自2015年左右AI熱潮從學(xué)術(shù)界轉(zhuǎn)向產(chǎn)業(yè)界，在近6年的時(shí)間里，AI已經(jīng)越來(lái)越多地應(yīng)用到各個(gè)領(lǐng)域，但在實(shí)際落地的過(guò)程中也遇到了各種挑戰(zhàn)，這也導(dǎo)致了過(guò)去三兩年間，整個(gè)業(yè)界對(duì)于AI的關(guān)注弱了很多。

如何實(shí)現(xiàn)AI的規(guī)模化發(fā)展？英特爾研究院副總裁、英特爾中國(guó)研究院院長(zhǎng)宋繼強(qiáng)認(rèn)為，AI產(chǎn)業(yè)創(chuàng)新已經(jīng)到深水區(qū)，要更深入地理解如何利用基于數(shù)據(jù)驅(qū)動(dòng)的人工智能帶來(lái)的福利，把產(chǎn)業(yè)規(guī)模化擴(kuò)展作為重要發(fā)力點(diǎn)。垂直整合、應(yīng)用驅(qū)動(dòng)是真正可以讓AI把算法創(chuàng)新、硬件創(chuàng)新落到實(shí)處，并且是形成一個(gè)迭代的滾動(dòng)放大效應(yīng)的必由之路。

英特爾院士、大數(shù)據(jù)技術(shù)全球首席技術(shù)官、大數(shù)據(jù)分析和人工智能創(chuàng)新院院長(zhǎng)戴金權(quán)也向雷鋒網(wǎng)表示，AI的落地是一個(gè)系統(tǒng)工程，AI的數(shù)據(jù)和模型在不斷更新，在落地過(guò)程中總是解決一個(gè)問(wèn)題才會(huì)有新的問(wèn)題，解決了關(guān)鍵問(wèn)題才能實(shí)現(xiàn)價(jià)值。 

先數(shù)據(jù)，再AI

AI的發(fā)展需要算力、算法、數(shù)據(jù)三大要素。宋繼強(qiáng)認(rèn)為，這一波的AI熱潮是由數(shù)據(jù)驅(qū)動(dòng)的。他在WAIC 2021的演講中指出：“從量的角度，大量的數(shù)據(jù)由原來(lái)靠人產(chǎn)生，變成由終端、自主設(shè)備產(chǎn)生。從質(zhì)的角度，很多數(shù)據(jù)不再是結(jié)構(gòu)化數(shù)據(jù)，也不再是人可以根據(jù)固定的數(shù)據(jù)結(jié)構(gòu)產(chǎn)出，然后用編程去處理，必須依靠AI算法去處理。”

戴金權(quán)進(jìn)一步從大數(shù)據(jù)的角度說(shuō)明了為什么業(yè)界需要AI。從2006年處理大數(shù)據(jù)集的Hadoop開(kāi)源，業(yè)界最早關(guān)心的是如何存儲(chǔ)處理更多的數(shù)據(jù)。這個(gè)問(wèn)題后，下一個(gè)問(wèn)題是分析數(shù)據(jù)，再之后的關(guān)注點(diǎn)是數(shù)據(jù)實(shí)時(shí)分析。

發(fā)展到今天，關(guān)注的重點(diǎn)變成了如何在數(shù)據(jù)上建模、做預(yù)測(cè)，通過(guò)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等指導(dǎo)決策或預(yù)測(cè)未來(lái)的趨勢(shì)。所以，大數(shù)據(jù)AI軟件平臺(tái)成為了解決大數(shù)據(jù)發(fā)展的關(guān)鍵。

“經(jīng)過(guò)過(guò)去十多年數(shù)據(jù)的積累，許多企業(yè)在數(shù)據(jù)的架構(gòu)，以及數(shù)據(jù)平臺(tái)上已經(jīng)積累了一定的能力和數(shù)據(jù)資產(chǎn)。這時(shí)候，他們?cè)诂F(xiàn)實(shí)場(chǎng)景有非常多的應(yīng)用需求要提升效率，更好的AI軟硬件平臺(tái)能夠幫助他們提升效率，所以越來(lái)越多的公司開(kāi)始使用大數(shù)據(jù)AI。”戴金權(quán)表示。

但AI的應(yīng)用面臨重重挑戰(zhàn)，第一個(gè)問(wèn)題是否有數(shù)據(jù)，以及數(shù)據(jù)是否有標(biāo)簽。有了數(shù)據(jù)，需要明確要解決的問(wèn)題。但這還不夠，在這個(gè)基礎(chǔ)上，要做一個(gè)實(shí)際落地的項(xiàng)目，需要把算法和大數(shù)據(jù)系統(tǒng)打通。

