专访英特尔中国研究院院长宋继强：量子计算产业化，还有哪些“坑”要填？
【文/观察者网 吕栋】
近年来，人工智能、物联网、大数据、自动驾驶等新型工作负载不断出现，也让多元化计算时代加速到来。在经典计算之外，量子计算、神经拟态计算等前沿计算领域持续受到关注。
对于当前的大国竞争来说，量子计算等前沿技术已成为新的竞争高地。而对于企业和科研机构来说，衡量一项前沿技术最终成不成功的关键点，还是在于它能否产业化落地。
针对目前新型计算技术的发展现状，观察者网近期专访了英特尔研究院副总裁、英特尔中国研究院院长宋继强，他在采访中阐述了神经拟态计算等前沿技术的产业化程度，以及英特尔发展量子计算技术的特殊路径，并解释了这些前沿计算技术在产业化落地方面还有哪些难题待解。
宋继强认为，量子计算产品化的路径没有那么快，因为这其中还有很多实际的“坑”没有填上，现在大家都还在做量子比特的阶段，质量有待提高。“首先量子比特的稳定程度、容错能力，还有它相干时间的长短，包括有多少个量子比特可以真正稳定的相干在一起，这些都是问题。”
作为传统半导体巨头，英特尔在推动经典计算的同时，也在布局前沿计算领域。例如，该公司在今年6月推出新型量子芯片Tunnel Falls，包含12个硅自旋量子比特。而在神经拟态计算领域，英特尔也已推出第二版的Loihi芯片，并与北大、复旦、中科院自动化所、鹏程实验室等国内高校和机构开展合作。
以下是专访实录：
观察者网：现在神经拟态计算、量子计算等前沿技术的产业化程度怎么样，规模产业化的挑战还有哪些？
**宋继强：**如果说从这两个点来讲，它们产业化的路径，包括时间都还不一样。从质量或说软硬件成熟度来说，神经拟态计算其实更接近产业化。因为它本身是利用成熟制程做的，未来Intel 4，可能Intel 3、Intel 20A制程都可以用。它主要是设计了一套全新的神经拟态计算的硬件框架，硬件架构设计是新的，硬件编程也是新的，因为这个是必须跟硬件对应的，包括编译器。所以它的商业化难度，主要在于找到一个特别合适规模化使用的应用。
神经拟态计算的优点比较明显。首先，它可以像人脑一样，在比较节省功耗的情况下，完成一些智能化动作。第二，它可以同时去做多种不同的任务，而不是说一个硬件只能做一件事，未来我们还希望能够在同一个芯片架构上、一个开发环境上，去支持多种不同模态互相交互，就像人脑一样，有嗅觉处理、有听觉处理、有味觉处理，有视觉处理，互相之间交叉关联。
如果纯是深度学习，是关联不起来的，它的模型是做视觉就是做视觉，做听觉就是做听觉。现在当然也开始有做多模态输入的，但走的路径是不一样的。
在神经拟态计算里面，我们其实是希望真的去模拟人脑，慢慢形成不同的脑区，这些脑区之间，真正去构成一些认知能力的时候，互相是能够影响的，比如说你闭着眼睛也能够去知道这是一个苹果还是榴莲，通过触觉和其他的感知也可以知道，这是神经拟态计算想要达到的效果。
它在能力上确实要往这方面走，但在应用领域必须要找到突破口，到底哪个应用会让它独树一帜，让大家能把这个应用跑出来，就像深度学习一样，也是等了好多年，终于找到一个合适的时间点，从硬件的性价比、能力、应用等方面，在计算机视觉领域先跑出来。从神经拟态计算硬件相对来讲的成熟度来看，英特尔现在迭代到第二版的Loihi 2，从能效比和可编程性来看，比第一版已经好了很多。当然我们还要再继续迭代，需要一两个关键应用把它带飞起来。
但量子计算不一样，量子计算现在面临的困难还是非常多的，因为现在大家都还在做量子比特的阶段，质量要提高。
首先量子比特的稳定程度、容错能力，还有它相干时间的长短，包括有多少个量子比特可以真正稳定的相干在一起，这些都是问题。这些问题都解决的情况下，才能往上层去做基于逻辑的可使用的量子比特，一旦形成一定数量的逻辑量子比特，并能很好地控制它之后，上面的算法、应用相对来讲才会发展比较快。现在其实就是在底层，从量子比特到底用什么方式制备，到怎么解决差错控制，再到怎么把它的相干时间拉长，还有就是未来真正做产业化，用什么样的方案去支持产业化生产，乃至未来量子计算机到底长什么样，这些都还没有定论。
英特尔神经拟态计算芯片Loihi
