“大数据时代，没有人能够成为旁观者，而数据也将‘横扫一切’。”这是《连线》杂志创始主编Kevin Kelly的判断。工业、金融、医疗、娱乐、媒体等行业每天都在产生PB级的信息量，而ML/DL、VR/AR等新兴技术的应用让数据曲线呈现了指数级的增长趋势。从某种程度来说，数据在哪里，生意就在哪里。
机器会不会取代人？这一猜想从AI的概念诞生以来就未停歇，之后人们看到了无人驾驶、无人机，以及各种形态的智能机器，它们甚至可以通过神经网络模仿人类的动作甚至是思维。这一切的背后都要得益于流动的数据，其记录着每一个个体的动作和想法，而让这些信息产生价值的必要因素无外乎三点：数据储存放在什么地方？如何抵达计算中心？又该怎样被使用？
2018 Intel Data-Centric Innovation Summit
对此，英特尔公司执行副总裁、数据中心集团总经理Navin Shenoy（孙纳颐）深有体会，他在2018英特尔数据中心技术峰会（Intel Data-Centric Innovation Summit）上表示：“全球90%的数据都是在过去两年里产生的，到2025年全球数据量将剧增至现在的10倍，达到163ZB。然而据可靠推测，这些数据中真正得到利用、处理并且采取相应行动的数据占比仅约1%。想象一下，如果我们能够更高效且大规模地利用这些数据，我们的世界会发生怎样的变化？”
以数据为中心的云转型
事实上，英特尔已经将以数据为中心业务的总体潜在市场规模由2021年的1600亿美元调整为2022年的2000亿美元。用孙纳颐的话说，这将是“英特尔历史上最为重大的机遇所在”。既然目标锚定了，那么就没有理由不去推动全面转型，首当其冲的自然是基础架构。云计算为大数据的处理和应用提供了新的维度，用云量甚至成为衡量一家企业数字化转型程度的重要指标。在英特尔公司数据中心集团副总裁兼云服务供应商集团总经理Raejeanne Skillern看来，云在计算资源的交付和消费方式方面创造了“新常态”。
过去四年，英特尔的CSP（云服务提供商）细分市场营收翻了一番，2014年至2017年复合年增长率为30%，架构创新、边缘爆发、网络与AI的融合正发展为强劲的增长动力。进一步思考，英特尔以数据为中心的云基础架构转型可以分为三个方面：
首先，每家CSP都有各自的业务优先级或异构工作负载，使得定制化成为一大趋势。从2014年到2017年，英特尔根据CSP的需求（功率、热量、核心数量、I/O等）定制的CPU数量从19%增加至50%，例如基于至强可扩展处理器帮助AWS构建4.0 GHz持续全内核加速的云实例、结合高速以太网和数据中心SSD满足今日头条所需的性能规模、联合voud开发定制的可配置CPU为Oath Inc.降低数据中心部署成本……
其次，用户对体验的多维追求让云服务亦趋于行业化。以Visual Cloud（可视化云）为例，其融合了媒体加工和交付、媒体分析、沉浸式媒体、云游戏和云图形等负载，英特尔借助端到端的方法提供了从至强处理器到硬件加速器，包括英特尔Movidius VPU、FPGA、可视化计算加速器卡等方案组合，为可视化云的渲染、推理、编码、解码给予了支持，使得CSP可以在单个平台架构上交付多个工作负载，用软件优化快速、经济高效地加速目标工作负载。
除了CPU级别的定制，英特尔还与CSP合作利用丰富的软件工具和库，让后者充分发挥英特尔平台的性能，这种服务可以说是多样化的。举个例子，通过对最新的英特尔至强可扩展处理器上的LSTM（长短期内存模型）进行改进，腾讯微信将语音识别性能提高了16倍。再如AWS深度学习AMI所配置的TensorFlow 1.6，采用了英特尔高级矢量指令（英特尔AVX） 和英特尔深度神经网络数学内核库（英特尔MKL-DNN) 构建，以优化深度学习训练性能。优化之后，在基于英特尔至强可扩展处理器的AWS C5实例中使用合成ImageNet数据集训练ResNet-50基准，较在stock TensorFlow 1.6二进制文件上训练快7.4倍。
云时代的数据中心加速转型
决战数据时代的三要素
如今，云计算技术的日趋成熟使得获取资源的能力比实际的拥有权更加重要，从基础设施的角度来看这种趋势无疑体现在三个层面，也就是计算、网络、存储。通常，CSP希望最大化每个服务器节点通过销售虚拟机来增加收入，这对服务器的核心性能（PCP）和吞吐量（TPT）要求颇高，同时还要考虑能耗的问题。
新一代数据中心需要更强的技术和产品支持
为此，英特尔至强可扩展处理器系列通过高级微架构提供PCP和TPT，让每个周期驱动更高的指令，该架构是一种以低功耗指令集提供高频率的高度调谐设计，可以在单位时钟周期完成更多的工作。一方面，英特尔可以利用QuickAssist、Direct Data IO、ISA来加速数据中心内的加密和压缩功能。另一方面，也能借助运行可靠技术提升系统可用性和无故障时间。
