15-20年后，英特尔很可能成为全球最有价值的公司。 请听我说

1）人工智能不会消失。 它正被广泛采用在许多行业，并且正在不断提高复杂性和应用范围的细微差别。 这种趋势只会继续下去。 我们之前经历过互联网，记得人们对互联网是时尚而对普通人来说毫无用处的怀疑非常清楚

2）人工智能数据中心不可持续。 我们都知道这个问题。 问题是，我们的传统人工智能模型总是需要更多的能量，因为它们的同步计算模式。 简单来说，我们在GPU上运行的神经网络执行许多无用的或冗余的计算。 对这些网络进行修剪/修剪参数并不能解决可扩展性的问题。 我们已经接近了天花板

3）前进的唯一方式是神经模拟。 神经模拟计算是一种非传统的异步计算方法，受生物过程的启发。 我们的大脑和神经系统是低功耗系统，因为能量只有在生物神经元中执行计算时才被消耗。 神经模拟计算试图通过使用异步处理和神经元/突触/学习规则模型来复制这一点，密切模仿哺乳动物身体的过程。 我们正在谈论毫瓦级别的功耗水平

4）神经模拟计算与传统的冯·诺伊曼计算有本质性的区别。 我们必须学习和发展这些系统使其成熟。 这是一种新兴的技术，正在快速成熟

我在工作中进行神经模拟研究，并刚刚参加了一次会议。 下面是其中一些事情：

- 构建在脉冲转换器网络上的极低功耗LLM已完全工作。 这是该技术中我进入该领域以来看到的最大的突破之一。 脉冲转换器网络的结构也自然映射到了大脑的结构。 我不能强调这一点的重要性

- 在人体信号中可植入、可扩展、可适应的生物集成传感器，用于自主的医疗紧急情况检测。 再次，这是极低功耗、可植入、小型、可适应的

- 自动化地图、图像处理、安全、空间等应用。 Anywhere你可能想部署一个智能、可适应的设备，长期不受干扰

那么，量子/其他新兴计算方法的应用是什么呢？ 对于人工智能来说，神经模拟是最合适的实施框架，因为它直接受到哺乳动物神经系统和大脑的启发。 我们看到了自然界中最好的计算机的例子，我们在硬件和软件中实现它。 量子计算是它自己的东西，它将解决不同的问题

风险？ 光子学。 目前，神经模拟设备的功耗瓶颈是电信号线的分割和多路复用。 将激光信号路径分割所需的资源是零。 光子学可能用于神经模拟芯片，可能是英特尔以外的公司率先实现。 英特尔也可能与光子学公司合作，改进他们的神经模拟板（Loihi，目前只供研究人员使用）。 Loihi 3尚未正式宣布，但正在开发中。 英特尔继续投资该技术，研究人员继续突破概念障碍使用它

TL;DR：如果你有10-20年的时间来等待神经模拟技术成熟，买下英特尔的股票。 买买买。 它将会绝对疯狂。 它接近了历史高点？ 那么桑迪斯克在11月25日也是如此。 这意味着一无所是

我愿意回答有关该行业的任何问题