至頂網服務器頻道 07月19日 新聞消息（文/李祥敬）：毋庸置疑，我們處於人工智能浪潮的風頭浪尖，這可以從百度AI開發者大會Baidu Create的人頭攢動可以看出來。目前。人工智能成為互聯網及整個高科技領域的熱門技術概念，促使越來越多的IT企業和開發人員投入其中。
百度也是最早佈局AI技術的互聯網公司之一，通過搭建AI開放平臺和PaddlePaddle深度學習框架將百度大腦中領先的核心能力賦能到更為廣泛的行業生態、科研院所和開發者社區中，提供了全球領先的AI服務基礎設施。
在這一過程中，英特爾與百度在人工智能領域開展了一系列合作，包括英特爾Movidius視覺處理器（VPU）支持百度Xeye智能零售攝像頭產品，英特爾FPGA助力百度計劃推出的工作負載加速即服務，以及基於英特爾至強可擴展處理器平臺優化的PaddlePaddle深度學習框架。
英特爾人工智能事業部副總裁兼人工智能架構總經理Gadi Singer
英特爾人工智能事業部副總裁兼人工智能架構總經理Gadi Singer告訴記者，從賦能終端設備智能化，基於至強可擴展處理器的大規模數據中心，到利用英特爾FPGA加速不同工作負載，再到讓PaddlePaddle開發者更簡便地進行跨平臺編程，百度充分利用了英特爾的產品和技術專長，讓人工智能技術的進步真正造福大眾。
對於雙方的合作，Gadi表示，英特爾與百度的合作可以追溯到十年前，而在五年前，雙方成立了戰略聯盟；兩年前，兩家公司在人工智能領域開展了更多合作。
在此次百度AI開發者大會上，英特爾和百度的人工智能合作成果被公佈。Gadi介紹說，這些成果概括為三個方面，一是英特爾至強可擴展處理器對PaddlePaddle框架的優化。這些優化涵蓋計算、內存、架構、通信等不同層面，例如：通過AVX Intrinsics函數，BLAS庫（例如MKL，OpenBLAS）或定製CPU函數優化數字運算的效率；通過MKL-DNN（面向深度神經網絡的英特爾數學核心函數庫）優化CNN（卷積神經網絡）。
Gadi表示，當我們在談人工智能框架優化的時候，有兩個非常重要的方式來實現。第一，要為框架挑選合適的庫、函數，這是非常關鍵的。第二，我們要對每一個人工智能的工作負載進行分析，從而對它進行合適的訓練，從而達到更好的結果。
“百度對PaddlePaddle在英特爾至強可擴展處理器上的性能進行了優化，開發者與數據科學家可以使用支持全球數據中心和雲計算的硬件來進一步改進AI算法，實現了PaddlePaddle人工智能應用運營效率的提高。”Gadi說。
除此以外，英特爾和百度還將繼續探索和研究，將PaddlePaddle與英特爾nGraph，這一面向各種設備和框架的DNN模型（深度神經網絡模型）編譯器整合。今年3月，英特爾開源了nGraph。在其支持下，數據科學家可專注於數據科學研發，而無需擔心如何將DNN模型部署到各種不同的硬件平臺做高效訓練和運行。
Gadi表示，nGraph能夠與一些深度學習的框架，比如說PaddlePaddle進行連接。所有nGraph輸出的結果，最終都可以在CPU、Movidius、FPGA以及未來的Neon上進行運行。
二是百度部署了英特爾的FPGA。百度正在開發基於英特爾最新FPGA技術的異構計算平臺，這一技術將極大地提升加速性能和能效，靈活實現各類數據中心工作負載的加速，以及賦能百度雲上的工作負載加速即服務。
Gadi表示，FPGA在定製化以及配置方面更加靈活，從而對於一些要求比較高的工作負載而言，可以實現更高的性能，使用FPGA還能夠開發低延時的應用。“FPGA對於人工智能類應用而言，是一個非常強有力的選擇。尤其針對那些需要比較高的帶寬，同時又可以支持大量的數據傳輸的工作負載，它能夠提供比較低的時延。百度提供的是一個異構的計算環境，FPGA可以為這樣的一個環境提供更加多元化的選擇。”
三是百度Xeye攝像頭採用英特爾Movidius Myriad 2 VPU，為零售業提供高性能、低功耗的視覺智能。百度領先的機器學習算法與英特爾定製化VPU解決方案強強聯合，讓此款攝像頭能夠分析物體和手勢，識別人體，從而為零售行業用戶提供個性化的購物體驗。
