普適計算的六大必備條件

若要為普適計算構(gòu)建生態(tài)系統(tǒng)并將計算融入日常萬物，大量試錯在所難免。

毋庸置疑，在未來數(shù)十年內(nèi)數(shù)字化技術(shù)將愈發(fā)普遍。Exponential Group 等機構(gòu)認為，數(shù)字化應是實現(xiàn)可持續(xù)發(fā)展的第一步，預計至 2030 年及往后，硬件和軟件將通過對建筑、工廠及其他環(huán)境進行微調(diào)，幫助減少 15% 的排放。

隨著電動汽車、優(yōu)化 ADAS 系統(tǒng)以及自動駕駛的發(fā)展，已搭載了大量處理器的汽車將成為車輪上的數(shù)據(jù)中心。通過新型可穿戴設(shè)備或醫(yī)療設(shè)備來提供醫(yī)療保健和遠程醫(yī)療往往被視為電子技術(shù)最大的機遇。

然而，若要為普適計算系統(tǒng)構(gòu)建經(jīng)濟有效的生態(tài)系統(tǒng)，則必須進行大量試錯。作為 Arm 研發(fā)部門的未來學家，我的工作就是展望未來并制定未來的路線圖。以某些未來主義場景為方針，以下是我認為必須克服的一些關(guān)鍵障礙。

1.       智能紋身

Neuralink 公司啟動了一項宏偉的計劃，他們欲利用腦部和神經(jīng)脈沖將人與計算機相連。該項技術(shù)前景誘人——想象一下對于肢體殘疾或患有衰竭性疾病的人們而言，他們的世界將發(fā)生顯著改變，但同時也充滿了嚴重的隱憂。

將處理器直接植入大腦或神經(jīng)元突觸會給患者帶來巨大的醫(yī)療風險，升級的復雜性不言而喻。另一方面，分析眼動或音色的計算機視覺系統(tǒng)存在固有的局限性——它們僅能夠利用少量且有限的外部數(shù)據(jù)。

智能紋身能夠?qū)?shù)據(jù)傳輸至云端進行分析或直接執(zhí)行人工智能功能。它們還可充當數(shù)據(jù)進入大腦的網(wǎng)關(guān)。

數(shù)據(jù)完整性和系統(tǒng)安全是安全的關(guān)鍵。所需的技術(shù)包括用于抵御分布式拒絕服務(wù) (DDoS) 攻擊，以及用于檢測輸入輸出數(shù)據(jù)或者防止異常脈沖的自動暫停按鈕。此外，設(shè)計人工智能算法和人機界面以確定用戶的真正意圖也必不可少，譬如，三次快速眨眼或其他簡單的身體動作通常不會與觸發(fā)鼠標點擊的微小動作相混淆。

另外，智能紋身還應該易于移除。Arm 近期發(fā)布了一款柔性處理器的原型以及可印制的柔性神經(jīng)網(wǎng)絡(luò)。雖然這項技術(shù)尚處于試驗階段，但由技術(shù)組件、制造工具集以及軟件組成的生態(tài)系統(tǒng)很可能在未來數(shù)年內(nèi)初步成型。

2.       數(shù)字化監(jiān)管鏈

正如加利福尼亞大學伯克利分校的 Hany Farid 所展示的那樣，現(xiàn)下，視頻、圖像甚至人聲的深度偽造日益猖獗，檢測難度不斷提高，且手段也愈加狡猾。甚至在未來的選舉中，可能通過一些精選的假信息來制造懷疑，從而贏得或失去選舉。

試想在元宇宙中發(fā)生惡作劇的可能性。人工智能增強的視頻通話可能被轉(zhuǎn)化為完全偽造、令人信服的對話，并企圖影響我們的正常行為或決策過程。在現(xiàn)實世界中，工業(yè)設(shè)備可能發(fā)送消息，導致員工錯誤地停止生產(chǎn)，甚至造成他們無法針對嚴重故障采取行動。

對于智能工廠或汽車等自動化系統(tǒng)而言，遇有事故，人工智能決策流程所有級別上的每個元件需能夠告知用戶發(fā)生的情況以及因何做出某個決策（例如，紅燈發(fā)送錯誤信號，LIDAR 沒有檢測到目標等）。

無論是在現(xiàn)實還是數(shù)字世界中，我們需要能夠通過不可變的方式對信息進行跟蹤追溯，最終發(fā)掘真相。數(shù)據(jù)證明服務(wù)和區(qū)塊鏈功能將是必不可少，因為這些能輕松擴展，以對信息進行追溯直至找到原始數(shù)據(jù)。雖然此類系統(tǒng)可能無法證明事情的真實性，但可識別中間篡改并確保數(shù)據(jù)完整性。

