AI 时代竟有智能化鸿沟，具备哪些条件才能跨过？

大多数企业使用 AI 时其实更偏重推理型的应用。基于 CPU 平台，特别是集成深度学习加速技术的英特尔至强平台的 AI
云服务，在很多应用场景都足以应对他们的实战需求，而且其部署更快、更便捷，上手门槛也低。

不论是使用成熟的英特尔架构 AI 优化软硬件组合打造 AI 云主机，还是对 AI 云平台上的特定模型进行深度优化，抑或是从 AI
框架层面开展基础合作，英特尔与 CDS 首云、阿里云及百度等云服务提供商的紧密协作，已经催生了至强 CPU 之上丰富多样的 AI
云服务，它们都在助力更多企业跨越智能化鸿沟。

移动互联网 “早古” 时期，普通人因为收入差距问题而无法做到人手一部智能手机，从而导致数字鸿沟。同样，在当前这个 AI，也就是人工智能扮演越来越关键作用的时代，企业也站在了类似的抉择交接线上——是否有足够的实力或能力拥抱智能化？而这个问题的成本，可就不是一个小小的智能手机了。因缺少 AI 人才、技术积累或财力支持而难以靠自身力量完成 AI 基础设施建设的企业，在智能化转型的过程中正将面临这样的智能化鸿沟，能否破解，很可能会关乎新十年中它们的命运走向。

如何消除智能化鸿沟？

要解决问题，就要先精确定位问题所在。

一方面，构建 AI 能力对于普通企业来说，IT 基础设施维护、AI 框架搭建、训练和推理、硬件和软件、人才和巨额算力成本等这些 “夯地基” 的事情需要从零做起，然而大部分企业，尤其是传统行业企业并没有相关经验；另一方面，智能化转型又迫在眉睫，企业需要快速让自己具备 AI 能力，才能赶上不断变化的需求。

企业在 AI 应用开发和使用各阶段可能遇到的挑战，虽然不全，但已足够 “挑战”

包括那些有一定的 AI 人才、技术积累与创新能力，但仍不足以支撑自身智能化转型的企业在内，大家都在寻找一种功能全面、部署便捷且性价比高的法子，来帮助它们快速完成 AI 能力的构建和部署。

这就给了云服务提供商大展身手的机会，通过输出快捷、高效、实惠的 AI 云服务，帮助条件和实力不足的企业快速部署和实践 AI 应用，它们可以做到既惠人，又利已。

意外！CPU 成 AI 云服务热门选择

紧迫的需求，已经在过去数年催生了众多针对 AI 的云服务和产品，IaaS 和 PaaS 级别的服务是主流，例如 AIaaS (AI as a Service)、AI 在线服务、增强型 IaaS、企业级 AI 一体机，深度学习云平台等等，硬件搭配也是多种多样，例如基于 CPU、GPU、TPU、NPU、FPGA 等等，都在为企业 AI 转型提供包括基础设施构建及优化、AI 应用开发和部署，以及 AI 模型训练与推理效能优化在内的多种支持。

有趣的是，CPU 作为通用处理器，在 AI 云服务的抢眼程度，并不亚于专用的 AI 加速芯片。通过实际应用分析，我们不难发现，如果不是专注于 AI 算法模型训练和开发的企业，大多数企业使用 AI 时其实更偏推理型的应用。对他们来说，基于 CPU 平台的云服务，特别是集成了可加速 AI 应用的 AVX-512 技术和深度学习加速技术的英特尔® 至强® 平台的 AI 云服务，其实在很多应用场景中都足以应对实战需求，且不论对于他们，还是云服务提供商而言，部署都更快、更便捷，上手门槛也低。

就这样，可能与大家的印象相悖，CPU 成为了很多云服务提供商输出，以及企业采用 AI 云服务时的热门选择，这使得以 CPU 为基础设施的 AI 云服务异军突起。

用 CPU 做 AI 云服务，集成 AI 加速是前提

如前文提到，基于 CPU 的云服务要受欢迎，并不是仅仅做好通用计算任务就够了，首先就要针对 AI 应用在硬件上集成特定的加速能力。

作为老牌 CPU 厂商的英特尔® ，早在 2017 年就于第一代至强® 可扩展处理器上导入了可以加速浮点运算（涵盖 AI 运算）的 AVX-512 技术；而后又在 2019 年推出的第二代至强® 可扩展处理器上集成了可以加速 INT8 的英特尔® 深度学习加速技术，专攻推理优化；2020 年和今年，分别面向多路和单、双路服务器的第三代至强® 可扩展处理器依次亮相，后者靠 INT8 加速主攻推理，前者则通过同时支持 INT8 和 BF16 加速，兼顾了 CPU 上的 AI 训练和推理任务。

2021 年面向单路和双路服务器的全新第三代至强® 可扩展处理器的主要优势，包括再次提升 AI 推理性能

CPU 有了 AI 加速能力，用它来构建 AI 云服务的根基就已奠定。但为了充分发挥出这些硬件 AI 加速能力，英特尔® 还同步提供了一系列开源 AI 软件优化工具，包括基础性能优化工具 oneDNN，可帮助 AI 模型充分量化利用 CPU 加速能力、预置了大量预优化模型并能简化它们在 CPU 平台上部署操作的 OpenVINO，以及可以在现有大数据平台上开展深度学习应用，从而无缝对接大数据平台与 AI 应用的 Analytics Zoo 等。英特尔® 还将 oneDNN 融入了TensorFlow、Pytorch 等主流 AI 框架，将它们改造成面向英特尔® 架构优化的 AI 框架。

通过这些举措，英特尔® 架构 CPU 平台加速 AI 应用的软硬两种能力就有了 “双剑合璧” 的效果。而英特尔® 和云服务提供商合作伙伴的实践，也正是基于此展开的。

