых моделей, инструментов и документации на порядки меньше.

Вероятное третье поколение: Loihi 3

В начале 2026 года в профессиональном сообществе появились обоснованные предположения о готовящемся анонсе чипа Loihi 3. Если эти данные подтвердятся, перед нами окажется уже третье поколение нейроморфных процессоров Intel — линейки, которую компания методично развивает почти десять лет. Официальных технических характеристик Intel пока не раскрывала.

Итог: где нейроморфные чипы занимают свою нишу

Семейство Intel Loihi — не конкурент GPU в привычном смысле, а ответ на принципиально другой класс задач. Там, где GPU берёт параллелизмом плотных матричных операций, Loihi делает ставку на событийность и разреженность: нейроны, молчащие большую часть времени, и обучение прямо на кристалле без передачи данных наружу.

Нейроморфные процессоры вряд ли вытеснят GPU в задачах обучения больших языковых моделей. Их ниша — разреженные, непрерывные, энергетически ограниченные сценарии: автономная робототехника, промышленные сенсоры, медицинская диагностика на устройстве. Именно там, где сегодня приходится выбирать между допустимым потреблением и приемлемой задержкой, нейроморфные чипы предлагают третий вариант.

Если вас интересуют серверные платформы для задач ИИ и машинного обучения, специалисты СервакМастер готовы подобрать оптимальную конфигурацию под ваши задачи. Свяжитесь с нами для получения консультации.