观察者网：量子计算可以说还处在前期研究阶段？
**宋继强：**现在还属于早期，要想可量产、实现足够的容错性，目前都还没有达到那一步。但是从量子比特的制备方式上讲，英特尔的路径比较独树一帜，就是用硅电子自旋方式上去制备量子比特，这跟业界长期以来通过超导固态电路的方式去制备量子比特很不一样。
观察者网：在很多人印象中，英特尔是传统的半导体巨头，但是现在英特尔研究院在做很多前沿的研究，像神经拟态计算和量子计算等。做这些前沿布局时，英特尔都有哪些考虑？现在大概有多少力量或者资源投入其中？
宋继强**：**我们想做的东西都是要在未来可被规模产业化使用的技术。所以不管是做量子计算芯片，还是做神经拟态计算芯片，最终衡量它成不成功，都在于能不能形成规模化、产业化的效应。
在量子比特这条道路上，为什么我们选了基于硅电子自旋的方式，也是因为发现这个最适合英特尔，在300毫米的，大规模的CMOS制备这种半导体技术的基础上把它产业化起来。同时，我们也看到基于这种方式做量子比特，它的尺寸是微缩的，比现在基于超导量子比特制备的小100万倍。因为它是在硅晶圆上用CMOS工艺做的，一个量子比特大小就跟一个晶体管大小差不太多，所以具备规模化生产的基础。当然这里面还缺一些东西，比如说怎么去提高量子比特量产的良率，包括最后怎么去形成计算系统等。但由于我们已经知道大部分流程实际上跟半导体制程类似，因此更具备产业化条件。
神经拟态计算其实也一样，我们在做的时候也是要考虑不只是像学术界一样，发一堆论文，让博士生能毕业就行，我们必须要看未来怎么去把它商业化。因此，我们在出第一款测试芯片Loihi之后，就开始构造一个全球社区，叫英特尔神经拟态研究社区（INRC）。这个社区就是先从初创企业和早期一直在做这方面研究的科研团队入手，在测试芯片上做测试开发，看看效果怎么样，进而去提升硬件设计，所以第二版Loihi 2性能好很多。
我们同时也和初创企业，以及和一些世界500强大企业一起，去探索神经拟态计算芯片的应用，因为一个新的芯片出来，总得找到合适的用处才行。我们试了在终端设备上、在机器人上、在无人机上、在云端数据中心的优化上，去做不同种类的应用尝试，就是希望能够找到适合规模化使用的场景。这就是做产业化路径和做学术路径不一样的地方。这个项目，目前研究院基本上维持一个五六十人的团队在做，做量子计算的人其实比这还多，因为量子计算是研究院和TD（技术开发）部门同时在做。
观察者网：神经拟态计算是英特尔中国研究院和总部一起在研究吗？
**宋继强：**芯片的设计主要是总部在做。我们这边主要是帮他们在中国去构建英特尔神经拟态研究社区，这个社区包含学术机构和一些企业，我们向他们提供硬件，让他们去做实验，比如中科院自动化所、北京大学、复旦大学等，我们也有一些实验性的应用。
观察者网：刚才讲到，量子计算也是英特尔研究院比较重视的领域，目前英特尔在整个行业中处于什么样的位置？
**宋继强：**英特尔技术是在第一梯队。在量子计算芯片这块，英特尔真的做出来了，而不是用一个超算系统去模拟量子计算。另外，我们也认识到，量子计算产品化的路径没有那么快，因为这里面还有很多实际的“坑”没有填上。实际上来讲，英特尔做量子计算非常认真，我们在探索量子计算芯片的制备，包括最后怎么能在一个高良率、高量产能力的产品线上真正把它做出来等。
有了量子芯片之后，我们还需要有低温的无线微波芯片去控制它，那个也是英特尔自己在做。等于说第一要有计算芯片，第二得有微波控制芯片，需要在零下270度左右工作。然后还得有检测设备，量子芯片做出来了，要有很好的设备去检测它到底是不是工作正常，就像我们正常做完芯片，都要有流程化的设备去检测它，这个英特尔也是在跟低温检测设备厂专门合作，我们做了世界上最大的，能够容纳一整个300毫米晶圆的检测设备，可以同时检测上面的量子点是不是在正常运作。
观察者网：这是不是也是英特尔坚持IDM（垂直整合制造）模式的原因之一？
**宋继强：**那是肯定的，制造硅量子芯片需要太多在硅制程工艺上的积累才能做到。
英特尔量子芯片Tunnel Falls
