在過去的數(shù)年間，人工智能技術(shù)實現(xiàn)了前所未有的爆發(fā)式成長。這主要歸功于萬物互聯(lián)的浪潮帶來的海量數(shù)據(jù)、芯片技術(shù)革新帶來的算力飛躍，以及計算機和數(shù)據(jù)科學(xué)領(lǐng)域?qū)λ惴ǖ牟粩鄡?yōu)化。這也是我們常說的驅(qū)動AI技術(shù)發(fā)展的三大要素：數(shù)據(jù)、算力和算法，而且這三大要素是相互促進、缺一不可的。

　　作為芯片來說，它是承載這三大要素最重要的力量。除了人工智能專用芯片之外，其實很多通用的芯片類型，比如GPU、FPGA，還有中央處理器CPU，都在人工智能時代針對性的進行了架構(gòu)優(yōu)化，并且再次煥發(fā)新生。

　　在這篇文章里，我們就以英特爾的至強可擴展處理器為例，一起來看一下在云計算和數(shù)據(jù)中心領(lǐng)域，CPU在人工智能應(yīng)用里的獨特優(yōu)勢。

　　至強可擴展處理器的技術(shù)特點

　　2020年6月，英特爾正式發(fā)布了第三代至強可擴展處理器（Xeon Scalable Processor），代號為Cooper Lake。

　　和前一代產(chǎn)品Cascade Lake相比，Cooper Lake單芯片集成了最高28個處理器核心，每個8路服務(wù)器平臺最高可以支持224個處理器核心。每個核心的基礎(chǔ)頻率可達3.1GHz，單核最高頻率可達4.3GHz。此外它還集成了一些其他的架構(gòu)升級，比如增強了對傳統(tǒng)DDR4內(nèi)存帶寬和容量的支持，并且將英特爾UPI（超級通道互聯(lián)）的通道數(shù)量增加到了6個，將CPU之間的通信帶寬和吞吐量提升了一倍，達到20.8GT/s；此外也提升了對硬件安全性、虛擬化、網(wǎng)絡(luò)連接等等這些數(shù)據(jù)中心常用技術(shù)的硬件支持。

　　至強可擴展處理器的UPI通道示意圖

　　值得注意的是，這個Cooper Lake是特別針對4路或者8路的服務(wù)器產(chǎn)品進行打造的第三代至強可擴展處理器。對于更加常見的單路和雙路服務(wù)器，英特爾也即將推出代號為Ice Lake的處理器，它將基于英特爾最新的10納米工藝進行制造，內(nèi)核采用了Sunny Cove微架構(gòu)。

　　在去年的HotChips大會上，英特爾就對Ice Lake和Sunny Cove微架構(gòu)做了比較詳細的介紹。關(guān)于這部分內(nèi)容，會在今后的文章里繼續(xù)解讀，敬請關(guān)注。

　　Cooper Lake作為英特爾第三代至強可擴展處理器，針對人工智能應(yīng)用做了特別的架構(gòu)優(yōu)化和設(shè)計。一個就是在上一代產(chǎn)品的基礎(chǔ)上，進一步優(yōu)化了英特爾的深度學(xué)習(xí)加速技術(shù)DL-Boost，首次引入了對BF16指令集的支持。另外一個就是增加了對第二代英特爾傲騰持久內(nèi)存、也就是Optane Persistent Memory的支持。接下來我們就具體來看一下為什么這兩點提升對于AI應(yīng)用來說特別的重要。

　　英特爾深度學(xué)習(xí)加速技術(shù)

　　首先來看DL-Boost，也就是英特爾的深度學(xué)習(xí)加速技術(shù)。從第二代至強開始，英特爾就在這個CPU里加入了深度學(xué)習(xí)加速技術(shù)，它的核心就是擴展了AVX-512矢量神經(jīng)網(wǎng)絡(luò)指令的用途，進一步提升了對AI應(yīng)用的加速。

　　AVX-512是一個算力上的加速指令集，它是通過增加數(shù)據(jù)位寬來處理更多數(shù)據(jù)的，通過支持512位寬度的數(shù)據(jù)寄存器，它能在每個時鐘周期內(nèi)進行32次雙精度和64次單精度浮點數(shù)運算、或者8個64位和16個32位的整數(shù)運算。這樣的能力本身就可以在CPU上為AI應(yīng)用提供更好的性能支持，而DL-Boost對它的擴展，目的就是要通過降低數(shù)據(jù)精度的方式來進一步加速AI應(yīng)用。

　　簡單來說，DL-Boost的本質(zhì)有兩點，一個是低精度的數(shù)據(jù)表示不會對深度學(xué)習(xí)的推理結(jié)果和精度造成太大影響，但是會極大的提升硬件性能和效率。第二個就是可以為某些類型的AI應(yīng)用、比如這里說的推理應(yīng)用，專門設(shè)計更有效的指令集和硬件，來支持這些應(yīng)用的高效運行。

