芯速度，让AI无处不在

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

什么样的技术能经历时间洗礼还历久弥新？

答案或许可以归总为一个“三部曲”般的规律——兴起、发展和大规模应用，外加这个过程再一次演进式的迭代。

以史为鉴，引领第一次工业革命的是蒸汽机，当它演进成为内燃机并开始普及时，第二次工业革命的颠覆者——电能本身以及与它相关的各种设备正处于初创期，而在电力设备走向微电子的迭代革新时，各种燃油引擎还在持续改良和普及中。

从这个规律来看，大语言模型（简称LLM）出现后虽然霸占了所有与AI相关的关键词，吸引了所有人的注意力，但这并不代表“LLM之前无AI”。

在大模型出尽风头的同时，此前以决策为特长的老一代机器学习应用，以及侧重感知能力的“传统”深度学习应用也没闲着，它们正走过喧嚣的青春期，步入稳扎稳打的实战阶段。

何以为证？

某芯片大厂就推出了一连串的AI实战手册，分别锁定制造与能源、医药、金融、交通与物流，以及教育行业的AI实践。

在今年更新的物流交通和医疗健康AI实战手册中，就记录了很多已经或正在落地的AI应用，及如何将它们顺利部署和充分释放其性能加速潜力，当然还有它们在一些耳熟能详的头部企业深入一线的应用实例。

所以，AI不是只有大模型。AI的大模型时代也 ≠ 只有大模型的AI时代。

成熟的AI，早就已经上岗了

或许你还不敢相信，现在哪怕小小的快递背后，都已经有AI技术在加持了。

没错，而且近乎涉足了物流全流程：下单、发货、分拣、转运、配送……AI现在统统都要“管一管”。

以经典的OCR（光学字符识别）技术为例，它在物流“技术界”的地位可谓是举足轻重，大幅提高了工作效率。

比如发货时的寄件人填报地址、身份信息，电商仓库核对出货的货品信息，都可以借助OCR，“啪地一下”，实现一键录入。

随着AI技术的愈发完善和应用的加深，这种速度做到了“没有最快只有更快”。

我们熟知的韵达快递就是如此，在三段码OCR识别过程中，它原本希望AI能将OCR识别的准确率达到95%。

结果现在的AI却给韵达“上了一课”，不仅准确率直接飙到接近98%，甚至时间也给“打了下去”：从130ms降至114ms。

△性能测试结果基于韵达于2022年10月进行的测试

而且OCR识别还仅仅是AI涉足物流行业的小小一隅，一张图来看感受下它现在所起到的power：

嗯，AI如此all in，怪不得国内物流的速度都要起飞了呢。

不过朋友，这还仅仅是AI加速千行百业的一个案例，其实我们现在每天的出行，同样也是充斥着AI的“味道”。

例如AI视频分析技术，可以针对高速公路上的路况做到实时地分析。

不论是车流流量监控、车辆车牌识别，亦或是事故预警等等，AI可谓是将一切尽收眼底。

如此一来，便可以有效且精准地对路面状况做到把控。

再如机场，在AI技术加持下的摄像头，也可以细粒度识别航空器、车辆、人员，以及违边等情况，这样便对飞行区域的安全提供了一定的保障。

……

从以上几个小小用例中不难看出，“成熟”的AI，或者说几年前那些当红明星类的AI应用看似风光不在，但它们实则已深入到我们生活中的方方面面，并且主打的就是一个“节支增效”。

那么如此“节支增效”背后，到底是怎么做到的？

不卖关子，直接上答案——

提供帮助的正是英特尔的平台，特别是至强®️ 可扩展处理器。同样，我们前文所指的某芯片大厂也是英特尔，给出多个行业AI实战手册的还是它。

但解锁如此能力的，可不仅仅是一颗CPU这么简单，而是有英特尔软件层面上的优化加成；换言之，就是“软硬一体”后的结果。

简单归结：至强®️ 可扩展处理器及其内置的AI加速器，以及OpenVINO™️ ，oneAPI等一系列AI框架和优化软件打辅助。

当前影响AI应用性能的要素无非两个：算力和数据访问速度。

目前最新的第四代至强®️ 可扩展处理器的单颗CPU核数已经增长到最高60核。而在数据访问速度上，各级缓存大小、内存通道数、内存访问速度等都有一定程度的优化，另外在CPU Max系列中还集成了HBM高带宽内存技术。

此外，在CPU指令集上也做了优化，内置了英特尔®️ 高级矩阵扩展（英特尔®️ AMX）等硬件加速器，负责矩阵计算，加速深度学习工作负载，堪称CPU加速AI应用的C位。

它有点类似于GPU里的张量核心（Tensor Core）。

AMX由两部分组成，一部分是1kb大小的2D寄存器文件，另一部分是TMUL模块，用来执行矩阵乘法指令。它可同时支持INT8和BF16数据类型，且BF16相较于FP32计算性能更优。

