前不久Intel NEX事业部的活动上，有几个现场demo让我们印象挺深刻的：主要是CV（计算机视觉）类行业应用（部分是基于AI），靠CPU单打独斗（或搭配核显）就行，不需要外部加速器。
比如说海康机器人视觉方案VC3000X用于PL光伏检测，最新一代方案用了12代酷睿CPU，替换掉了上一代方案选配的酷睿i7-9700 + RTX 3060的方案。据说不仅功耗和成本都更低，而且性能还更好了。是不是还挺反直觉的？
还有Intel自己展示了一台OCES架构服务器，作为边缘服务器，用于智慧社区——比如说小区里有孩子走丢了，给这套系统输入孩子的照片，它就能从监控数据库里，通过特征比对和搜索的优化算法，来给出孩子最后出现的时间、地点。这个方案是在至强CPU上完成的，完全没有借助独立GPU或者别的加速器。
此类展示还不少，感觉还是挺突破我们对于这种规模的CV或者AI应用，需要加速器参与的认知的。前不久Intel在大湾区科技创新中心，给我们现场展示了用轻薄本来推理LLM大语言模型和Stable Diffusion文生图与图生图，速度也还挺快——CPU或者核显，在这其中就是算力担当。当然，和大功率独显或加速器相比，模型肯定不是一个量级，但起码让我们见识了，并不是所有边缘的AI、CV都得用GPU和AI芯片。
“很多客户用CPU的时间很多，他们也可能需要运行AI工作负载。”宋继强（英特尔研究院副总裁、英特尔中国研究院院长）在前不久的Intel中国学术峰会上接受采访时说，“有些并不需要单独购置加速器，不管是AI加速器还是GPU，直接就在CPU上去做。这对他们而言，不仅节省了部署成本，也减少了传输、存储等成本。”
我们从今年这场学术峰会上，听到非常多的恐怕就是AI和生成式AI了——毕竟这是现在的大热门。可能大部分读者听到生成式AI就会立刻想到英伟达。而同样提供算力的Intel似乎在这股洪流下，就显得没那么耀眼。但从这场学术峰会几名大佬的演讲，我们还是能够从中窥见Intel在这个时代下的AI哲学。
借此，我们来谈谈Intel的AI布局。其实AI并非本场学术大会的唯一主题，比如宋继强还给出了Intel在半导体制造、封装，乃至新计算范式方面的前沿技术介绍，我们也听到了一些新料：比如不同NA的EUV设备对晶体管scaling down的具体影响，以及Loihi神经拟态计算的潜在价值、量子计算的阶段成果等等——不过这些，我们放到后续单独的文章里再谈。本文就谈谈Intel和AI，即便基于本场活动的探讨，大概只能算是管中窥豹。
大部分关注Intel处理器的同学应该知道，Intel在Sunny Cove/Cypress Cove（10代酷睿，2代至强）这代CPU核心上新增AVX-512支持，同时实现针对AI/ML加速的Deep Learning Boost，支持VNNI指令（Vector Neural Network Instructions，专用于INT8量化）。换句话说，就是CPU某个模块的AI加速——这已经是几年前了。
当时我们认为，加速计算发展大背景下，这类工作显然最终都会落到GPU或者专用AI加速处理器上，CPU做出这番支持价值真的会有多大吗？而且早在2020年前后，就已经有数据统计机构在唱衰CPU未来的市场价值会被加速器压缩了。
后续统称作“Intel AMX（Advanced Matrix Extensions）”的这一思路仍然得到了延续，包括现在的4代至强（Sapphire Rapids），AMX的INT8量化又再度大幅提升了模型性能。戴金权（英特尔院士、大数据技术全球CTO）在主题演讲中说Sapphire Rapids“提供了更大的2D寄存器支持，通过最新的矩阵计算指令，大大提升了BF16和INT8方面的AI能力。”表明Intel还是很坚持他们对于CPU的这一决策的。
这应该是今年Intel最早在Computex上就演示轻薄本具备生成式AI推理能力的实现基础之一。而且就NEX业务在边缘端部署的那些案例来看，对于很多具体的应用而言，CPU可能真的是最优选。我们在2023英特尔网络与边缘产业高层论坛上，和做零售AI解决方案的一家企业负责人聊了聊，他就强调说零售客户对成本很敏感，所以他们的AI Box里面就只配了酷睿i5处理器，再无其他加速器——况且效果也很不错。
“虽然我没有具体的数字，但我可以说在推理方面，Intel CPU是市场占有率第一。”戴金权所说的“占有率第一”应该是指在所有处理器类型里的第一。他在这次的Intel中国学术峰会上展示了好几个用轻薄本做生成式AI模型推理的例子，“这些应用在客户端设备上有更广泛的应用场景。”