　　在深度神經(jīng)網(wǎng)絡(luò)應(yīng)用里使用低精度的數(shù)據(jù)表示，已經(jīng)是一個研究比較成熟的領(lǐng)域了。相比使用32位浮點數(shù)進行運算，我們可以采用更低的數(shù)據(jù)精度，甚至也可以采用整形數(shù)來進行運算。

　　有很多研究表明，當(dāng)使用16位乘法器與32位累加器進行訓(xùn)練和推理時，對準(zhǔn)確性幾乎沒有影響。當(dāng)使用8位乘法器與32位累加器進行推理計算時，對準(zhǔn)確性的影響也非常小。比如對于很多應(yīng)用來說、特別是涉及我們?nèi)祟惛泄俚膽?yīng)用，比如看一個圖片或者聽一段聲音等等，由于我們?nèi)祟惖母兄芰Σ]有那么精確，所以推理精確度的稍許差別并沒有太大關(guān)系。

　　但是降低數(shù)據(jù)精度會對AI芯片的設(shè)計和性能帶來很多的好處，比如可以在芯片面積不變的情況下，大幅提升運算單元的數(shù)量，或者在性能要求不變的情況下，采用更少的芯片面積，從而降低功耗。此外這樣也會減少數(shù)據(jù)傳輸?shù)臄?shù)據(jù)量，節(jié)約了帶寬，提升了吞吐量。

　　基于這個理論，也衍生出了很多非常有趣的AI芯片架構(gòu)設(shè)計，比如一sa些AI專用芯片，還有之前介紹過的英特爾Stratix10 NX FPGA等等，都加入了對不同的數(shù)據(jù)精度的硬件支持，對于至強可擴展處理器來說也是如此。在第二代至強可擴展處理器里，深度學(xué)習(xí)加速技術(shù)第一次出現(xiàn)，主打INT8的加速，主攻的是推理加速。從第三代至強可擴展處理器開始，英特爾又在DL-Boost技術(shù)里引入了對BF16的硬件支持，兼顧推理和訓(xùn)練的加速。

　　和8位整形數(shù)相比，BF16的精度更高，而且有著大得多的動態(tài)范圍。和32位浮點數(shù)相比，BF16雖然精度有所損失，但損失并不多，動態(tài)范圍類似，但所需數(shù)據(jù)位寬要小很多。可以說BF16這種數(shù)據(jù)表示，可以在精度、面積、性能等衡量標(biāo)準(zhǔn)里取得非常好的折中，這也是為什么要在第三代至強可擴展處理器里支持這種數(shù)據(jù)表示的主要原因。

　　BF16和浮點數(shù)數(shù)據(jù)格式的對比

　　和前一代CPU搭配32位浮點數(shù)的組合相比，第三代至強可擴展處理器加上BF16加速后的AI推理性能可提升到它的1.9倍，訓(xùn)練性能可提升到它的1.93倍。

　　當(dāng)然了，業(yè)界已經(jīng)有很多公司在使用和部署第三代至強可擴展處理器，以及前面介紹的深度學(xué)習(xí)加速技術(shù)。比如阿里云就利用對BF16的支持，將BERT模型推理的性能提升到原來的1.8倍以上，并且沒有準(zhǔn)確率下降。Facebook也將英特爾深度學(xué)習(xí)加速技術(shù)用在了它的深度學(xué)習(xí)推薦模型里，結(jié)果對INT8的加速帶來了推理性能提升達2.8倍的成績，BF16加速則讓訓(xùn)練性能提升達到了原來的1.6倍以上。

　　高性能存儲技術(shù)：傲騰Optane內(nèi)存

　　說完數(shù)據(jù)的計算，我們接下來再來看看數(shù)據(jù)的存儲。設(shè)計芯片的一個大的原則，就是存儲數(shù)據(jù)的地方離使用數(shù)據(jù)的地方越近，性能就越高、功耗也越低。對于人工智能應(yīng)用來說，不管是對于訓(xùn)練還是推理，都需要對大量的數(shù)據(jù)進行處理。這一方面需要有大容量的存儲技術(shù)作支持，另一方面也需要更大的內(nèi)存帶寬、以及更快的數(shù)據(jù)傳輸速度。

　　總體來說，我們在計算機系統(tǒng)里常見的存儲器類型可以分成這么幾個類型。一個是DRAM，也就是我們常說的內(nèi)存，它的性能最高、數(shù)據(jù)讀寫的延時最低，但是容量十分有限、價格昂貴，更重要的是一旦斷電，DRAM里的數(shù)據(jù)就會丟失。

