英特尔XPU+OneAPI战略，赋能智能边缘与AIoT创新发展

2021-07-13 19:17:03 来源: 互联网

点击

7月10日，2021世界人工智能大会（WAIC 2021）期间，英特尔公司高级首席工程师、物联网事业部中国区首席技术官张宇博士带来了“保护地球，从‘芯’起步”的主题分享，全面阐述了英特尔如何通过AI、5G、智能边缘等转折性技术驱动数字化技术的进步，加速城市的数字化转型，并通过不断打造突破性的服务器产品性能和效率，为地球环境的可持续发展做出积极贡献。

英特尔公司高级首席工程师、物联网事业部中国区首席技术官张宇博士

张宇博士在演讲中表示：“随着人工智能技术被越来越多地运用到物联网产业，人工智能在边缘计算领域的重要性也将越来越大。智能边缘正在快速崛起，并将成为智能创新的下一波浪潮。英特尔致力于通过自身在云计算、人工智能、大数据、智能边缘等领域的全面能力，充分释放在软硬件解决方案在边缘人工智能方面的优势，加速推动城市实现数字化转型。”

终端边缘侧，通用or专用芯片？

在采访中，张宇博士指出，当今时代，算力与可供训练的数据，成为推动本轮人工智能发展的两大关键因素。英特尔作为一家数据公司，产品涵盖了计算、通讯、存储的各个方面，帮助用户搭建从云到端的智能化部署。在计算方面，英特尔提供了包括CPU、GPU、FPGA和各种人工智能加速芯片不同的产品组合，来满足用户对计算的多样性需求。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。

英特尔公司高级首席工程师、物联网事业部中国区首席技术官张宇博士

在终端边缘侧，业内都在讨论是用通用型芯片或专用型芯片，英特尔如何看待这个问题？张宇博士表示：“据IDC预测，到2025年，全球75%由企业所产生的数据是在边缘处理的。那么这些处理的数据，往往不能用统一、单一嵌入式的设备来处理了，所以能够看到现在整个边缘计算领域的发展趋势是，有不同形态的边缘设备出现。”

在通信系统里面，现在有一个边缘的概念叫做MEC（Multi-access Edge Computing），这个概念是说在通信网的边缘，利用很多的服务器形态的设备在边缘侧做数据的处理。这里面既有很多通用型设备也有很多专用型设备。一些通用处理器，再加上一些人工智能专用加速芯片的异构架构，往往是现在发展的方向。

但要考虑的是专用和通用间如何找到一个平衡点，寻找架构的融合。这也是为什么英特尔的产品涵盖了四大主流架构的原因，不同的产品有不同的适用场景，有不同的适合处理的负载，通过这样不同架构的产品组合，一种异构的、灵活组合的方式，给用户展现一个具有异构计算能力的一个兼顾通用和专用功能的这样一个的处理器芯片，来满足用户对于计算不同的要求。

如何加速AI产业化落地？

从产业的角度来看，AI能够赋能众多行业，且正在不断拓展新的应用领域，但除了在前期智慧城市等方面做交通车的一些识别，车牌、车色、车型的识别之外，很少再有大的应用市场落地，应该如何面对这个纷繁复杂的人工智能环境？

张宇博士认为，现在AI给我们的感觉是五花八门、百花齐放。每一个应用都很好，都有应用场景，都可以带来很多科技向善、科技赋能，都可以产生很好的结果。但是应用的量，部署的规模确实有一定差异，这一个现状。

英特尔对于这样的现状的一个思考是拨开现象看本质。能够看到，这轮人工智能实际上绝大部分的应用都是以深度学习为基础，深度学习最核心的运算就是卷积神经网络的运算。对此，英特尔的思路是：第一，做好硬件产品；第二，提供方便使用的软件工具和解决方案；第三，与业界携手构建人工智能的生态。从这样三个维度，英特尔与业界一起，“三力齐发”来推动行业的发展。