技术分享会上，Intel给我们现场展示了用一台采用酷睿i7-13700H处理器的轻薄本来推理ChatGLM-6b、Llama 2-13b，AI回应的token生成速度是显著快于人的阅读速度的。据说ChatGLM-6b入门级规模的模型，只需要4个Golden Cove核（12代酷睿的P-core），就能快速跑起来；“13b规模翻一倍，现在我们也能做到很好的体验”。
戴金权另外在主题演讲里给出了跑StarCoder-15.5b模型的展示，同样是轻薄本。Intel宣传中是说，16GB RAM的酷睿处理器轻薄本跑160亿参数级别的模型本地推理都是没问题的。
“Intel的一个愿景是AI everywhere。其实Intel今天的硬件，某种意义上已经是无处不在的了。大家都需要用笔记本或者边缘端的一些设备。”戴金权谈到，“要做到AI无处不在，那就必须做到生成式AI得在这些客户端上跑起来——这些客户端可能只有很轻量的CPU，但却要求做到对生成式AI的高效支撑。”
也不光是酷睿CPU，田新民（英特尔院士、首席编译器性能架构师）提到借着至强CPU（Sapphire Rapids）自身对AI推理的“平衡”设计，在诸如蛋白质折叠预测、变异检测这类小型AI模型上，靠CPU一己之力就实现相比CPU+GPU更强的性能和效率。“这也说明了第四代至强对小规模科学研究就能起到很好的支撑作用。”这就是至强CPU应用AI的典型案例了吧。
如果你对酷睿处理器真的了解就会发现，现在的酷睿CPU并不单纯是“CPU”——它是一颗包含了CPU、核显、VPU等关键组成部分的SoC芯片。其实在今年Computex上，Intel首次展示用Meteor Lake（下一代酷睿处理器）在推理Diffusion模型，就同时用到了CPU、核显和VPU资源。
当时Intel对外展示的是输入提示语“月亮上，宇航员骑着一只马”，20秒出图。Intel解释说这个演示“是将不同层放在不同的IP上，比如VPU承载VNET模块的运行，GPU承载encoder模块的运行”，“整体是将整个模型分散到不同的IP上。”另外最终还有个将出图执行AI超分的流程，是完全基于VPU加速。值得一提的是，这个调度过程由OpenVINO完成。
“现在笔记本里面的Intel芯片就是很强大的XPU了。”戴金权谈到，另一方面当然也可以用性能更强大的Arc GPU，也就是Intel面向PC设备的独立显卡。他在学术峰会上展示基于Arc GPU来跑ChatGLM2-6b：“当然这样就能支撑更多更大的模型。这方面的工作，我们现在还在开展中——前两周我们刚刚把这两个模型带到Arc独立显卡上。”
技术分享会上，Intel也展示了Arc GPU加速的能力。而关键信息是，Intel告诉我们这次用Arc GPU跑Stable Diffusion相比2个月之前有了非常明确的进步；甚至说如今的Arc A770在生成式AI推理能力上，完全能够达到隔壁RTX 4080的水平。这些其实都是软件团队努力的结果。有关软件的部分，后文也会谈到。
由此，我们可以扩展开去，看到就AI支持——包括生成式AI的支持，Intel的底层硬件实则涵盖了前文谈到的酷睿、至强CPU，Arc GPU，以及面向数据中心的Flex GPU，还有下文会谈到的Max（Ponte Vecchio）；和峰会上被多次提及的AI芯片Habana Gaudi2——特别面向中国市场的，以及在Intel XPU策略版图中的FPGA等芯片类型。
这些芯片构成了Intel整个AI王国的算力底座。据说目前主流的LLM都已经能够跑在Intel的GPU上了，“下一步我们要聚焦到性能的提高上。”田新民说。李映（英特尔公司副总裁、英特尔中国软件生态事业部总经理）还明确提到不同处理器面向不同应用，比如说“Arc可能更多集中在汽车、客户端上，数据中心我们有Max系列，还有前一段时间刚刚发布的AI加速器Gaudi2”，“根据模型本身的特点，以及部署环境，找到非常适合的选择”。
那么Intel作为一家传统意义上的芯片企业，用于AI的芯片产品线布局就已经相对完备了。而且要说算力水平，Intel对于Gaudi2的宣传（与Ampere架构GPU的对比，如上图）是前些日子还挺热门的新闻，不需要我们多做赘述。但实际上，基于我们对英伟达AI基础设施的了解，硬件基础设施层面光有芯片、板卡也还是不行的。尤其当AI算力需要做规模化扩展，或者说要上升到大语言模型training时，封装、互联、networking之类的问题都需要去解决。