观察者网：我们知道，很多外企在华设置的部门更偏向销售职能，而英特尔很早就在中国设置了英特尔中国研究院，想问一下研究院在整个英特尔体系中扮演着什么样的角色，它对英特尔在中国市场的发展起到了哪些作用？
**宋继强：**英特尔中国研究院是英特尔研究院的一部分，而英特尔研究院在整个英特尔的研发体系中是前沿技术创新的引擎。
首先，在整个英特尔研发体系中，有专门做产品研发的部门，他们基于已经相对比较成熟，可以做产业化、商业化的技术，在一到两年内把它变成产品推向市场，或者直接拿来支持客户的产品和解决方案需求，这个会占整个研发体系的很大一部分，比如说现在上海的英特尔亚太研发中心，还有北京的研发团队，大多是在做这方面的工作。
英特尔研究院不是直接面向客户，而是英特尔中的各个不同的产品部门或者刚刚提到的产品研发部门，给他们提供一些技术输入。同时在英特尔研发体系中还有一个在生产体系里的Technology Development（技术开发）部门，与制程、材料等相关的半导体底层技术，是TD部门主要负责的。这个部门和英特尔研究院共同形成一个比较大的研究团队。这两个部门都会去发论文和申请专利，也都会做很多早期实验，TD部门会做偏向于生产制造的研究，其中比如说电路、3D封装等早期实验，英特尔研究院也会和TD部门合作。
但是，英特尔研究院会更偏向怎么去使用这些技术，比如说做处理器等硬件架构、一些功率器件、电源管理器件、无线传输和射频器件，还有一些是在软件系统方面，专门做底层针对硬件的软件优化，也有针对云做一些虚拟化的、资源调度的软件，再往上还有做人工智能算法，人工智能构成专用系统等一些研究。
总体来看，在英特尔研究院的体系中，更多是会跟一些未来不同的应用领域，还有在整个IT系统的堆栈、分层里，每一层都要做的一些东西有关，因为本身技术开发部门只是做半导体层面的研究，但是之上的很多层都是在英特尔研究院体系做的，包括神经拟态计算，这是一种新的计算架构，都是英特尔研究院在做。
所以，英特尔研究院处于产品研发的早期阶段。我们的输入实际上是来自很多比如说大学、研究机构里相对比较成熟的技术。我们会跟各个地方的大学、研究机构建立一些合作关系，去了解他们在做哪些科研合作，然后把相对来讲比较成熟并且和英特尔有关的技术导入到英特尔的体系中来。这也是英特尔研究院的主要职责，与大学和研究机构合作。同时我们也会看一些政府级别的项目，因为很多时候政府级的项目导向性比较重要，就像中国政府一旦设定导向性，是会推动一波技术创新的。
此外，还有比较大的企业合作伙伴的研究型组织，也是我们去获得一些未来方向的点。有这么多输入之后，我们再去通过研究院中“三段式”的流程，“发现（Seek）”、“解决（Solve）”和“推广（Scale）”，去把它逐渐导向产品部门，最后形成技术转移。所以可以把英特尔研究院理解成，我们从一个比较大的，可被用来产品化的池子里筛选一些技术，再通过做一些原型，最后把它导入到产品研发流程中去的一个组织，所以我们把自己称为“工业研究院”，不是纯发论文，要衡量最后的技术转化效果。
观察者网：比如说Intel 3等芯片制程层面的研发，主要是TD部门在负责？
**宋继强：**没错。
观察者网：神经拟态计算、量子计算这种更前沿的技术，就是由英特尔研究院来主导的？
**宋继强：**这个问题我再进一步澄清一下，比如说神经拟态计算，它是一个主要在芯片架构层级的创新，加上上面一些软件开发包的构造，所以这部分基本上全是研究院在做，但它会用到英特尔最新的可以去做测试芯片的工艺。比如它第一代是用14nm制程，第二代在用Intel 4制程，所以它会不停地跟着新工艺往前迭代。
但是量子计算不一样，它实际上是从无到有，研究院和TD在紧密在合作。这里比如说TD主要是负责研究怎么形成量子比特，包括怎么提升量子比特未来生产工艺的良率，怎么纠错，是他们主要负责，研究院负责怎么在低温下通过射频去控制这些量子比特，怎么去构造上边的一些软件堆栈，去测试它，这两块是非常紧密的耦合在一起做的。
（观察者网已相继刊发两版对宋继强的专访：1.专访英特尔高管：中国未来在RISC-V上一定会发展的很好；2.专访：除了使用最强光刻机，英特尔制程反超台积电还有哪些招数？）