3.       可溶解的集成電路

2020 年，人類迎來了另一個充滿爭議的里程碑：人造材料的數(shù)量首次超過了天然生物料，且每 20 年就翻一番。從搖籃到搖籃的制造，制造商可通過重新使用舊材料或部件，助力減少垃圾的產(chǎn)生。

但是，如何通過可持續(xù)和可擴展的方式來開發(fā)、部署并回收智能傳感器或系統(tǒng)呢？可溶解集成電路為生產(chǎn)商提供了一種回收利用元器件的可行方法。可編程的可溶解集成電路甚至讓我們能夠調(diào)整產(chǎn)品功能和美學設(shè)計，從而通過可持續(xù)和可擴展的方式實現(xiàn)批量定制。

4.       空中數(shù)據(jù)中心

雖然數(shù)據(jù)中心和網(wǎng)絡(luò)的功耗在過去十年內(nèi)相對平穩(wěn)，但我們?nèi)孕枰粩鄤?chuàng)新來延續(xù)這一記錄。數(shù)字數(shù)據(jù)保持著每兩年翻番的增速，同時，人工智能和 5G 也將擴大工作負載。

幸運的是，很多普遍的應用程序并不要求超短延時。冷（和微溫）數(shù)據(jù)存儲和一般計算負載轉(zhuǎn)移到納米衛(wèi)星上是可以想見的。雖然這需要對總能耗進行復雜的計算，但相對于地面的數(shù)據(jù)中心，衛(wèi)星數(shù)據(jù)中心具有系統(tǒng)性的優(yōu)勢——無需冷卻成本。這毋庸置疑是一個浩大的工程問題，但其所需的大量相關(guān)基礎(chǔ)知識目前已經(jīng)存在。

5.       人工智能生成的硬件

所有行業(yè)都在經(jīng)歷數(shù)字化轉(zhuǎn)型，電子行業(yè)也必須緊跟這個趨勢。在物聯(lián)網(wǎng) (IoT) 領(lǐng)域，物聯(lián)網(wǎng)系統(tǒng)的設(shè)計已經(jīng)從應用支持平臺中受益，從而可以更快、更輕松地設(shè)計物聯(lián)網(wǎng)設(shè)備和相關(guān)應用。未來七年內(nèi)，大約有 10 到 20 個此類平臺達到合理的成熟度。我們也需要開發(fā)類似的支持技術(shù)與工具，協(xié)助電子行業(yè)的各個細分市場進行硬件與軟件及應用的協(xié)同設(shè)計。

對于半導體來說，通過此類半導體設(shè)計支持平臺，讓復雜智能系統(tǒng)設(shè)計得以簡化并實現(xiàn)自動化，以簡化開發(fā)人員的工作，這個目標將比我們預期的更早實現(xiàn)。一旦設(shè)計數(shù)據(jù)的龐大數(shù)據(jù)庫在云端投入使用，可進行人工智能分層，比人類更快更好地生成硬件和軟件，并且能夠隨時投入生產(chǎn)。

神經(jīng)架構(gòu)搜索機器學習工具可以自動創(chuàng)建硬件感知的訓練神經(jīng)網(wǎng)絡(luò)，針對特定機器學習任務(wù)進行優(yōu)化。同樣，對于特定的流程，若能夠以成本函數(shù)的方式表示硬件組件及其關(guān)系，我們應該能夠自動優(yōu)化和合成適用于任務(wù)的硬件。

6.       相變存儲器 (PCM) 大展身手

1970年，Gordon Moore在《電子》雜志中預測相變存儲器將在十年內(nèi)進入市場。這一預測并未成真。事實證明，傳統(tǒng)內(nèi)存和存儲器非常靈活和強大，甚至超出了其忠實支持者的預期，而閃存作為時下更新潮的概念，在傳統(tǒng)半導體存儲領(lǐng)域找到了用武之地。但與此同時，相變存儲器卻還停留在原型階段，難以投入生產(chǎn)。

然而普適應用的物聯(lián)網(wǎng)改變了這一狀況。歸功于混合電子系統(tǒng)，桌子、窗戶、門以及其他一些耐用或不耐用的物件將很快開始具備一些新功能，并將變成無處不在的人機界面或傳感器。但它們并不會始終保持連接或接入狀態(tài)，也不包含傳統(tǒng)計算機接口或電池。相反，它們包裹著智能的第二層皮膚，可對射頻電波、熱量或其他刺激做出響應。這必然需要低功耗且非易失性的存儲。你說相變存儲器能夠為其提供所需的容量、非易失性和功耗嗎？