“很多時(shí)候，算法和大數(shù)據(jù)系統(tǒng)其實(shí)是割裂的，只有解決割裂的問(wèn)題，才能構(gòu)建出端到端的模型。還有，日常運(yùn)行的過(guò)程中，不斷會(huì)有數(shù)據(jù)和模型的更新?！贝鹘饳?quán)指出。

“實(shí)現(xiàn)AI的必由之路就是超異構(gòu)計(jì)算，也就是英特爾一直提的XPU戰(zhàn)略，用不同的架構(gòu)處理不同類型的數(shù)據(jù)，根據(jù)處理速度的要求、帶寬的要求去優(yōu)化?！彼卫^強(qiáng)表示。

那什么是超異構(gòu)？異構(gòu)是一個(gè)很早的概念，如今已經(jīng)比較常見(jiàn)的SoC就是一個(gè)異構(gòu)的系統(tǒng)，包含CPU、GPU、DSP等IP。還有一種常見(jiàn)的異構(gòu)是板級(jí)異構(gòu)，將CPU、GPU、FPGA等集成到一塊電路板上。

“超異構(gòu)計(jì)算是要體現(xiàn)出它是‘下一個(gè)等級(jí)’。在一個(gè)異構(gòu)系統(tǒng)中，許多人都忽略了軟件層，但事實(shí)證明如果軟件層沒(méi)有優(yōu)化好，底層的硬件再?gòu)?qiáng)大也意義不大。所以超異構(gòu)的‘超‘意思是要把封裝能力考慮進(jìn)去，同時(shí)要考慮軟件?！彼卫^強(qiáng)解釋。

硬件超異構(gòu)

在這一輪的AI浪潮中，可以看到算法不斷驅(qū)動(dòng)硬件性能的提升，有時(shí)甚至成為AI快速提升的阻力。此時(shí)，已有處理器性能的提升和計(jì)算架構(gòu)的創(chuàng)新都非常關(guān)鍵。CPU是英特爾的看家本領(lǐng)，為了滿足AI的需求，英特爾的CPU也采用了異構(gòu)的方式，在至強(qiáng)處理器中加入了專門(mén)的深度學(xué)習(xí)加速器件，還有可擴(kuò)展的一些配置。集成AI的至強(qiáng)處理器讓通用服務(wù)器性能已經(jīng)提升了46%，AI性能提升了74%。

創(chuàng)新的計(jì)算架構(gòu)能夠滿足更高的AI需求，比如神經(jīng)擬態(tài)計(jì)算，也叫類腦計(jì)算。神經(jīng)擬態(tài)計(jì)算最大的優(yōu)勢(shì)是能效比，比如原來(lái)可能需要兩千瓦的電才能處理的任務(wù)，使用神經(jīng)擬態(tài)計(jì)算芯片只需要幾十毫瓦或者幾百毫瓦，整體的效率是現(xiàn)在深度學(xué)習(xí)加速芯片的1000倍，符合綠色可持續(xù)發(fā)展的需求。

但傳統(tǒng)以及新型處理器的計(jì)算能力提升后，隨之而來(lái)的是更多的數(shù)據(jù)交互，包括處理器之間以及跨服務(wù)器節(jié)點(diǎn)。此時(shí)，I/O就成為瓶頸，這種瓶頸包括尺寸和功耗。

“我們認(rèn)為光是替代銅的非常好的互連的介質(zhì)，但光器件體積比較大，光電轉(zhuǎn)換也比較困難，效率不高。英特爾從幾個(gè)方面解決這個(gè)問(wèn)題，首先是把光器件與電器件緊密的封裝在一起，讓它們靠近，減少兩端轉(zhuǎn)換的損耗；其次是制作收發(fā)器，以更小的模式放到服務(wù)器當(dāng)中。”宋繼強(qiáng)表示。

計(jì)算和I/O的問(wèn)題解決之后，要實(shí)現(xiàn)不同類型的處理器、存儲(chǔ)器件的異構(gòu)集成，就需要先進(jìn)封裝技術(shù)。在這一技術(shù)領(lǐng)域，英特爾有EMIB 2.5D的封裝技術(shù)。用一個(gè)形象的比喻解釋這種技術(shù)，就像在兩個(gè)平房間去嵌入下水管道將它們連通起來(lái)。

