實用化 AI 算力又升上了一個新臺階。
隨著GPT的爆火，生成式AI正式進入全球科技舞臺的中央，大模型也已經成為當下最火熱的話題，用“百模大戰”來形容其火熱程度一點也不夸張。一些企業更是將大模型視為人工智能的核心，認為這很可能是引領第四次工業革命的顛覆性創新技術。
在人工智能的應用領域，出現了一些讓人始料未及的趨勢：很多傳統企業開始選擇在CPU平臺上落地和優化AI應用。
例如制造領域在高度精細且較為耗時的瑕疵檢測環節，就導入了CPU及其他產品組合，來構建橫跨“云-邊-端”的AI?缺陷檢測方案，代替傳統的人工瑕疵檢測方式。
再比如亞信科技就在自家OCR-AIRPA方案中采用了CPU作為硬件平臺，實現了從FP32到INT8/BF16的量化，從而在可接受的精度損失下，增加吞吐量并加速推理。將人工成本降至原來的1/5到1/9，效率還提升了約5-10倍。
在處理AI制藥領域最重要的算法——AlphaFold2這類大型模型上，CPU同樣也“加入群聊”。從去年開始，CPU便使AlphaFold2端到端的通量提升到了原來的23.11倍；而現如今，CPU讓這個數值再次提升3.02倍。
上述這些CPU，都有個共同的名字——至強，即英特爾?? 至強?? 可擴展處理器。
為什么這些AI任務的推理能用CPU，而不是只考慮由GPU或AI加速器來處理？
這里歷來存在很多爭論。
很多人認為，真正落地的AI應用往往與企業的核心業務緊密關聯，在要求推理性能的同時，也需要關聯到它的核心數據，因此對數據安全和隱私的要求也很高，因此也更偏向本地化部署。
而結合這個需求，再考慮到真正用AI的傳統行業更熟悉、更了解也更容易獲取和使用CPU，那么使用服務器CPU混合精度實現的推理吞吐量，就是他們能夠更快和以更低成本解決自身需求的方法了。
面對越來越多傳統AI應用和大模型在CPU上的落地優化，“用CPU加速AI”這條道路被不斷驗證。這就是在數據中心中，有70%的推理運行在英特爾? 至強? 可擴展處理器上的原因。1
最近，英特爾的服務器CPU完成了又一次進化。12月15日，第五代英特爾? 至強? 可擴展處理器正式發布。英特爾表示，一款為AI加速而生，而且表現更強的處理器誕生了。
人工智能正在推動人類與技術交互方式的根本性轉變，這場轉變的中心就是算力。
英特爾CEO帕特·基辛格（Pat Gelsinger）在2023英特爾ON技術創新大會表示：“在這個人工智能技術與產業數字化轉型飛速發展的時代，英特爾保持高度的責任心，助力開發者，讓AI技術無處不在，讓AI更易觸達、更可見、透明并且值得信任。”
第五代至強 為AI加速
第五代英特爾? 至強? 可擴展處理器的核心數量增加至64個，配備了高達320MB的L3緩存和128MB的L2緩存。不論單核性能還是核心數量，它相比以往的至強都有了明顯提升。在最終性能指標上，與上代產品相比，在相同功耗下平均性能提升21%，內存帶寬提升高達16%，三級緩存容量提升到了原來的近3倍。
更為重要的是，第五代至強? 可擴展處理器的每個內核均具備AI加速功能，完全有能力處理要求嚴苛的AI工作負載。與上代相比，其訓練性能提升多達29%，推理能力提升高達42%。
在重要的AI負載處理能力上，第五代英特爾? 至強? 可擴展處理器也交出了令人滿意的答卷。
首先要讓CPU學會高效處理AI負載的方法：在第四代至強? 可擴展處理器上，英特爾面向深度學習任務帶來了矩陣化的算力支持。
英特爾?? AMX就是至強CPU上的專用矩陣計算單元，可被視為CPU上的Tensor Core，從第四代至強? 可擴展處理器開始成為內置于CPU的AI加速引擎。
第五代至強?? 可擴展處理器利用英特爾?? AMX與英特爾?? AVX-512指令集，配合更快的內核，以及速度更快的內存，可以讓生成式AI更快地在其上運行，無需獨立的AI加速器就能執行更多工作負載。
借助在自然語言處理 (NLP) 推理方面實現的性能飛躍，這款全新的至強? 可支持響應更迅速的智能助手、聊天機器人、預測性文本、語言翻譯等工作負載，可以在運行參數量200億的大語言模型時，做到時延不超過100毫秒。