CPU AI 云服务第一式，软硬打包上手快

得益于英特尔® 提供的全面AI加速软硬件组合，多数云服务提供商无需做更多调整和优化，就可迅速打造出针对 AI 的基础设施即服务或 AI 云主机产品。简单来说，就是将集成 AI 加速能力的至强® 可扩展平台与我们提到的软件工具，例如 oneDNN 或面向英特尔® 架构优化的 AI 框架软硬打包，就可快速形成易于部署和扩展的 AI 云主机镜像。

国内有云服务提供商早在 2017 年就进行了类似的尝试，通过使用英特尔® 优化软件，它激活了至强® 平台的 AI 加速潜能，并在部分应用场景实现了可与 GPU 相媲美的推理性能。

如果仅有性能优化还不够，还需要更快的模型部署能力，那就可以像 CDS 首云一样导入 OpenVINO。它通过至强® 可扩展平台、高性能 K8S 容器平台和 OpenVINO Model Server 这三者的组合大幅简化了 AI 模型的部署、维护和扩展。性能实测结果也表明，OpenVINO 不仅在用户并发接入能力上优于首云此前采用的 AI 框架，在推理应用的时延等关键性能指标上也有良好表现。

CDS 首云 AI 云服务方案架构

CPU AI 云服务第二式，深度优化收益多

仅仅是导入英特尔® 已经就绪的 AI 软硬件组合，就已能输出令人满足的 AI 云服务了，那么如果是和英特尔® 在 AI 云服务的算法及模型上进行更深入的优化，又会有什么惊喜呢？像阿里云这样的头部云服务提供商就通过实战给出了答案。

以阿里云为例，其机器学习平台 PAI 在与英特尔® 的合作中，利用了第三代英特尔® 至强® 可扩展处理器支持的 bfloat16 加速，来主攻 PAI 之上 BERT 性能的调优，具体来说就是以经过优化的 Float32 Bert 模型为基准，利用 BF16 加速能力优化了该模型的 MatMul 算子，以降低延迟。测试结果表明：与优化后的 FP32 Bert 模型相比，至强® 平台 BF16 加速能力能在不降低准确率的情况下，将 BERT 模型推理性能提升达 1.83 倍。

CPU AI 云服务第三式扎根框架打根基

如果说从提供软硬协同的基础平台到定向深度优化算法，算是 AI 云服务在优化程度上的迈进，或者说云服务提供商与英特尔® 在 AI 云服务构建和优化上的深化合作的话，那么如果有云服务提供商能在深度学习框架这个 AI 基石上与英特尔® 开展合作，那是不是会更具意义呢？

为这个问题输出答案的是百度，它的开源深度学习平台 “飞桨” 先后结合第二代和第三代至强® 可扩展处理器在计算、内存、架构和通信等多层面进行了基础性的优化。其结果也是普惠性的——优化后的飞桨框架能够充分调动深度学习加速技术，可将众多 AI 模型，特别是图像分类、语音识别、语音翻译、对象检测类的模型从 FP32 瘦身到 INT8，在不影响准确度的情况下，大幅提升它们的推理速度。

例如在图像分类模型 ResNet50 的测试中，飞桨搭配英特尔® 今年发布的全新第三代至强® 可扩展处理器对其进行 INT8 量化后，其推理吞吐量可达 FP32 的 3.56 倍之多。

如此性能增幅，再加上 CPU 易于获取、利用和开发部署的优势，让飞桨的开发者们可借助 AI 框架层面的优化，更加快速、便捷地创建自己可用 CPU 加速的深度学习应用。而为了给企业开发者们提供更多便利，百度还推出了 EasyDL 和 BML（Baidu Machine Learning）全功能 AI 开发平台，通过飞桨基于全新第三代至强® 可扩展处理器的优化加速，来为企业提供一站式 AI 开发服务。

展望未来，跨越智能化鸿沟不仅靠算力

前文 CDS 首云、阿里云和百度的实例，可以说是充分反映了用 CPU 做 AI 云服务的现状，而这些云服务也正是为当前希望跨越智能化鸿沟的企业设计的。当然，它们也会持续演进，比如说随着未来 AI 技术的进一步发展，特别是大数据与 AI 融合带来的新需求，不论是用 CPU 还是专用加速器，不论是企业自建 AI 基础设施和应用，还是云服务提供商输出的 AI 云服务，都会在数据存储而非算力上面临越来越多的挑战。

毕竟，算力、算法和数据是并驾齐驱的 “三驾马车”，随着数据规模进一步暴增，数据存储也将对 AI 的部署和应用带来更多挑战。

好消息是，国内的云服务提供商也早已和英特尔® 就此展开了前瞻创新，例如百度智能云早在 2019 年就推出了 ABC（AI、Big Data、Cloud）高性能对象存储解决方案，能利用英特尔® 傲腾® 固态盘的高性能、低时延和高稳定来满足 AI 训练对数据的高并发迭代吞吐需求。

值得一提的是，英特尔® 在今年发布全新第三代至强® 可扩展处理器时，也带来了与其搭档的英特尔® 傲腾® 持久内存 200 系列和傲腾® 固态盘 P5800X。

相信未来会有更多专攻 AI 应用场景的存储系统导入这些新品，把更多数据存放在更靠近 CPU 或其他加速器的地方，从数据就绪或 “供给” 层面提升 AI 推理和训练的性能。而提供这些 AI 优化型存储系统或服务的，多数也很可能是技术实力雄厚的云服务提供商们，这样一来，用户就不用担心在应对智能化鸿沟时再遇到大数据和 AI 对接的难题了。