搜索
爱集微APP下载
登录
数字化的变革是“百年未有之大变局”的关键变量之一。英特尔物联网事业部中国区首席技术官张宇日前在世界人工智能大会上指出，随着5G、人工智能、智能边缘计算、以及大数据、云计算和区块链等等这些技术的成熟与普及，数字化正以不可逆之势深刻影响每个人的生活。
英特尔物联网事业部中国区首席技术官张宇
张宇认为，数字化进程的加速，以及收集到的数据不断增加，同样也推动了技术的不断创新。以人工智能为例，如果将这一轮人工智能的高潮与上世纪90年代的人工智能高潮对比的话，可以看到推动本轮人工智能发展主要有两大关键因素：一方面是更强大的算力，另一方面是大量可供训练的数据。
目前，全球排名首位的超级计算机每秒峰值运算速度已经达到了53亿亿次，这一数字已经是上世纪90年代的400万倍以上。张宇表示，算力的提升可以让人们在更短的时间内完成一个网络模型的训练，或一个更加复杂的人工智能网络模型。
而在数据方面，按照张宇的说法，这一轮的人工智能应用实际上是被数据“喂”出来的。海量数据诞生的背后，是业界存储技术以及通信技术的提升。
三类技术交互
作为一家数据公司，英特尔的产品涵盖计算、通信、存储等各个方面，以此为客户搭建一个从云到端的智能化部署。
张宇透露，英特尔在计算方面能够提供CPU、GPU、FPGA和各种人工智能加速芯片的不同产品组合，来满足用户对计算的多样性需求。在通信方面，英特尔3G时代就参与了全球通信标准的制定，5G时代还推出了一系列硬件和软件产品，包括面向无线基站的SoC芯片，基于统一的英特尔架构可以实现从通信的核心网到边缘，实现软件的复用，极大降低软件的开发成本，推动软件部署。在存储方面，英特尔提出的3D XPoint技术可以极大提高闪存的存储密度，同时可以提高读写速度，使得数据的存储更加方便，成本更低廉。
“通过计算、通信以及存储三者之间的交互，英特尔正推动人工智能进入新的发展拐点。”张宇如是说。
数据只有经过处理后才能发挥真正的行业价值，才能创造新的服务和体验。但张宇指出，不同的应用所需要的数据处理类型是不同的，采取的数据处理方式也是各异的，这些都对处理器的架构提出了不同的要求。
例如平日学习、居家、办公的应用以及数据中心的一些线上应用。它们要处理大量的标量数据，需要不断根据逻辑判断的结果去动态调整处理流程。实践证明这一类应用的处理，CPU是最佳的处理器结构。
而在科学计算类的应用、3D渲染这类的应用，它们会处理大量的矢量数据。实践证明，GPU由于它在一条指令周期里可以执行多个连续的数据单元，可以极大降低执行多条指令或者是循环操作所带来的指令开销，所以GPU是这一类应用的最佳处理器架构。
另外，关于当下的人工智能应用，由于它是基于深度学习的，深度学习的基础是卷积神经网络，而卷积神经网络的基本运算是矩阵的乘法运算和矩阵的加法运算。因此基于硬件加速的矩阵加速单元为基础构建的各种人工智能加速芯片，是处理人工智能应用负载的最佳选型。
除此之外，还有一些其他类型的应用，比如说5G类型的应用，它们对数据的并行处理、对系统功能接口的灵活配置有比较高的要求。实践证明，对这一类应用的处理，FPGA是最佳的选型。因为FPGA可以实现利用硬件来实现软件的算法，并实现利用空间换取时间的方式来让整个系统运行效率的最大化。
四种架构融合
张宇强调，英特尔是业界唯一一家产品可以涵盖以上四种主流计算架构的半导体公司，四种架构的产品能够满足用户对计算不同的需求。值得一提的是，英特尔还在致力于不同的计算架构融合。
英特尔最新的凌动处理器和酷睿处理器依然不再是传统意义上的CPU，他它们在提供强大的CPU算力的同时还集成了集成显卡，利用集成显卡就可以实现高效的媒体的编码、解码和转码的操作，来满足像游戏和视频会议等这些对媒体处理有比较高要求的应用需求。
虽然架构融合对不同的应用能够提供最佳的硬件处理方案，但这也对软件开发人员带来了挑战。因为，一名软件开发人员需要对不同应用定义不同的接口，维护不同的工具，编写不同的软件，这会导致时间和金钱的开销巨大。张宇强调，英特尔的愿景是希望软件开发人员能够利用一个接口、一个平台就能够实现对CPU、GPU和各种加速芯片的编程。为此，英特尔提出了OneAPI项目，在OneAPI项目里头，它包含一个跨平台的编程语言DPC++，利用DPC++可以实现不同架构底层编码的复用。
在OneAPI里，英特尔配备了各种函数库，这些函数库可以运行在包括CPU、GPU和不同的加速芯片之上。开发人员利用OneAPI工具包，就可以利用一个基于开放的、统一的，基于行业标准的编程模型使用不同架构的英特尔产品。这样不仅能够释放底层硬件的潜力，同时可以极大降低软件开发、维护和部署的成本。
据张宇透露，OneAPI项目一经宣布，便得到了业界的广泛支持，如今微软的Azure以及谷歌的TensorFlow都已经支持了OneAPI。