有了AMX指令集加持，性能比前一代至强®️ 可扩展处理器内置的矢量神经网络指令集VNNI提升达8倍，甚至更高。

除了核心硬件平台外，实际情况中帮助这些行业实战AI应用落地的，还有一系列英特尔“亲生”但不“私享”的AI软件工具。

例如前面提到的OCR加速就离不开OpenVINO™️ 的优化，它删减了很多训练部分所需的冗余计算，主要支持推理部分。

而且也是专门针对英特尔硬件打造的优化框架，只需5行代码就可以完成原有框架的替换。

用户可以针对不同业务场景，来优化OpenVINO™️ 运行参数。

这样一套软硬件组合拳打下来，英特尔不仅充分释放了CPU计算潜力，而且在实际的推理场景中也实现了近乎GPU的性能，同时还有成本低、门槛低、易上手等附加优势。

然而，这些仅仅是已经成熟上岗的AI技术在英特尔®️ 平台得到的优化，英特尔的能力还远不止如此。

这就要说回大模型了。

当红大模型，也在被加速

目前大语言模型正被全球各大科技公司竞相追逐，毕竟现在科技圈都将它视为未来发展的趋势所在。

虽然相比那些成熟的AI技术和应用，它距大规模落地还有段距离，但其技术领先性不容置疑，乃至“老一辈”的AI应用也有望在与它结合，或被它改造后重焕新生。

英特尔作为基础算力输出者和应用性能加速器，同样在这场你追我赶的竞技场中未雨绸缪，早有布局。

首先，大模型再先进，也需要有更多人用上它，才可充分变现其价值。要想“玩转”它，在其庞大的体量面前，成本便是一个老大难的问题。

因此，英特尔就祭出了一款增强型的“减（量）重（化）神（工）器（具）”，可以让一个十亿参数的大语言模型瘦身3/4，增强其准确性，还能有效地提升大模型在英特尔®️ 平台上的推理性能。

具体而言，所用到的是SmoothQuant技术，英特尔将其适配到自己的平台，并实现其增强。此方法已经整合至英特尔®️ Neural Compressor。这是一个包含量化、剪枝（稀疏性）、蒸馏（知识提炼）和神经架构搜索等多种常用模型压缩技术的开源Python库，它已经支持多款英特尔®️ 架构的硬件，并且已经兼容TensorFlow、PyTorch、ONNX Runtime 和MXNet等主流框架。

其次，在硬件层面上，英特尔也有所发力。

例如最近大火的ChatGLM-6B，其借助第四代至强®️ 可扩展处理器内置的英特尔®️ AMX，让模型微调计算速度得以大幅提升；利用至强®️ CPU Max系列处理器集成的HBM，满足大模型微调所需的大内存带宽。

△英特尔® AMX 技术架构

除了CPU，英特尔还有专用的深度学习加速芯片Habana®️ Gaudi®️2 ，其能在单个服务器内部署8张加速卡（称为Habana处理单元，即Habana Processing Unit，简称为HPU），每张卡内存高达96 GB，可提供足够的空间来容纳大模型。

因此即使是BLOOMZ这样拥有1760亿参数的千亿级大语言模型，经英特尔优化后也能将性能时延控制在3.7秒。对于参数量为70亿的较小模型BLOOMZ-7B，在Gaudi®️2的单设备时延约为第一代Gaudi®️ 的37.21%；而当设备数量都增加为8后，这一百分比进一步下降至约24.33%。

△BLOOMZ 在Gaudi®️2和第一代Gaudi®️ 上的推理时延测试结果

而后在软件层面上，针对像ChatGLM这样大受欢迎的大语言模型，英特尔还可以通过为其创建 OpenVINO™ stateful模型来实现优化：压缩权重以降低内存带宽使用率，提升推理速度。

这便是英特尔“软硬一体”打法在大模型应用上的直接体现了。而且硬件还不再仅限于CPU，更是有可在训练和推理性能上都可与GPU比肩，在性价比上馋哭大家的Gaudi®️ 。

最后在安全方面，英特尔也是做到了“鱼与熊掌兼得”：基于英特尔®️ SGX/TDX的可信执行环境（TEE）可为大模型提供更安全的运行环境，还不需要拿性能做交换。

这便是英特尔在AI大模型时代中的“加速之道”了。

还会带来怎样的变革？

纵观AI技术的发展之路，不难发现英特尔在其中履行着一条非常清晰的准则——用起来才是硬道理。甚至只在数据中心和边缘中用都不够，最好每个人的每台电脑，每个信息终端设备都有独立加速AI应用的能力才能“芯”满意足。

因此英特尔已将创新使命调整为：在各种硬件产品中加入AI能力，并通过开放、多架构的软件解决方案，推动AI应用的普及，促进“芯经济”的崛起。

英特尔的“加速之道”不仅是让技术更快落地和普及，更是要以用促用，以用促新，以用促变，为下一世代的技术变革埋下伏笔。

那么英特尔这条路上是否有一个终极目标？

或许正如Intel Innovation 2023上不断重复和强调的：

让AI无处不在(AI Everywhere)。