此外，为进一步推动人工智能产业的开源开放，英特尔还在WAIC 2021期间联合上海白玉兰开源开放研究院，将深度合作推进人工智能软件框架研发与开源，推进开放数据协议，规范各类企业与机构在数据开放上的标准；推进开源技术生态圈合作，与国内外知名开源社区互联互通，以开源社区平台为牵引，以提升先进算法和模型的可复现性为目标，共同推动人工智能领域开源产品的国际规则互认，在重点领域形成“算力、算法、数据、场景、合规”一体化的人工智能社区，建设国际人工智能开发生态网络的关键节点。

AI发展三步走战略

目前AI产业总体处于蓬勃发展的上升期，从产业应用来说，从开始比较集中在人、车、物的一些识别，在智慧交通，智能城市的一些应用场景慢慢扩展到更广泛的领域，看到整个产业面的确铺得越来越大。但一个好的商业模式落地，除了要有很好的社会效能之外，还要有好的商业回报。现在AI应用如何有一个良性的商业回报循环，还存在很多需要探索的地方。

从技术角度来看，张宇博士把人工智能、边缘人工智能计算的发展划分为三个阶段。

推理阶段：因为边缘设备的算力毕竟有限，所以很多的训练工作是需要利用数据中心大量的算力和在数据中心里存储大量的训练样本去训练一个模型，训练完模型以后把这个模型推送到前端，在前端进行推理操作。

但这个模式的弊端体现在，训练在后端发生，导致这个模型的更新频率是有限制的，因为往往一个模型的训练是要花很多时间的，该模式并不是实时或频繁都能更新的一个模型。要想应对这个挑战，就需要在边缘去做训练，利用专门适用于边缘训练的一些方法，在边缘用一些小样本的数据，去达到可接受的训练结果。这些新的边缘训练方法英特尔正在探索过程当中。

联邦学习：同时，在边缘进行训练还有一个诉求，很多拥有数据的用户，对数据过多分享以后会不会带来一些隐私和安全问题存在担忧，所以他们更希望这些数据在本地进行处理。

英特尔对此在研究一些联邦学习的新的技术。联邦学习指的是每一个数据应用者不需要把你的数据贡献出来，只要在本地按照指定的一些要求去做本地的训练，把训练的一些中间结果，产生的一些Mata data分享出来，大家把各自所产生的Mata data都分享出来，再由一个融合的中央的节点去把各自的Mata data去进行融合，生成最终的一个网络模型，这个网络模型可以被大家进行使用。

自主学习：边缘人工智能发展的最高阶段是自主学习的阶段，这个自主学习包括机器应该可以根据人的意图去自主设计网络模型结构，自主利用所收集到的数据去训练这样一个网络模型，得到最终的结果用于推理实践。若按照当前阶段来说，这是人工智能发展最高的阶段，英特尔认为人工智能从技术上的发展应该分为这三个阶段。

“目前，第一阶段已经做了很多，第二个阶段实际上现在已经在发生了，当然现在第二阶段还不成熟，还是需要有3-5年的时间进行进一步的成熟。自主化学习或者叫做Auto Machine Learning这个词现在已经提出来了，在业界，尤其是在研究领域实际上也是比较火的一个词，但是这个成熟的案例还不多，更多是在理论研究探讨的阶段。”对于人工智能发展阶段现状，张宇博士补充道。

写在最后

总结来看，英特尔正在通过不断发展XPU+OneAPI战略引领计算创新，应对行业发展中的挑战。一方面，英特尔能够基于XPU战略帮助客户实现不同工作负载，借助不同计算架构（无论是CPU、GPU，还是FPGA、ASIC）处理不同数据；另一方面，英特尔能够通过开源跨架构编程模型OneAPI解决异构计算痛点，帮助软件人员在不同计算架构上通过统一语言进行编程。

责任编辑：sophie

申请专栏作者

: 半导体行业观察

: 摩尔芯闻

英特尔XPU+OneAPI战略，赋能智能边缘与AIoT创新发展

相关文章

最新新闻

热门文章本日 七天 本月

热门评论

热门搜索

英特尔XPU+OneAPI战略，赋能智能边缘与AIoT创新发展

相关文章

最新新闻

热门文章 本日 七天 本月

热门评论

热门搜索

热门文章本日七天本月