英特尔推出Hala Point全球最大仿神经形态系统，解决AI效率问题

　　英特尔宣布全球最大仿神经形态系统Hala Point问世，其初代部署于桑迪亚国家实验室，搭载英特尔Loihi 2处理器，支撑先进的类人脑AI研究，应对当前AI的效率与持久性挑战。Hala Point以首个大规模研究系统Pohoiki Springs为蓝本，升级架构，神经元容量增幅达10倍以上，性能提升12倍。

　　英特尔实验室神经形态运算总监Mike Davies指出，“当前AI模型训练及部署成本增长迅速，行业亟需创新方法。因此，英特尔实验室研发了Hala Point，融合深度学习效率、类人脑持续学习和优化功能。期望通过该系统，突破大规模AI技术瓶颈，使AI系统具备适应变化的能力。”

　　Hala Point作为业内首款在主流AI工作负载中表现出色的大规模仿神经形态系统，经测试证实，支持每秒20千兆次（20 petaops）的传统深度神经网络运算，超过每瓦15兆次8位元运算（TOPS/W），这一速度甚至超越现有GPU和CPU架构。Hala Point的独特功能有望推动AI应用领域如科学工程问题解决、物流、智能城市基础设施管理、大型语言模型（LLM）和AI代理的实时连续学习取得突破。

　　现阶段，Hala Point尚处原型阶段，未来将进一步应用于商业系统优化。英特尔预期，这些经验将带来实际突破，如增强大型语言模型（LLM）从新数据中持续学习的能力，提升AI模型训练精度，并大幅降低AI部署成本。

　　英特尔表示，Hala Point在前一代Pohoiki Springs基础上进行了大量改进，将仿神经形态性能和效率提升的优势扩展到视频、语音和无线通信等即时工作负载的主流深度学习模型中。自发布以来，Hala Point备受关注，尤其在今年世界移动通信大会上，爱立信研究中心借助Loihi 2提升电信基础设施效率的成果更成为了展会亮点。

　　Loihi 2神经形态处理器是Hala Point的核心组件，采用非同步、基于事件的脉冲神经网络（SNN）、整合记忆和运算，以及关联性推论类人脑运算原理。相较于现行需定期使用不断增长的数据集重新训练模型的方式，Loihi 2无需内存，而是通过神经元直接交互，从而显著降低整体功耗。