　　相比之下，像機械硬盤、固態(tài)硬盤之類的存儲方式，雖然容量夠大、價格便宜，而且具備數(shù)據(jù)持久性，但是最大的問題就是訪問速度相比DRAM來說要慢幾個量級。

　　所以，很自然的我們就會想，能否有另外一個量大實惠的存儲方式，既能有大容量、低延時、也能保證數(shù)據(jù)的持久性、而且價格也可以接受呢？一個可行的方案，就是英特爾的傲騰Optane持久內(nèi)存。它既有大的容量、又能保證數(shù)據(jù)的持久性，也能提供快速的數(shù)據(jù)讀寫性能。傲騰持久內(nèi)存目前單條容量最高可以到512GB，并且和傳統(tǒng)DDR4內(nèi)存的插槽兼容。當(dāng)搭配第三代至強可擴展處理器使用的時候，單路內(nèi)存總?cè)萘孔罡呖梢赃_到4.5TB，遠大于普通的DRAM內(nèi)存。

　　數(shù)據(jù)中心存儲架構(gòu)層級

　　值得注意的是，傲騰有多種工作模式。比如它可以作為內(nèi)存模式使用，這時它就和DRAM沒有本質(zhì)區(qū)別，相當(dāng)于對系統(tǒng)內(nèi)存進行了擴展。它還有一個叫做App Direct的模式，可以實現(xiàn)較大內(nèi)存容量和數(shù)據(jù)持久性，這樣軟件可以將DRAM和傲騰作為內(nèi)存的兩層進行訪問。

　　此外，硬盤之類的存儲設(shè)備是按塊讀寫數(shù)據(jù)，而傲騰持久內(nèi)存是可以按字節(jié)進行尋址的，這就保證了數(shù)據(jù)讀寫的效率和性能。

　　軟件框架和生態(tài)系統(tǒng)

　　說完了對數(shù)據(jù)進行計算和存儲的硬件，最后我們再來看看軟件，以及圍繞軟硬件搭建的生態(tài)系統(tǒng)。不管是什么芯片、什么應(yīng)用場景，最終使用它的都是開發(fā)者，是人。所以開發(fā)軟件和生態(tài)是芯片設(shè)計中非常重要的環(huán)節(jié)。

　　英特爾有一個名叫Analytic Zoo的開源平臺，它將大數(shù)據(jù)分析、人工智能應(yīng)用，包括數(shù)據(jù)的處理、模型的訓(xùn)練和推理等過程進行了的整合。它可以把 TensorFlow、Pytorch、OpenVINO這些框架、開發(fā)工具和軟件集成到一個統(tǒng)一的，基于SPARK、Ray、Flink等搭建的大數(shù)據(jù)分析流水線里，用于分布式的訓(xùn)練或預(yù)測，這樣讓用戶更方便的構(gòu)建端到端的深度學(xué)習(xí)應(yīng)用。這個分析流水線根據(jù)至強處理器進行了深度優(yōu)化，可以充分利用前面介紹的那些針對AI應(yīng)用進行的計算和存儲架構(gòu)革新，并且也可以比較方便地進行計算集群的部署和擴展。

　　Analytics Zoo架構(gòu)圖

　　比如，美的就采用了Analytic Zoo來搭建了工業(yè)視覺檢測的云平臺，來加速產(chǎn)品缺陷檢測的效率，并且將模型推理的端到端速度提升了16倍。

　　作為構(gòu)建廣泛生態(tài)系統(tǒng)的一部分，英特爾硬件產(chǎn)品方面除了有至強可擴展處理器和傲騰持久內(nèi)存，還有基于Xe架構(gòu)的數(shù)據(jù)中心專用GPU系列、還有現(xiàn)場可編程芯片F(xiàn)PGA、以及一系列的人工智能專用芯片，比如旗下Habana Labs用于訓(xùn)練和推理的Gaudi和Goya系列產(chǎn)品等等。

　　之前介紹摩爾定律的時候我們說過，晶體管尺寸每縮小10倍，就會衍生出一種全新的計算模式。現(xiàn)任英特爾芯片總架構(gòu)師的Raja Koduri就把現(xiàn)在的計算模式分成了標(biāo)量計算、向量計算、矩陣計算和空間計算四大類，分別對應(yīng)基于CPU、GPU、AI ASIC和FPGA。而目前業(yè)界也只有英特爾完成了對這四大類計算模式的芯片全覆蓋。

　　除此之外，英特爾還推出了oneAPI，用來支持和統(tǒng)一這四大類硬件架構(gòu)的編程，降低使用不同代碼庫和編程語言帶來的風(fēng)險，并且無需在性能上做出妥協(xié)。