智能应用加速普及推高了算力需求，随之而来的能耗与成本压力成为发展瓶颈。终端与边缘设备上，受电池容量与散热限制，需要在完成复杂推理与保持低延迟之间找到平衡；在数据中心，能效与碳排放约束日益严格，行业急需在性能与能耗之间找到新的平衡点。为应对这些共性难题，香港科技大学与英特尔宣布共建联合实验室，以三年为周期开展联合研究。 当前计算系统的真正瓶颈不在"算得快"，而在"搬得快"。随着模型与数据规模增长，处理器与存储之间的数据频繁移动带来显著的时间与能量损耗，内存墙、带宽不足与I/O拥塞问题日益突出。对终端设备而言，算力提升若伴随更高功耗与散热需求，将直接影响续航与可靠性；对云端基础设施而言，能耗与制冷成本上升会抬高总体拥有成本。如何在保证可靠性与可扩展性的前提下提升能效，成为体系结构创新的关键课题。 这类挑战具有系统性特征。传统以通用处理器为中心的计算路径在处理海量并行数据时，数据搬运成本占比不断上升；同时算法迭代快、应用形态多样，单靠某一硬件模块升级难以满足需求。实践表明，只有将体系结构、存储层级、互连、编译与运行时等要素纳入统一优化框架，通过软硬件协同设计打通从模型到芯片、从实验室到应用的链路，才能在性能、功耗与成本之间取得最优平衡。 联合实验室将重点探索高能效近存计算架构，针对智能设备在计算、内存、I/O带宽与能效上的关键挑战开展研究。近存计算的核心思路是缩短数据与计算的物理与逻辑距离，通过存储附近完成部分计算或优化数据访问方式，减少无效搬运与等待时间，从而改善能效与延迟表现。同时，实验室强调软硬件协同，既关注硬件架构与系统设计，也注重软件栈、工具链与算法适配，以提高技术可用性与迁移效率。 这个合作具有多重意义。对科研端而言，三年的联合攻关框架有利于围绕明确目标持续迭代，在真实需求牵引下形成可复用的方法与工程化成果。对产业端而言，能效导向的体系结构创新有望为终端智能、边缘计算与云基础设施提供更具性价比的技术路线，推动绿色低碳约束下的算力扩容。对区域创新生态而言，高校与企业的协作有助于促进人才培养、技术验证与应用转化的衔接，加快创新要素聚集与成果转化。 双方以机制化合作应对系统性难题：一是通过联合课题聚焦"可验证、可复现、可迁移"的研究方向，推动从概念到原型、从原型到场景的闭环；二是以开放协作促进生态联动，通过与产业需求对接提升成果转化效率；三是面向工程落地强调性能与能效的综合指标，兼顾可靠性、可扩展性与成本约束。 香港科技大学表示，该合作呼应学校发展规划中将人工智能、未来计算与电子学作为核心研究方向的部署，将结合自身在软硬件协同与高能效运算上的积累，探索高能效智能计算的新路径。英特尔表示，将持续推动与学术界合作，构建开放生态，促进成果产业化应用落地，面向更高效、可持续的计算范式开展探索。 随着智能应用向多模态、长序列、实时交互等方向演进，算力需求仍将维持增长态势，能效将成为衡量技术路线竞争力的关键维度。近存计算与软硬件协同设计有望在降低数据搬运开销、提升系统吞吐、优化端到端延迟等形成突破，并带动从芯片架构到系统软件的配套创新。未来，围绕"更少能耗完成更多智能"的竞争将持续深化，能够在通用性与专用性、性能与能耗之间取得平衡的技术方案将更具市场竞争力。联合实验室的设立为这些探索提供了一个面向长期目标、强调工程化与可持续的合作平台。
在全球科技竞争加剧的背景下，产学研协同创新成为突破技术瓶颈的关键路径；港科大与英特尔的合作既反映了学术界与产业界的互补优势，也为智能计算技术发展提供了重要参考。此探索有望重新定义高效与绿色并重的技术范式，为数字经济时代的可持续发展奠定基础。