“在Gaudi2之前，已经有了Gaudi1。目前Gaudi1已经应用到了AWS上。这块的工作Intel一直在进行中，包括和我们的很多合作伙伴，像浪潮、华勤等。生态这块我们始终是很有信心的。”戴金权说。不知道是英伟达太过擅长做包括互联、networking在内基础设施技术的营销，还是Intel在这方面太低调或成效不显——也可能和Intel在HPC AI生态上，现阶段选择了更开放的标准和技术有关，所以我们就不大能听得到这方面更具体的商业宣传概念。
从包含系统、互联的大规模集群层面要看Intel的实力，不有个现成的Aurora超算吗？今年ISC上，Intel更新了Aurora的更多信息——这是个ExaFLOPS算力级别的超算系统。
既然是AI everywhere，那也不能光是端侧和边缘侧的everywhere——核心部分真正的HPC AI，或者起码也是SuperPOD互联、跨节点的大规模集群，才是Intel这种在高性能计算市场摸爬滚打多年应该展示的水平。
Aurora是Intel和HPE Cray设计，为美国阿贡国家实验室准备的。既然是国家实验室，应用无外乎数据分析、AI、模拟仿真之类——戴金权在主题演讲中提到针对不同科学领域，跑在Aurora系统上的，“我们构建达到万亿级别数量级参数规模的大模型，构建面向科学领域的生成式AI大模型”。
“万亿”级别参数是个什么概念呢？现在很火的GPT-4也在这个参数量级水平上。所以Aurora应该是这个时代下，Intel亲自捉刀最具代表性的HPC系统了。这里特别谈到Aurora，也是因为田新民在学术峰会上花了较多篇幅去谈Aurora——虽然其实主要是软件，包括编程模型等。这应该表明Aurora是Intel当前产业应用的HPC前沿代表了。
目前我们所知有关Aurora系统的相关数据包括，总重量600吨，使用光缆总长度300英里，占地面积10000平方英尺，230PB DAOS存储，以及ExaFLOPS级别算力。感觉这些数字对一般人还是挺抽象的。从系统构成来看，Aurora总共10624个节点，每个节点2颗CPU——即总共21248颗CPU；而GPU Max配了63744张，也就是每个节点6张显卡。有兴趣的同学可以将其与英伟达前不久刚刚发布的GH200完整系统做个对比。
其他参数看上面这张图，包括存储容量、互联带宽等。因为时间关系，目前我们还无法完全理清这套系统所用的互联技术、存储技术，及可能存在的系统瓶颈；或者说当它和竞品的超算系统比较，尤其是如果考虑生成式AI这种对存储与带宽有极高需求，甚至要求networking交换系统都做重新设计的应用场景下，Aurora的系统构建方式有没有特别的创新。
无论如何，Aurora的存在，及Intel官方给出的应用示例（包括”clean fusion”, “catalysts research”, 神经科学研究之类的）都表明Intel在这种能给普通人秀肌肉的HPC场景也并未懈怠。
这里我们比较关心的，戴金权所说达到万亿量级参数的生成式AI模型叫genAI——也是Intel在ISC23上提到的。Aurora genAI模型基础是Megatron和DeepSpeed。genAI模型会基于通用文本、科学文本、科学数据和相关领域的代码做训练，所以就是个纯粹科学向的生成式AI，潜在应用领域涵盖了癌症研究、气候科学、宇宙学、系统生物学、聚合物化学与材料等。
Aurora当然并非Intel于HPC、AI领域的唯一产品或方案，这部分主要给了解HPC、超算系统的读者提供个参考和索引。
其实由这个系统展开去，田新民谈到了挺多Intel在AI上的研究和努力的。比如说GPU Max的memory hierarchy为什么做这样的设计，诸如L2 cache为什么设定在最大408MB…
“这些平衡性设计对我们来说没有理论依据，完全是基于大量application，通过很多模拟实验来决定memory hierarchy的设计，包括register file、L1 cache、L2 cache，什么样的ratio满足应用、系统需求，以及做各方面的平衡——die size、放多少晶体管进去，可靠性、功耗等。”
现在去看每年英伟达GTC开发者大会，都会发现英伟达很早就开始说自己“不是一家芯片公司”这句话有多么正确；其实图形加速卡这种硬件的发展历史，由早年群雄割据进入到双寡头时代，最重要的一个原因就是GPU的逐步标准化和走向通用化，致使后来的GPU企业有了传说中“1硬件工程师 ：10个软件工程师”的配比。
在企业规模日益扩大，而市场又容纳不下那么大的体量时，必然有一众参与者要退出，并最终走向市场的寡头化。这里面软件的地位一点都不比芯片和硬件低，或者在某些时候软件甚至更重要。
