2019年全球人工智能與機器人峰會（CCF-GAIR）在深圳舉辦。英特爾高級首席工程師、大數(shù)據(jù)技術全球CTO 戴金權發(fā)表了題為《統(tǒng)一的數(shù)據(jù)分析及AI 驅動大規(guī)模業(yè)務洞察》的演講，闡述了英特爾超異構計算的理念和軟硬件協(xié)同創(chuàng)新的AI發(fā)展思路。

AI生產化部署的新方法

戴金權在演講中談到，人工智能并非單一的工作負載，而是一種廣泛的、能夠強化所有應用性能的強大能力，而人工智能從實驗室到落地需要統(tǒng)一的數(shù)據(jù)分析流水線。

“我們已經進入以數(shù)據(jù)為中心的世界，今天90%以上的數(shù)據(jù)是在過去幾年中產生的，其中大概50%是在過去兩年中產生，雖然說我們已經進入人工智能時代，但事實上大概只有2%的數(shù)據(jù)真正得到了分析，并且對生產和生活起到幫助。”戴金權談及數(shù)據(jù)處理的行業(yè)現(xiàn)狀。

究其原因，他認為大規(guī)模的人工智能應用還非常困難，不管從復雜性、成本、可拓展性等方面都是如此，把深度學習的算法從實驗室搬到現(xiàn)實的生產環(huán)境中是需要考慮很多東西，從數(shù)據(jù)的收集、管理、清洗、特征提取、模型訓練、推理，整合到分析的數(shù)據(jù)流，包括對整個集群的架構、服務等等各種管理。

戴金權表示，在這個過程中你需要有數(shù)據(jù)管理的部分，數(shù)據(jù)分析的部分，以及各種機器學習、深度學習、人工智能算法的部分，如何將這些不同的獨立的框架整合到流水線里，將你的數(shù)據(jù)存儲、清洗、分析、可視化變成一個統(tǒng)一的端到端解決方案，這有非常多的技術難題。

“BigDL是一個建立在大數(shù)據(jù)平臺（Hadoop/Spark）之上原生的分布式深度學習庫，它提供了在Apache Spark上豐富的深度學習功能，以幫助 Hadoop/Spark成為一個統(tǒng)一的數(shù)據(jù)分析平臺。在這個基礎上，我們去年又開源了Analytics Zoo項目，它是基于Apache Spark、TensorFlow這些底層上更高階的人工智能的流水線和平臺，旨在加速大數(shù)據(jù)加上人工智能這個應用的創(chuàng)新以及更快的落地?！彼U述了英特爾的全棧軟件方案。

此外，戴金權在會后的訪談中告訴網易智能，英特爾做的就是希望通過Analytics Zoo平臺，幫助用戶無縫從筆記本的生產原型擴展到集群或生產化部署。“這是我們和其他人不同的地方，也是我們的優(yōu)勢”。

硬件趨于異構軟件趨于統(tǒng)一

資料顯示，英特爾預計，數(shù)據(jù)中心AI芯片的總體潛在市場規(guī)模（TAM）正以25％的復合年增長率（CAGR）增長，預計到2023年將達到100億美元。

此前，英特爾提道，現(xiàn)在已經從以晶體管為中心轉移到以數(shù)據(jù)為中心，單一因素不足以滿足多元化的未來計算需求。英特爾認為只有六大技術支柱帶來的融合創(chuàng)新才能應對未來數(shù)據(jù)的多樣化、數(shù)據(jù)量的爆發(fā)式增長，還有處理方式的多樣性。這六大技術支柱是制程和封裝、架構、內存和存儲、互連、安全、軟件，它們是互相相關、緊密耦合。

在制程和封裝層面，沒有單個的芯片類型可以成為所有工作負載的最優(yōu)解。英特爾把不同的小芯片，甚至是不同的核心連接起來，讓單片SoC實現(xiàn)性能、功耗和成本的最佳組合。

在架構層面，提供標量、矢量、矩陣和空間的多種架構組合，部署在CPU、GPU、FPGA和加速器套件之中。

此外，內存和存儲配備指數(shù)級的內存層級架構?；ミB方面，從片上、封裝內互連、處理器間互連、數(shù)據(jù)中心互連到無線互連。安全也是其中的重中之重。

值得一提的是軟件層面，英特爾有1.5萬名軟件工程師，他們的“One API”項目就是旨在簡化跨CPU、GPU、FPGA、人工智能和其它加速器的各種計算引擎的編程。

未來幾年，AI模型的復雜性以及對大規(guī)模深度學習計算的需求將爆發(fā)式增長。AI正在走向一個異構的世界。概況來說，英特爾在AI時代新的方法論概括起來就是：AI硬件趨于異構，軟件趨于統(tǒng)一，最后一定是軟硬件的綜合體。