转向“超异构”,英特尔高管详解AI计算战略

图片来源:unsplash.com

记者 | 彭新

“训练一个大的人工智能模型,需要消耗掉5台美式车整个生命周期所产生的碳排放量(www.hjd.net.cn)。如果这种模式未来遍布全球各个领域,从云终端到边缘都是用人工智能处理,肯定吃不消。”近日,芯片厂商英特尔中国研究院院长宋继强在公开演讲中称,在数据驱动的人工智能浪潮下,无论从指数级增长的数据量,还是多元化的数据形态,均存在大量挑战,英特尔希望能针对不同的场景和应用模式,提供不同的方案。

“大量的数据,比如无人车、机器人、生产数据、传感器数据,人处理起来不是最便捷的,而要靠人工智能,这是从量上来讲。从质上看,也需要很多新的算法去处理。”宋继强称。

近年来,人工智能的兴起使AI芯片成为了全球芯片产业里的“网红”,AI芯片创业公司频出。为应对人工智能所带来的市场需求,主流云服务商如谷歌、亚马逊、百度、阿里等纷纷自研AI芯片,至今方兴未艾。

这意味着,未来智能世界对算力的需求发生了显著变化,通用计算芯片虽然仍将是数据中心里的主流芯片,但大型数据中心越来越需要多样化的、经过定制的算力,去处理更庞大的数据和执行更复杂的算法。

尽管未曾在财报中单独披露具体的AI业务场景,但英特尔称,人工智能已经融入英特尔业务各个层面,涉及到芯片、软件、IP、算法、网络、存储等多个层次。英特尔最新财季营收为197亿美元,与上年同期的198亿美元相比下降1%。

英特尔公司最为人所知的是个人电脑处理器CPU,但在人工智能计算潮流下,这家公司选定了一个新的支撑体系“超异构”,也就是XPU,后者成为英特尔高层频频挂在嘴边的词。

“可以说英特尔已经是‘XPU’公司了,而不仅仅是CPU。”英特尔亚洲AI销售技术总监伊红卫曾告诉界面记者,所谓XPU,其范畴涵盖CPU、GPU(图形处理器)、FPGA(可编程芯片),甚至是未来的量子计算、神经拟态计算等。英特尔称,今后更复杂的AI环境需要的是众多XPU在一起工作。

所谓异构,宋继强解释,传统上多理解为板级集成方式,即CPU、GPU等不同计算单元置于同一个板上。而强调超异构计算,则更多是芯片层级,这不同的Die(裸片)整合封装在同一枚芯片中,数据带宽更大、功耗更低。因此能够利用不同架构芯片,在处理不同的数据、不同的任务时有独特的性能和功耗优势。

“用不同的架构去处理不同类型的数据,根据处理速度、带宽的要求去优化,而这个基础就是XPU的不同的计算架构。"宋继强在接受界面新闻等媒体记者采访时说,"架构整合起来就能各取所需,打组合拳会好过只用一种武器去解决所有问题。

在技术和产品上,应对不同数据类型,各类XPU各有分工:CPU适宜处理标量架构,如进行顺序计算的控制流,但无扩展性;GPU则适宜处理矢量运算,进行大规模处理;AI更多是块状运算,需要专门进行矩阵加速,数据的存取也需要优化;FPGA适合运行一些稀疏的运算,可以大幅度降低数据存取以及计算消耗。最终,XPU加上深度学习分析软件,人工智能支持能力被大大提升。

即使在CPU内部,在英特尔技术努力下,实现异构计算也成为可能。宋继强介绍,其第三代至强服务器处理器中,加有深度学习加速器件,并从指令集上提高了深度学习计算性能。

“微软做搜索引擎优化时,最后选定的方案就是XPU的方案,使用英特尔CPU加上一大堆的FPGA,构成一个farm(服务器农场)去做这件事情。”宋继强举例,面对实时性要求高,数毫秒内一定要返回的搜索引擎,CPU、GPU无法保证及时性,而ASIC(专用集成芯片)则无法满足算法持续优化部署和更换的适配要求,因此微软选择了相对灵活的FPGA。宋继强总结称,无论是板级还是芯片级整合,具体需要看实际情况需求,因为不同的架构有不同的优劣势。

未来,在市场层面,无论是智慧城市、无人驾驶,还是工厂自动化系统都少不了使用XPU。英特尔发力5G,抓住网络基础设施云化趋势,在XPU计算架构下,将有机会成为核心网的重要供应商之一。另一方面,也会获得更多销售物联网、数据中心芯片。

英特尔物联网事业部中国区首席技术官张宇也称,当前AI的落地可以用“五花八门、百花齐放”来形容,每个应用都可以满足场景需求,一些客户已经有大致架构和想法,比如要建设AI算力平台、数据平台、5G网络等等,因此英特尔存在机会。

公司名称:深圳迦迪迩科技有限公司