新科技速遞
每年IEEE舉辦的「熱晶片年會」（HotChips）是微處理器芯片設計的盛會，這是除了ISSCC 外最重要芯片會議之一，全球研發單位會在會議上發表最新成果，今年IBM則發表了人工智能Telum處理器可透過人工智能，實時偵察金融詐騙。
美國聯邦貿易委員會（Federal Trade Commission）的Consumer Sentinel Network. Data Book的統計顯示，2020年美國消費者因為欺詐罪行而損失的金額，已高達33億美元，相比2019年的18億美元, 差不多増長了接近一倍。
目前金融機構一般是在欺詐案件發生之後，才採取補救或執法行動，主要限於現時技術，難以即場執法，所謂「偵察」欺詐有如一場「貓捉老鼠」遊戲，過程相當耗時和耗用大量的算力。
由於分析和偵察欺詐所用的數據，並不在實時交易的系統，偵察欺詐並不實時執行，以信用卡詐騙為例，騙徒利用盗用信用卡身份，往往購物得逞之後，銀行從數據發現有異，然後才展開調查，零售商已因為假卡，蒙受了損失。
AI取代規則基礎
詐騙手法層出不窮，傳統詐騙偵察系統也是「以規則為基礎」（Rules-based），也就是說某項交易符合某些特徵就界定為可能的詐騙個案，必須待開發人員編寫程式，再加入新規則，系統才懂得分辨。
以機器學習，只要將詐騙個案數據，通過機器學習加以訓練，提取詐騙案的各項特徵，變成了算法的模型，就可馬上使用，迅速應對新興詐騙手法。
機器學習或者統稱人工智能，已廣泛用於不少商業流程，例如是信用和借貸批核、客戶服務、找出可能失敗的交易或離開的客戶，甚至建議解決糾紛的流程。
不過，人工智能「推理」（Inference）過程所須的算力，性質與一般處理器有很大分別，亦以浮點運算為主，市場上多以圖形運算處理器（GPU），或者專門處理器，類似華為昇騰（Ascend）芯片、Google的TPU等，甚至FPGA專門芯片來應付，但專用芯片只負責AI推理，不能用於OLTP之類的一般性交易。
處理交易同時推理
Telum處理器則利用了創新的中央設計，為首個可在處理實時OLTP交易，同時又用於AI推理，也就是當系統處理一宗交易的同時，可馬上掀出可疑的個案，停止執行有關交易，不用賊過興兵，透過機器學習模型，更快阻截有問題的交易。Telum處理器可以結合實時交易處理和AI推動，能夠用於偵察詐騙、審批借貸、即時結算、反洗黑錢（AML）、風險分析等用途。
Telum處理器屬於IBM主機系統硬件，不少金融機構正利用IBM Z大型主機服務器處理實時交。據Z系統產品管理副總裁Barry Baker說，Telum處理器開發歷時三年，可以用於銀行、金融、貿易、保險、客戶服務等不同系統。Telum處理器的設計已整合了芯片、系統、韌體、作業系統，並支援市場上各種AI的框架。
每枚Telum處理器上有8個處理器核心，屬於支援亂序執行的動態多重派發的微處理器架構設計（Deep super-scalar out-of-order），而處理器時脈高達5GHz，可以處理多種不同的企業工作負荷，加上處理器緩存和芯片互聯架構，每個處理器核心L2緩存達32MB，單一系統可以支援多達32枚Telum處理器，也就是256個處理核心，擴充能力極強，可支援極為大規模系統部署。
近年IBM再次致力開發芯片技術，IBM研究院（IBM Research）在紐約州奧爾巴尼的Albany Nanotech Complex科技綜合園內，成立了AI硬件中心（AI Hardware Center），今次是AI硬件中心首次開發的芯片，採用了EUV技術的7nm製程，並且由三星代工。較早前AI硬件中心宣佈開發GAA製程，以特定材料將電流通道包裹成3D的結構，雖然更加複雜，卻可大幅提升電晶體的密度，實現2nm閘極長度，解決了漏電問題。