“如果想更好地利用三維空間，就可以在多層上把計(jì)算的晶圓互連。英特爾的Foveros 3D封裝技術(shù)的優(yōu)勢(shì)是可以實(shí)現(xiàn)計(jì)算晶圓間的互連，而不只是在計(jì)算的晶圓和存儲(chǔ)晶圓之間互連，可以讓很多新的芯片很好地進(jìn)行互連，包括英特爾最新架構(gòu)的類腦芯片也可以和傳統(tǒng)的CPU、GPU互相組合?！彼卫^強(qiáng)指出。

硬件實(shí)現(xiàn)了異構(gòu)，還需要軟件發(fā)揮異構(gòu)硬件的優(yōu)勢(shì)，才能實(shí)現(xiàn)超異構(gòu)。對(duì)于現(xiàn)在的軟件開(kāi)發(fā)者來(lái)說(shuō)，大都只熟悉CPU、GPU或FPGA的開(kāi)發(fā)模式，硬件的異構(gòu)集成，讓開(kāi)發(fā)者很難發(fā)揮XPU的硬件優(yōu)勢(shì)。

宋繼強(qiáng)介紹，英特爾的方案是，聯(lián)合企業(yè)合作伙伴一起推出了開(kāi)放的軟件平臺(tái)oneAPI，這個(gè)平臺(tái)是一個(gè)開(kāi)放的產(chǎn)業(yè)聯(lián)盟，有四五十家企業(yè)和大學(xué)都在聯(lián)盟里。軟件開(kāi)發(fā)者來(lái)只需要學(xué)習(xí)Python或者是只學(xué)C++，通過(guò)oneAPI就可以利用到異構(gòu)集成的優(yōu)勢(shì)，M種硬件和N種性能庫(kù)和結(jié)合將會(huì)是M乘以N的倍數(shù)提升。如果未來(lái)硬件升級(jí)替代，軟件也只需要少量的改動(dòng)就可以發(fā)揮硬件升級(jí)帶來(lái)的提升。

AI方案垂直整合 

對(duì)于企業(yè)來(lái)說(shuō)，如何利用兩個(gè)割裂集群的工作流，實(shí)現(xiàn)效率的提升是非常大的問(wèn)題?！拔覀兿Ｍㄟ^(guò)Analytics Zoo，把一個(gè)割離的架構(gòu)或者是割離的工作流統(tǒng)一在一起。有了統(tǒng)一的大數(shù)據(jù)AI集群，就可以在集群上直接處理數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，然后進(jìn)行大規(guī)模分布式數(shù)據(jù)處理，在這個(gè)基礎(chǔ)上運(yùn)行各種AI算法?！贝鹘饳?quán)說(shuō)。

實(shí)際上，英特爾2018年推出開(kāi)源軟件Analytics Zoo的第一個(gè)版本時(shí)，要解決的是如何在大數(shù)據(jù)平臺(tái)上把深度學(xué)習(xí)的算法無(wú)縫的進(jìn)行分布式擴(kuò)展，這時(shí)候BigDL、OCR都可以用于解決這一問(wèn)題。

“當(dāng)用戶需要把AI落地時(shí)，解決了擴(kuò)展的問(wèn)題之后，如何更加自動(dòng)化、更高效地處理數(shù)據(jù)和建模，需要AutoML的支持。比如一些時(shí)間序列分析，可以利用AutoML，實(shí)現(xiàn)從數(shù)據(jù)的處理，包括產(chǎn)生的特征，特征選取，再到模型選取，模型參數(shù)調(diào)整的端到端平臺(tái)?！贝鹘饳?quán)介紹。

韓國(guó)最大電信公司SK電訊就通過(guò)與英特爾的合作，就是通過(guò)時(shí)間序列分析，垂直整合實(shí)現(xiàn)效率提升的典型例子。SK電訊需要對(duì)4G、5G基站進(jìn)行網(wǎng)絡(luò)質(zhì)量的監(jiān)控、預(yù)測(cè)、報(bào)警燈工作，而一個(gè)城市中可能有幾十萬(wàn)甚至更多基站，借助人工顯然不能實(shí)現(xiàn)很好地監(jiān)控。為此，SK電訊使用Analytics Zoo構(gòu)建了一個(gè)時(shí)間序列的處理分析，將數(shù)據(jù)處理，深度學(xué)習(xí)的訓(xùn)練、推理、使用構(gòu)建了一個(gè)統(tǒng)一的流水線，運(yùn)行在統(tǒng)一的大數(shù)據(jù)Spark集群上。

