AI 军备竞赛，催生未来 AI 硬件架构发展 3 大方向( 四 )_随着人们越来越多地使用AI来解决各个领

不过，这款神经形态芯片并不适合替代传统的 CPU 架构，它的潜力在于加速诸如约束满足问题、图形搜索和稀疏编码等专门应用。英特尔还承诺在今年晚些时候将 Pohoiki Beach 扩大到 1 亿个神经元。

光学计算

众所周知，神经网络和深度学习计算需要大量的计算资源和电力，而人工智能的碳足迹已然成为一个环境问题。在今年 6 月份，研究人员估算表示，训练一个 AI 所产生的碳足迹相当于 284 吨二氧化碳当量，这是普通汽车使用寿命内排放量的五倍。与此同时，神经网络的能源消耗也限制了它们在电力有限的环境中的应用。

随着摩尔定律继续放缓，传统的电子芯片的发展想要满足人工智能行业的需求变得越来越吃力。目前，已经有几家公司和实验室将目光转向了光学计算，以寻求解决方案——光学计算用光子代替电子，用光学信号代替数字信号，从而进行计算。由于光学计算设备不像铜电缆那样产生热量，这大大降低了它们的能源消耗；光学计算也特别适用于快速矩阵乘法，这是神经网络中的关键运算之一。