英特尔预计，到2022年网络硅芯片的市场规模将超过240亿美元，并且更大的增量空间还会发生在更上层，这也是通信服务提供商（CommSP）要重塑网络设计和业务模式的原因，基于通用服务器和开放标准构建在多服务、多供应商环境下、灵活可扩展的网络功能是重要的应用趋势。从核心网络到边缘计算，英特尔希望建立软硬兼备的生态系统以加速网络转型战略。
在Intel DCI Summit 2018上，英特尔披露了代号为“Cascade glacier”的智能网卡新品，其支持虚拟机实时迁移而不需要特殊驱动程序，具有较基础网卡更高的灵活性和可编程性，预计明年第一季度投产；在全球排名前500的超级计算机所用的100Gb节点中，有50%的节点使用了节点对节点的高性能光纤解决方案——英特尔Omni-Path；生态系统方面，英特尔不仅分别针对NFVI和uCPE推出了Select Solution计划，推动行业网络创新，还通过打造Network Builder帮助超过300家设备制造商、软件供应商、操作系统供应商、系统集成商、CommSP实现了网络转型战略。
一直以来，DRAM的速度与磁盘的容量和持久性之间始终没有找到平衡点，而英特尔通过在内存-存储子系统中建立新的持久内存层打造了“傲腾数据中心级持久内存”，可以转向工作负载优化的系统架构、最大限度地提高应用程序可用的工作数据，以及减少磁盘I/O操作，将内存驻留数据库重启时间从数分钟缩减至数秒钟。此外，融合了英特尔QLC 3D NAND的SSD（面向客户端的英特尔SSD 660p和面向数据中心的英特尔SSD D5-P4320）产品还能够为客户提供最高的PCIe面密度。在初期生产环境中采用新的QLC PCIe英特尔® SSD D5-P4320之后，腾讯将单个系统服务的客户数量增至10倍。
CPU智能架构的新思考
奇点通常是指数学世界中未被定义的一个点，Luke Dormehl在其著作《人工智能》中将“奇点”与AI绑在了一起，并将其描述为机器在智能方面超过人类的“临界点”。过去，人类定义的模拟模型和算法决定了应用结果，而AI基于数据学习和训练后得出的论断已经在准确性方面超越了人类。或许，人们还无法断定AI已经胜过了人的智商，但是AI在各领域的应用早已超越了大家的想象。
全栈的AI能力
对于企业客户来说，没有单一的“最佳”硬件来运行各种各样的AI应用，因为没有单一类型的人工智能。因此，英特尔构建了从数据中心到边缘环境，再到终端设备的全域解决方案，包括擅长对大量非结构化语音和文本数据进行训练和推理的至强可扩展处理器、为实时推理提供出色吞吐量和低延迟的FPGA、为摄像头提供超低功耗推理的Movidius视觉处理单元，以及即将推出的Nervana神经网络处理器（NNP）。
“黄定律”让GPU在深度学习领域大放异彩，而英特尔公司全球副总裁兼人工智能产品事业部总经理Naveen Rao却用一系列案例证明，CPU架构更适合满足现实世界的深度学习应用需求。例如诺华在利用深度学习加快细胞培养显微图像分析的过程中，使用至强金牌6148处理器、Omni-Path架构和TensorFlow 1.7.0搭建的系统进行训练，让训练时间节省了20倍，在微软深度学习加速平台Project Brainwave上，英特尔FPGA能够让必应将模型延迟时间缩短10倍以上，同时将模型尺寸增加10倍。
此外，英特尔还提供了关键的架构构造和丰富的指令集（如AVX-512），用于以最优方式处理机器学习中的关键内核，尤其是深度神经网络。像深度学习解决方案Intel Deep Learning Boost，可以提供比现有至强可扩展处理器快11倍的运算处理速度，与AVX-512结合使用之后，能够具有比其他CPU架构更低精度的每时钟周期AI处理能力。
Nervana NNP L-1000将于2019年商用
一言以蔽之，英特尔不仅在硬件层面为AI的场景探索提供了多维的芯片级支持，还在框架和库层面提供了nGraph、OpenVINO、BigDL这样的软件工具。正是有了多维的软硬及生态护航，才能让行业客户在智慧化转型的道路上没有失去先机。
结语
回望过去50年，摩尔定律就像科技领域的灯塔一样指引着源源不断的技术演进，让人们在产业的变迁风浪中始终没有偏离方向。而在云计算和AI主导的时代，英特尔再次站在了一个特殊的位置，以数据为中心的发展战略使其在数据中心、边缘环境、计算终端拥有了覆盖端到端的全栈解决方案，而由此构建的智能基础架构势必将掀起新一轮的变革浪潮。
本文属于原创文章，如若转载，请注明来源：以数据为中心的智能架构 看英特尔如何多维定义//cloud.zol.com.cn/696/6964775.html