Gadi說，百度在尋找一款比較好的計算機視覺引擎，而Movidius本身被廣泛地應用於比如說安全監控攝像頭以及無人機等。有了Movidius，我們可以更好地實現計算機視覺以及在設備端的通用型演繹推理。兩者組合在一起，對於集計算以及人工智能為一身的終端設備而言是一個非常有吸引力的解決方案。通過兩家公司的合作，百度的機器學習的算法能夠以更加低的功耗進行優化運營。
AI浪潮已來 英特爾準備就緒
在Gadi看來，人工智能是繼移動互聯網之後的下一個時代，但是談到技術的更迭，人工智能領域將會有好幾輪的發展。機器學習改變了整個計算世界的格局，有了機器學習，意味著在更短的時間我們可以處理更多的數據。
“現在只是人工智能在演進過程中的一個開頭，這個階段大部分的技術突破都是發生在深度學習領域。現在持續學習、增強學習方面技術發展也很快，如果我們把眼光放得更寬泛一些，就會看到機器學習正在和一些新出現的深度學習技術進行集成、融合。”Gadi說，“在未來，人工智能將進一步發展，不只是做到現在的具有人類的認知能力，同時應該更好地理解人類的世界，具備和人一樣的體驗。要達到這樣一個目標，除了深度學習做得好，還需要非常強的機器學習能力。我的判斷下一波大的技術浪潮中，將有好幾個小的AI技術的浪潮。”
既然，AI的浪潮已經到來，那麼英特爾會扮演何種角色呢？Gadi表示，在整個人工智能的生態系統中，英特爾是提供了一個支撐的作用。英特爾自身也在開展人工智能方面的研究，同時也與眾多教育機構開展合作研究。英特爾非常積極地參與一些標準化組織的活動或者工作，因為我們認為這對於整個業界去共享一些非常好的技術是很重要的。比如ONNX（Open Neural Network Exchange），它是一種交換格式，方便不同的框架之間進行模型的交換。
同時，我們也看到英特爾擁有多元化的芯片產品。英特爾的處理器產品線分為兩種類型，一種是通用型的，一種是專門用途型的。圍繞這些產品，英特爾在硬件、軟件、生態系統三個方面進行佈局。英特爾至強可擴展處理器屬於通用型處理器，是人工智能的基礎。
Gadi表示，大部分AI工作負載需要進行推理，這些推理是運行在至強可擴展處理器上面的。英特爾不斷地豐富CPU指令集，從而實現人工智能工作負載的加速。同時在軟件堆棧方面也是如此，讓軟件堆棧能夠更好的加以利用。“除了至強這種通用型的處理器之外，我們還有一些專門用途的芯片。在功耗方面，比如從幾十毫瓦到上百瓦，我們都覆蓋。同時也覆蓋不同的計算環境，從終端設備邊緣到數據中心。”
對於目前火熱的AI芯片，Gadi認為，人工智能領域變化太快了，要解決的問題本身也在不斷地變化。人工智能芯片解決方案，成功的一點要能夠做趨勢判斷，能夠基於這種判斷做出一個適度的、合理的猜測。此外，人工智能芯片本身是由不同的部分組成的，這不同的功能塊之間要有一個非常好的平衡。“人工智能處理器解決方案，你要注重把不同的元素、原料加進去，針對某些場景解決問題，但是你解決問題的範圍不能夠太過的狹窄。”
除了硬件，英特爾也提供了優化後的軟件堆棧，比如前面提到的nGraph，英特爾所有的硬件產品，不管是現在的還是未來要推出新的硬件產品，都是可以與nGraph連接的。同時nGraph也能夠和其他的人工智能框架相連接，比如說PaddlePaddle、TensorFlow、Caffe、MXNet等。因此對於用戶而言，將會得到一個非常易用、簡化的體驗，而同時又能夠對接多個硬件平臺。
計算的各個領域，生態系統都非常重要，尤其對於人工智能。人工智能技術的發展變革速度是史無前例的。人工智能可能出現一個新的技術，而且它的廣泛使用可能只需要一到兩年的時間。Gadi說，對於英特爾而言，非常重要的一點，我們一定要和人工智能領域的不同參與者眾多保持密切的聯繫。這也是為什麼英特爾把很多的自己的一些技術開源出來，比如nGraph，就是希望能夠與開源社區有更好的參與。在生態系統的工作中，還有非常重要的一部分，就是英特爾與各個細分行業的領先者共同合作，做一些概念驗證，共同打造技術解決方案服務行業客戶。
閱讀更多 至頂網 的文章