據了解，11.11期間，京東云便通過基于第五代英特爾? 至強? 可擴展處理器的新一代服務器，成功應對了業務量激增。與上一代服務器相比，新一代京東云服務器實現了23%的整機性能提升，AI計算機視覺推理性能提升了38%，Llama v2推理性能也提高了51%，輕松hold住用戶訪問峰值同比提高170%、智能客服咨詢量超14億次的大促壓力。
除此之外，第五代英特爾? 至強? 可擴展處理器也在能效、運營效率、安全及質量等方面實現了全面提升，提供了向前代產品的軟件和引腳兼容性支持，以及硬件級安全功能和可信服務。
國內云服務大廠阿里云也在發布會上披露了其實測體驗數據，基于第五代英特爾? 至強? 可擴展處理器及英特爾? AMX、英特爾? TDX加速引擎，阿里云打造了 “生成式AI模型及數據保護”的創新實踐，使第八代ECS實例在實現了全場景加速和全能力提升情況下，更加固了安全性能，且保持實例價格不變，普惠客戶。
數據顯示，其在數據全流程保護的基礎上，AI推理性能提高25%、QAT加解密性能提升20%、數據庫性能提升25%，以及音視頻性能提升15%。
英特爾表示，第五代至強? 可擴展處理器可為AI、數據庫、網絡和科學計算工作負載帶來更強大的性能和更低的TCO，將目標工作負載的每瓦性能提升高達10倍。
對先進AI模型實現原生加速
為讓CPU能夠高效處理AI任務，英特爾把AI加速的能力提升到了「開箱即用」的程度。
英特爾?? AMX除了可以加速深度學習的推理、訓練以外，現在已經支持了流行的深度學習框架。在深度學習開發者常用的TensorFlow、PyTorch上，英特爾? oneAPI深度神經網絡庫 (oneDNN) 提供了指令集層面的支持，使開發人員能夠在不同硬件架構和供應商之間自由遷移代碼，可以更輕松地利用芯片內置的AI加速能力。
在保證了AI加速直接可用之后，英特爾利用高性能開源深度學習框架OpenVINO? 工具套件，幫助開發者實現了一次開發、多平臺部署。它可以轉換和優化使用熱門框架訓練好的模型，在多種英特爾硬件的環境中快速實現，幫用戶最大程度地利用已有資源。
OpenVINO? 工具套件最新的版本也加入了對大型語言模型 (LLM) 性能的改進，可以支持生成式AI工作負載，包括聊天機器人、智能助手、代碼生成模型等。
OpenVINO? 工具套件2
通過這一系列技術，英特爾讓開發者們能夠在幾分鐘內調優深度學習模型，或完成對中小型深度學習模型的訓練，在不增加硬件和系統復雜性的前提下獲得媲美獨立AI加速器的性能。
比如在先進的預訓練大語言模型上，英特爾的技術就可以幫助用戶完成快速部署。
用戶可以從最熱門的機器學習代碼庫Hugging Face中下載預訓練模型LLaMA2，然后使用英特爾?? PyTorch、英特爾?? Neural Compressor等將模型轉換為BF16或INT8精度版本以降低延遲，再使用PyTorch進行部署。
英特爾表示，為了能夠緊跟AI領域的潮流，有數百名軟件開發人員正在不斷改進常用的模型加速能力，讓用戶能夠在跟上最新軟件版本的同時，獲得對于先進AI模型的支持。
第五代至強? 可擴展處理器的實力，目前已在部分大廠進行了驗證。火山引擎與英特爾合作升級了第三代彈性計算實例。
目前，火山引擎已通過獨有的潮汐資源并池能力，構建百萬核彈性資源池，能夠以近似包月的成本提供按量使用體驗，降低上云成本。基于第五代英特爾? 至強? 可擴展處理器，火山引擎第三代彈性計算實例整機算力再次提升了39%，應用性能最高提升了43%。
這只是個開始。可以預見，很快會有更多科技公司的應用能夠從第五代至強?? 可擴展處理器的性能中獲益。
下一代至強已經現身
未來，人們對于生成式AI的需求還將不斷擴大，更多的智能化應用將會改變我們的生活。以計算能力為基礎，萬物感知、萬物互聯、萬物智能的時代正在加速到來。
面對這樣的趨勢，英特爾正在加緊打造再下一代的至強CPU，它們面向AI的「專業化」程度還會更高。
在最近披露的英特爾數據中心路線圖上，下一代至強? 處理器將對不同工作負載、場景配備不同的核心，其中主打計算密集型與AI任務的型號會使用側重性能輸出的核「P-core」，面向高密度與橫向擴展負載的型號則會使用有更高能效的核「E-core」，這兩種不同的核心架構并存的設計，既滿足部分用戶對極致性能的追求，也能兼顧到可持續發展綠色節能的需求。
未來，英特爾還將如何實現晶體管和芯片性能的飛躍，在AI算力上還能有什么樣的躍升？
讓我們拭目以待。
