<mark id="oztn4"></mark>
0
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年的時間里，AI已經(jīng)越來越多地應(yīng)用到各個領(lǐng)域，但在實際落地的過程中也遇到了各種挑戰(zhàn)，這也導(dǎo)致了過去三兩年間，整個業(yè)界對于AI的關(guān)注弱了很多。
如何實現(xiàn)AI的規(guī)模化發(fā)展？英特爾研究院副總裁、英特爾中國研究院院長宋繼強認為，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)動的人工智能帶來的福利，把產(chǎn)業(yè)規(guī)模化擴展作為重要發(fā)力點。垂直整合、應(yīng)用驅(qū)動是真正可以讓AI把算法創(chuàng)新、硬件創(chuàng)新落到實處，并且是形成一個迭代的滾動放大效應(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)新院院長戴金權(quán)也向雷鋒網(wǎng)表示，AI的落地是一個系統(tǒng)工程，AI的數(shù)據(jù)和模型在不斷更新，在落地過程中總是解決一個問題才會有新的問題，解決了關(guān)鍵問題才能實現(xiàn)價值。
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。宋繼強認為，這一波的AI熱潮是由數(shù)據(jù)驅(qū)動的。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)進一步從大數(shù)據(jù)的角度說明了為什么業(yè)界需要AI。從2006年處理大數(shù)據(jù)集的Hadoop開源，業(yè)界最早關(guān)心的是如何存儲處理更多的數(shù)據(jù)。這個問題后，下一個問題是分析數(shù)據(jù)，再之后的關(guān)注點是數(shù)據(jù)實時分析。
發(fā)展到今天，關(guān)注的重點變成了如何在數(shù)據(jù)上建模、做預(yù)測，通過機器學(xué)習(xí)、深度學(xué)習(xí)等指導(dǎo)決策或預(yù)測未來的趨勢。所以，大數(shù)據(jù)AI軟件平臺成為了解決大數(shù)據(jù)發(fā)展的關(guān)鍵。
“經(jīng)過過去十多年數(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)平臺上已經(jīng)積累了一定的能力和數(shù)據(jù)資產(chǎn)。這時候，他們在現(xiàn)實場景有非常多的應(yīng)用需求要提升效率，更好的AI軟硬件平臺能夠幫助他們提升效率，所以越來越多的公司開始使用大數(shù)據(jù)AI。”戴金權(quán)表示。
但AI的應(yīng)用面臨重重挑戰(zhàn)，第一個問題是否有數(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題。但這還不夠，在這個基礎(chǔ)上，要做一個實際落地的項目，需要把算法和大數(shù)據(jù)系統(tǒng)打通。
“很多時候，算法和大數(shù)據(jù)系統(tǒng)其實是割裂的，只有解決割裂的問題，才能構(gòu)建出端到端的模型。還有，日常運行的過程中，不斷會有數(shù)據(jù)和模型的更新。”戴金權(quán)指出。
“實現(xiàn)AI的必由之路就是超異構(gòu)計算，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。”宋繼強表示。
那什么是超異構(gòu)？異構(gòu)是一個很早的概念，如今已經(jīng)比較常見的SoC就是一個異構(gòu)的系統(tǒng)，包含CPU、GPU、DSP等IP。還有一種常見的異構(gòu)是板級異構(gòu)，將CPU、GPU、FPGA等集成到一塊電路板上。
“超異構(gòu)計算是要體現(xiàn)出它是‘下一個等級’。在一個異構(gòu)系統(tǒng)中，許多人都忽略了軟件層，但事實證明如果軟件層沒有優(yōu)化好，底層的硬件再強大也意義不大。所以超異構(gòu)的‘超‘意思是要把封裝能力考慮進去，同時要考慮軟件。”宋繼強解釋。
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)動硬件性能的提升，有時甚至成為AI快速提升的阻力。此時，已有處理器性能的提升和計算架構(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，在至強處理器中加入了專門的深度學(xué)習(xí)加速器件，還有可擴展的一些配置。集成AI的至強處理器讓通用服務(wù)器性能已經(jīng)提升了46%，AI性能提升了74%。
創(chuàng)新的計算架構(gòu)能夠滿足更高的AI需求，比如神經(jīng)擬態(tài)計算，也叫類腦計算。神經(jīng)擬態(tài)計算最大的優(yōu)勢是能效比，比如原來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算能力提升后，隨之而來的是更多的數(shù)據(jù)交互，包括處理器之間以及跨服務(wù)器節(jié)點。此時，I/O就成為瓶頸，這種瓶頸包括尺寸和功耗。
“我們認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。英特爾從幾個方面解決這個問題，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。”宋繼強表示。
計算和I/O的問題解決之后，要實現(xiàn)不同類型的處理器、存儲器件的異構(gòu)集成，就需要先進封裝技術(shù)。在這一技術(shù)領(lǐng)域，英特爾有EMIB 2.5D的封裝技術(shù)。用一個形象的比喻解釋這種技術(shù)，就像在兩個平房間去嵌入下水管道將它們連通起來。
“如果想更好地利用三維空間，就可以在多層上把計算的晶圓互連。英特爾的Foveros 3D封裝技術(shù)的優(yōu)勢是可以實現(xiàn)計算晶圓間的互連，而不只是在計算的晶圓和存儲晶圓之間互連，可以讓很多新的芯片很好地進行互連，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。”宋繼強指出。
