如何评价2021年4月7日发布的英特尔第三代至强可扩展处理器(代号Ice Lake SP)?

发表时间:2021年10月15日 作者: 浏览次数:1228

2021年4月7日,英特尔正式发布了旗下第三代英特尔® 至强® 可扩展处理器,采用了英特尔*新的Ice Lake架构,代号Ice Lake SP。英特尔表示:全新一代英特尔® 至强® 可扩展处理器是目前唯一内置AI计算支持的数据中心处理器,相比上一代平均性能提升46%。


AI的主打歌

在人工智能应用方面,AI领域有三大核心要素,即:底层的基础算力,海量的数据支撑,以及精准的算法。为了满足客户实际业务需求,第三代英特尔® 至强® 可扩展处理器集成人工智能加速,同时还具备端到端的数据科学工具及人工智能解决方案生态系统,帮助轻松构建和部署AI应用。而借助英特尔® 傲腾™ 技术和英特尔® SGX技术,可应对更多数据科学方面的挑战,在处理各种智能工作负载时能够带来更佳的性能和成本,以及实现更安全可靠的AI应用方案。

第三代英特尔® 至强® 可扩展处理器主打内置AI加速特性,英特尔表示其AI性能比上一代快74%。也支持硬件级安全功能和硬件级数据加密加速器,企业应用效率更高。


让AI落地

对更多企业来说,相比那些远在天边的愿景,更切实的需求是,让人工智能给当下的企业系统运转增效和变现。人工智能行业的流行背景依然是:大多数人工智能公司,都会将自己的业务集中在与算法密切相关的软件和服务上,很少涉足硬件。而将软硬件结合作为一个完整产品售卖的形式,在这个行业中还非常少见。将软硬件一体化集成,可以帮助企业减少在人工智能应用搭建环节的投入和弯路,并更快取得效果。“绝大多数企业在人工智能转型中并不具备像互联网巨头一样端到端的能力。人工智能一体机将软硬件进行协同优化和设计,可以帮助企业高效率地完成人工智能应用的搭建,同时达到较高的性价比。”

作为业界首个内置bfloat16支持的主流服务器处理器,第三代英特尔® 至强® 可扩展处理器可帮助图像分类、推荐引擎、语音识别和语言建模等应用的AI推理和训练更简便地部署在通用CPU上。


实战案例

英特尔为AI与数据分析打造了广泛的产品组合和生态系统支持。经过全面优化的全新数据平台与基于英特尔AI技术不断蓬勃发展的合作伙伴生态一道,正在帮助各类企业积极部署智能的AI和数据分析服务,从而将数据转变为企业的重要资产。第三代英特尔® 至强® 可扩展处理器采用标准化工具和框架,让AI服务百业千行。人工智能作为一种技术综合体,在不同的场景中,有着不同的组合形式。

金山云在拓展AI云服务(AIaaS)时,一方面采用集成有深度学习加速技术的可扩展处理器,另一方面导入面向英特尔® 架构优化的Caffe、TensorFlow等AI框架,形成针对AI应用“软硬打包、协同优化”的镜像。这种组合在多种深度神经网络中的推理性能都获得了不同程度的提升,如在SSDMobilenet网络中的性能揽或就达到了原来的2.89倍;面向英特尔® 架构优化的 Caffe 在不同深度神经网络中的 AI 前向传播性能均获得了数倍乃至数十倍的大幅提升,在 ResNet50 网络中,提升幅度更是达到了27.5 倍左右。


               面向英特尔® 架构优化的TensorFlow在金山云AI云服务中带来的推理性能提升


在制造业领域,为了实现更快、更准确的产品缺陷检测,美的使用了“大数据+AI”端到端解决方案,其中用到英特尔Analytics Zoo 工具套件,在其基础上开发的工业视觉检测系统,将推理用时从2秒缩短到124毫秒,且可以快速部署,项目部署周期缩短 57%,物料成本减少 30%,人工成本减少 70%。


美的基于英特尔Analytics Zoo 的端到端AI产品缺陷检测方案

爱奇艺就引入英特尔的OpenVINO™ 工具套件和 oneAPI Math Kernel Library 以及 oneAPI Deep Neural Network Library,构建了基于云的深度学习平台 Jarvis,让面部识别效率提升 4 倍,实时弹幕推理速度提升 5 倍,涉黄内容检测推理效率提升 6 倍,文本检测应用的推理性能更是提升 11 倍。


OpenVINO™ 工具套件提升Jarvis平台推理效率


在医疗领域,英特尔深度学习部署工具包帮助在英特尔® 架构上提供优化的推理性能,为临床诊断扫描及其他医疗工作流赋能人工智能。与基于AI在其他图像处理领域的应用不同,医疗领域的图像分割对时效性要求更高,留给病患的黄金诊疗窗口往往只有数十分钟。因此,如果图像分割AI应用的推理效率不够高,就有可能延误宝贵的抢救时间。来自多个行业、多个场景的案例显示,英特尔® 至强® 可扩展处理器,以及英特尔深度学习加速指令集、OpenVINO™ 工具套件等产品和技术,可以有效提升深度学习模型的推理效率。

英特尔和 GE 医疗集团利用 GE 的深度学习图像分类解决方案探索英特尔技术。双方发现,与基准版本的解决方案相比,使用英特尔深度学习部署工具包和英特尔® MKL-DNN 优化经过训练的GE解决方案后,可将吞吐量平均提高14倍,超过GE的吞吐量目标近六倍。这些发现为下一代诊断扫描仪和智能医疗影像时代指明了人工智能部署的途径。

面向未来,英特尔还将与更多合作伙伴一起,推动更多领先产品技术、尤其是与AI和数据分析相关的产品技术与行业应用需求的深度融合,从而进一步加速机构和企业从信息化到智能化的转型,进而打造出更多样化、也更有价值的智慧解决方案,造福各行各业。