坚实的硬件“地基”
其实，早在越来越多的企业进入大数据和AI的行业赛道之前，半导体领域的芯片领军企业早已默默地开始为AI发展“修桥铺路”。大数据被唤作“数字经济的关键生产要素”和“驱动数字化转型创新发展的核心动能”，AI诞生于其中，已然成长为增长最快的计算工作负载。面对多样化工作负载，英特尔提供了一种“与众不同”的思路：将特定的计算放在特定的XPU架构上，即让用户在使用通用AI芯片处理工作的同时，将部分任务交给擅长其他工作的专用芯片，以极大提升计算能效，通过高效分工，实现最优分配。
基于此，英特尔便打造了一系列跨计算的架构，其中不仅包括已经集成了机器学习算法和深度学习模型的至强可扩展处理器（CPU），还有包括FPGA、GPU、VPU，以及专为AI打造的加速器在内的产品组合为人工智能提供技术基础。同时不得不提的是，英特尔已宣称计划通过其下一代至强可扩展处理器Sapphire Rapids，实现AI性能相较于前一代30倍的大幅提升，进一步增强其在人工智能领域的领导地位。
“软件优先”加持
坚实的“地基”已打下，然而要推动AI从实验室走向产业化依旧面临重重挑战。英特尔院士、大数据技术全球首席技术官戴金权在近期采访中指出：“英特尔不仅要通过XPU战略提供全面的硬件产品组合，同时也在探索如何通过软件优化来帮助客户处理从边缘到云的越来越非结构化和复杂的人工智能工作负载。”
对于在现实场景当中需要把AI落地的开发人员而言，AI在开发过程中的“低泛化”，即如何将AI算法应用到复杂的数据当中，是现阶段面临的一个最大挑战。虽然AI目前已经在很多领域得到了应用，但它并不会随着数据中心爆炸式的增长，亦或对某个算法日益成熟且深入的学习而呈现大规模的延展运用。
秉承通过降低用户准入门槛以加速AI普及的策略，英特尔提供经过全面优化的软件，包括OpenVINO、oneAPI、Analytics Zoo、Tensor Flow、BigDL等，涵盖库、框架以及工具与解决方案等多个层面，用以加速并简化从云到端的范围内人工智能技术的开发与部署。其中，为加速打通端到端的AI开发流水线，英特尔亦将Big DL升级为Big DL 2.0，旨在将AI应用从笔记本电脑无缝扩展到云端集群中，无需让各领域数据科学家们再去管理底层大规模分布式数据的运行。它简明而清晰地传达了一个信息：专业的人做专业的事。
这也正如戴金权所言：“‘AI无处不在’是英特尔的愿景，而我们想要利用开源软件的基础架构，让AI在英特尔的平台上得以部署应用，使其无论从性能、功能还是易用性上都得到提升，从而帮助业界以及每一位开发者去创新和应用AI，这是我们的目标。”
多元场景，加速应用落地
AI技术本身就是帮助管理数据中心的利器。面对大量繁杂的数据，AI可以通过分析计算节点和资源信息，进行更优的能源管理和资源调度，这便是所谓的“智能运维”。这种智能化的管理模式可以广泛应用到多个领域之中，英特尔在与韩国SK Telecom的合作之中，便利用AI对通讯网络进行大规模的时序数据分析，最终通过AI预测负载变化达成节能省电以及最优化的任务分配。值得一提的是，SK Telecom作为一个拥有是十分复杂的大数据平台的电信运营商，与英特尔在AI领域的合作使其从数据处理，到模型训练，再到模型推理上均实现了效率与性能的多倍提升。
除此之外，英特尔也利用新型的Transformer模型架构进行AI预训练，再灵活针对下游任务场景进行适配和调优。此前，英特尔已与汉堡王合作，成功开发出了采用双Transformer架构（TxT）的AI推荐系统，能同时学习实时订单序列数据，和位置、天气以及订单行为等特征并做出智能推荐。而得益于此AI系统，汉堡王也惊讶却精准地发现它的顾客竟喜欢在冬天点奶昔、在选择高热量食物的同时再加上甜点。
结语
不得不说，当同时集齐硬件的加速、训练模型架构的创新，以及软件平台的助力时，英特尔已经构建出了一个较为完整的软硬件生态系统，能够为它的合作伙伴们带来开发效率和开发体验的多维度提升，这对每一位AI生态圈中的人员来说都是一个令人振奋的消息。
数据爆炸的时代已然来临，从大数据到数据分析，再到AI的转变是一个非常自然的过程。AI的核心是使机器识别模式并据此做出准确的预测，纵然它对计算、内存、带宽和功率与日俱增的需求给业界带来重重挑战，但它所能带来的令人惊讶的洞悉，和帮助决策的能力正是AI应用独一无二的价值所在。正如戴金权在近日采访中所直言般：“即便艰难险阻，我们仍旧坚信AI是一个技术，也是一个产业发展的方向，它在未来必定大有可为。”