硬件實現(xiàn)了異構(gòu)，還需要軟件發(fā)揮異構(gòu)硬件的優(yōu)勢，才能實現(xiàn)超異構(gòu)。對于現(xiàn)在的軟件開發(fā)者來說，大都只熟悉CPU、GPU或FPGA的開發(fā)模式，硬件的異構(gòu)集成，讓開發(fā)者很難發(fā)揮XPU的硬件優(yōu)勢。
宋繼強介紹，英特爾的方案是，聯(lián)合企業(yè)合作伙伴一起推出了開放的軟件平臺oneAPI，這個平臺是一個開放的產(chǎn)業(yè)聯(lián)盟，有四五十家企業(yè)和大學(xué)都在聯(lián)盟里。軟件開發(fā)者來只需要學(xué)習(xí)Python或者是只學(xué)C++，通過oneAPI就可以利用到異構(gòu)集成的優(yōu)勢，M種硬件和N種性能庫和結(jié)合將會是M乘以N的倍數(shù)提升。如果未來硬件升級替代，軟件也只需要少量的改動就可以發(fā)揮硬件升級帶來的提升。
AI方案垂直整合
對于企業(yè)來說，如何利用兩個割裂集群的工作流，實現(xiàn)效率的提升是非常大的問題。“我們希望通過Analytics Zoo，把一個割離的架構(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)倉庫中的數(shù)據(jù)，然后進行大規(guī)模分布式數(shù)據(jù)處理，在這個基礎(chǔ)上運行各種AI算法。”戴金權(quán)說。
實際上，英特爾2018年推出開源軟件Analytics Zoo的第一個版本時，要解決的是如何在大數(shù)據(jù)平臺上把深度學(xué)習(xí)的算法無縫的進行分布式擴展，這時候BigDL、OCR都可以用于解決這一問題。
“當(dāng)用戶需要把AI落地時，解決了擴展的問題之后，如何更加自動化、更高效地處理數(shù)據(jù)和建模，需要AutoML的支持。比如一些時間序列分析，可以利用AutoML，實現(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。”戴金權(quán)介紹。
韓國最大電信公司SK電訊就通過與英特爾的合作，就是通過時間序列分析，垂直整合實現(xiàn)效率提升的典型例子。SK電訊需要對4G、5G基站進行網(wǎng)絡(luò)質(zhì)量的監(jiān)控、預(yù)測、報警燈工作，而一個城市中可能有幾十萬甚至更多基站，借助人工顯然不能實現(xiàn)很好地監(jiān)控。為此，SK電訊使用Analytics Zoo構(gòu)建了一個時間序列的處理分析，將數(shù)據(jù)處理，深度學(xué)習(xí)的訓(xùn)練、推理、使用構(gòu)建了一個統(tǒng)一的流水線，運行在統(tǒng)一的大數(shù)據(jù)Spark集群上。
“構(gòu)建這樣一個端到端的流水線，帶來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。”戴金權(quán)說。
其實，英特爾子公司Mobileye也是通過垂直整合發(fā)揮AI價值的一個典型例子。Mobileye主要做自動駕駛的ADAS系統(tǒng)，原來只做計算機視覺的算法，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、專門架構(gòu)的數(shù)據(jù)系統(tǒng)，有不同的計算架構(gòu)，也有一些新的傳感器。
通過與全球100多家車廠的合作，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)量但可以進行很好地輔助駕駛決策。
“我們在底層水平功能的基礎(chǔ)上構(gòu)建非常多針對更多垂直場景的支持，幫助用戶來更容易、更快地去搭建應(yīng)用，包括AutoML的場景，針對時間序列分析的場景，還有PPML(Privacy Preserving Machine Learning)針對隱私保護的場景。”戴金權(quán)進一步解釋關(guān)于AI的隱私保護。
“隱私保護無論是從個人需求還是合規(guī)的角度，都是AI應(yīng)用的一個痛點。不同的安全需求和不同的安全路線。英特爾通過SGX，在CPU中有內(nèi)置的安全功能，在此之上通過軟件安全技術(shù)提供大數(shù)據(jù)AI安全平臺實現(xiàn)不同的場景支持。”
聯(lián)邦學(xué)習(xí)的方式面向的主要場景是希望數(shù)據(jù)不出企業(yè)的防火墻。可信平臺的技術(shù)是利用軟硬件的技術(shù)提供安全保護，讓數(shù)據(jù)不管在計算、存儲網(wǎng)絡(luò)中，都能在公有云或者私有云中提供安全保護。
不過，垂直整合去推動AI的規(guī)模化發(fā)展依舊有許多挑戰(zhàn)。宋繼強告訴雷鋒網(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)，以及實際應(yīng)用場景。其次，要有跨層的專家參與其中，既要有算法、硬件設(shè)計通用能力的專家，也要有領(lǐng)域相關(guān)的專家來協(xié)同。最后，產(chǎn)品要經(jīng)得起市場檢驗，一個原型系統(tǒng)肯定不行。”
小結(jié)
目前看來，AI在推薦、自然語言處理、視覺領(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)建場景方面的速度更快，但隨著大數(shù)據(jù)AI的發(fā)展，越來越多的傳統(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：“關(guān)鍵還是看企業(yè)有沒有數(shù)據(jù)，以及軟硬件架構(gòu)平臺，并且在平臺上構(gòu)建一個非常好的應(yīng)用場景。AI會無處無在，英特爾有能力實現(xiàn)這一愿景。”
宋繼強則強調(diào)，AI創(chuàng)新要真正的規(guī)模化發(fā)展起來，一定要很認真嚴(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。詳情見轉(zhuǎn)載須知。