李映提到现如今Intel的转变，其中最大的就是“软件优先”的转变。这其实不光是因为Intel现如今的CEO、CTO都有软件背景，还在于Intel的XPU策略，面临的竞争对手是异常彪悍，而且在软件生态方面的建设完善度令人咋舌的存在。
软件部分我们不打算花太多笔墨去谈，这是现阶段Intel在芯片产品布局完备后，最需要努力的部分。这次Intel中国学术峰会，有两个关键点，还是令我们印象很深刻。
其一是BigDL-LLM，这是前文提及在轻薄本上跑生成式AI的关键要素——这个点虽然很具体，但应该能看到Intel发展AI的思路。BigDL-LLM是个开源的LLM推理库，面向LLM其一大职能就是简化在端侧PC上的LLM推理工作，“通过BigDL-LLM库，我们可以对跑在本地的各种LLM做优化和支持。”对主流的transformers模型做量化，降低本地硬件资源需求。“利用低精度比如INT4, INT3等进行高效的大规模推理”。
所以前文谈用酷睿CPU跑各种LLM，其实是BigDL-LLM的demo，真正展示的是Intel在软件方面的工作进度；包括用Arc GPU来跑ChatGLM2-6b——即便戴金权说这个demo目前所处的阶段还比较早期。“我们还有很大的进步空间，但现在的确是能够把Intel客户端XPU的能力都运用起来了。”加上社区标准API兼容，包括LangChain这种将多个模型工作流串起来的API支持，也都是为了简化开发、快速扩展生态。
据说Intel此前去上海交大做了个针对BigDL-LLM不到半天的培训，就有几名学生几天内依托租到的4核服务器instance，把基于ChatGLM的service搭起来了。“把AI大模型搬到轻薄本上，或者其他客户端、设备端的场景，我们还能做些什么？我觉得这是非常重要、可以探索的方向。”
换一个视角，除了开源和开放这条常规思路，Intel显然是期望依托自家CPU的广泛用户基础，来拓展自己的AI生态，而且听起来是十分有效的。接下来应该就是田新民所说的，要逐渐从支持大模型，转变为聚焦在性能提升上。所以才有了前后2个月的时间，Stable Diffusion在Intel轻薄本上推理性能的显著提升这回事——想必Intel的AI相关软件团队的加班，一点也不必图形卡驱动团队的加班少，更新都是如此紧凑密集…
其二是“开放战略”——这一点可能未必只是AI软件，甚至在涉及芯片、系统层面的标准，以及各类应用的工具、框架、库上都采用开放的思路。对外宣传自然是说技术创新和服务社区——包括几个月前成立的中国开源技术委员会，但其实就现阶段的Intel而言，这也是在我们看来要壮大生态的必行之策。Intel现在不大可能像英伟达那样打造一堆自有技术，构成完整、自洽、排他又环环相扣的生态。
比如说在AI应用开发不同阶段（如下图），Intel所布局的技术是尝试融入到各种开源框架里的。这对Intel现阶段的发展至关重要。
甚至原本仅针对自家不同XPU设备统一编程的oneAPI，现在倡导为用户在不同硬件环境、不同厂商架构中，在同一编程模型上，提供支持。田新民说在oneAPI最初设计理念的基础上，“要让oneAPI有很强的可扩展性，不只是针对Intel的硬件架构，也包括非Intel的硬件架构”：Intel新收购的Codeplay不就有oneAPI for CUDA这种让开发者能用oneAPI面向Intel和英伟达处理器，使用统一的工具链来开发么…
从面向媒体的沟通来看，Intel现在也开始主动去谈软件了，这其实是个非常积极的转变——因为现在Intel最缺的大概就是这一部分，至少在AI领域相比英伟达是这样。不过我们觉得，谈得还是不够——要知道英伟达针对不同软件工具、库的宣传和市场概念之丰富，绝对会让人感觉什么Ampere, Hopper都不过是配角。
还是很高兴听到，田新民在谈oneAPI时最后一张PPT展示了oneAPI的现状（下图），“通过几年的努力，包括我们和工业界、学术界、国家实验室、服务供应商、云服务提供商、终端用户等等角色的合作，现在已经初具规模了”。“初具规模”这个评价在我们看来真的是相当贴切，内里饱含的既有成果的来之不易，也有对未来生态发展潜力的期待。
最后给一张Intel的端到端AI pipeline，一方面助于理清Intel不同产品所处的位置，包括前文提到的BigDL、OpenVINO、oneAPI，以及各类芯片产品。虽说就一期学术峰会，我们还是很难把这家公司的AI布局全貌给搞清楚，但显然Intel的这张蓝图正变得越来越清晰，AI各方面的工作开展也在有序进行。
文章来自：https://www.eet-china.com/