“構(gòu)建這樣一個(gè)端到端的流水線，帶來(lái)了非常大的端到端的性能提升。AI推理的性能有3倍以上的提升，AI訓(xùn)練有差不多30%-50%的性能提升?！贝鹘饳?quán)說(shuō)。

其實(shí)，英特爾子公司Mobileye也是通過(guò)垂直整合發(fā)揮AI價(jià)值的一個(gè)典型例子。Mobileye主要做自動(dòng)駕駛的ADAS系統(tǒng)，原來(lái)只做計(jì)算機(jī)視覺(jué)的算法，整合芯片提供后裝ADAS設(shè)備。如今，Mobileye已經(jīng)發(fā)展出垂直整合的一套方案，包含定制的、專門(mén)架構(gòu)的數(shù)據(jù)系統(tǒng)，有不同的計(jì)算架構(gòu)，也有一些新的傳感器。

通過(guò)與全球100多家車(chē)廠的合作，垂直整合的方案利用足夠的數(shù)據(jù)后，能夠?qū)@些信息做抽象歸納，利用很小的數(shù)據(jù)量但可以進(jìn)行很好地輔助駕駛決策。

“我們?cè)诘讓铀焦δ艿幕A(chǔ)上構(gòu)建非常多針對(duì)更多垂直場(chǎng)景的支持，幫助用戶來(lái)更容易、更快地去搭建應(yīng)用，包括AutoML的場(chǎng)景，針對(duì)時(shí)間序列分析的場(chǎng)景，還有PPML(Privacy Preserving Machine Learning)針對(duì)隱私保護(hù)的場(chǎng)景?！贝鹘饳?quán)進(jìn)一步解釋關(guān)于AI的隱私保護(hù)。

“隱私保護(hù)無(wú)論是從個(gè)人需求還是合規(guī)的角度，都是AI應(yīng)用的一個(gè)痛點(diǎn)。不同的安全需求和不同的安全路線。英特爾通過(guò)SGX，在CPU中有內(nèi)置的安全功能，在此之上通過(guò)軟件安全技術(shù)提供大數(shù)據(jù)AI安全平臺(tái)實(shí)現(xiàn)不同的場(chǎng)景支持?！?/p>

聯(lián)邦學(xué)習(xí)的方式面向的主要場(chǎng)景是希望數(shù)據(jù)不出企業(yè)的防火墻。可信平臺(tái)的技術(shù)是利用軟硬件的技術(shù)提供安全保護(hù)，讓數(shù)據(jù)不管在計(jì)算、存儲(chǔ)網(wǎng)絡(luò)中，都能在公有云或者私有云中提供安全保護(hù)。

不過(guò)，垂直整合去推動(dòng)AI的規(guī)?；l(fā)展依舊有許多挑戰(zhàn)。宋繼強(qiáng)告訴雷鋒網(wǎng)，“垂直整合的挑戰(zhàn)首先要能夠接觸到多種資源、數(shù)據(jù)，以及實(shí)際應(yīng)用場(chǎng)景。其次，要有跨層的專家參與其中，既要有算法、硬件設(shè)計(jì)通用能力的專家，也要有領(lǐng)域相關(guān)的專家來(lái)協(xié)同。最后，產(chǎn)品要經(jīng)得起市場(chǎng)檢驗(yàn)，一個(gè)原型系統(tǒng)肯定不行。”

小結(jié)

目前看來(lái)，AI在推薦、自然語(yǔ)言處理、視覺(jué)領(lǐng)域都有非常多的應(yīng)用。之前互聯(lián)網(wǎng)公司由于有更多的數(shù)據(jù)，在利用大數(shù)據(jù)AI構(gòu)建場(chǎng)景方面的速度更快，但隨著大數(shù)據(jù)AI的發(fā)展，越來(lái)越多的傳統(tǒng)企業(yè)都更多地應(yīng)用AI，包括電信、銀行、制造業(yè)、餐飲業(yè)等等。

戴金權(quán)說(shuō)：“關(guān)鍵還是看企業(yè)有沒(méi)有數(shù)據(jù)，以及軟硬件架構(gòu)平臺(tái)，并且在平臺(tái)上構(gòu)建一個(gè)非常好的應(yīng)用場(chǎng)景。AI會(huì)無(wú)處無(wú)在，英特爾有能力實(shí)現(xiàn)這一愿景?！?/strong>

宋繼強(qiáng)則強(qiáng)調(diào)，AI創(chuàng)新要真正的規(guī)?；l(fā)展起來(lái)，一定要很認(rèn)真嚴(yán)肅地做垂直整合。雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。