企业在AI应用开发和使用各阶段可能遇到的挑战，虽然不全，但已足够“挑战”

包括那些有一定的AI人才、技术积累与创新能力，但仍不足以支撑自身智能化转型的企业在内，大家都在寻找一种功能全面、部署便捷且性价比高的法子，来帮助它们快速完成AI能力的构建和部署。

这就给了云服务提供商大展身手的机会，通过输出快捷、高效、实惠的AI云服务，帮助条件和实力不足的企业快速部署和实践AI应用，它们可以做到既惠人，又利已。

紧迫的需求，已经在过去数年催生了众多针对AI的云服务和产品，IaaS和PaaS级别的服务是主流，例如AIaaS (AI as a Service)、AI 在线服务、增强型 IaaS、企业级AI一体机，深度学习云平台等等，硬件搭配也是多种多样，例如基于CPU、GPU、TPU、NPU、FPGA等等，都在为企业AI转型提供包括基础设施构建及优化、AI应用开发和部署，以及AI 模型训练与推理效能优化在内的多种支持。

有趣的是，CPU作为通用处理器，在AI云服务的抢眼程度，并不亚于专用的AI加速芯片。通过实际应用分析，我们不难发现，如果不是专注于AI算法模型训练和开发的企业，大多数企业使用AI时其实更偏推理型的应用。对他们来说，基于CPU平台的云服务，特别是集成了可加速AI应用的AVX-512技术和深度学习加速技术的英特尔^® 至强^® 平台的AI云服务，其实在很多应用场景中都足以应对实战需求，且不论对于他们，还是云服务提供商而言，部署都更快、更便捷，上手门槛也低。

就这样，可能与大家的印象相悖，CPU成为了很多云服务提供商输出，以及企业采用AI云服务时的热门选择，这使得以CPU为基础设施的AI云服务异军突起。

如前文提到，基于CPU的云服务要受欢迎，并不是仅仅做好通用计算任务就够了，首先就要针对AI应用在硬件上集成特定的加速能力。

作为老牌CPU厂商的英特尔，早在2017年就于第一代英特尔^® 至强^® 可扩展处理器上导入了可以加速浮点运算（涵盖AI运算）的AVX-512技术；而后又在2019年推出的第二代英特尔^® 至强^® 可扩展处理器上集成了可以加速INT8的英特尔^® 深度学习加速技术，专攻推理优化；2020年和今年，分别面向多路和单、双路服务器的第三代英特尔^® 至强^® 可扩展处理器依次亮相，后者靠INT8加速主攻推理，前者则通过同时支持INT8和BF16加速，兼顾了CPU上的AI训练和推理任务。

2021年面向单路和双路服务器的全新第三代英特尔^® 至强^® 可扩展处理器的主要优势，包括再次提升AI推理性能

CPU有了AI加速能力，用它来构建AI云服务的根基就已奠定。但为了充分发挥出这些硬件AI加速能力，英特尔还同步提供了一系列开源AI软件优化工具，包括基础性能优化工具oneDNN，可帮助AI模型充分量化利用CPU加速能力、预置了大量预优化模型并能简化它们在CPU平台上部署操作的OpenVINO™，以及可以在现有大数据平台上开展深度学习应用，从而无缝对接大数据平台与AI应用的Analytics Zoo等。英特尔还将oneDNN融入了TensorFlow、Pytorch等主流AI框架，将它们改造成面向英特尔架构优化的AI框架。

通过这些举措，英特尔架构CPU平台加速AI应用的软硬两种能力就有了“双剑合璧”的效果。而英特尔和云服务提供商合作伙伴的实践，也正是基于此展开的。

得益于英特尔提供的全面AI加速软硬件组合，多数云服务提供商无需做更多调整和优化，就可迅速打造出针对AI的基础设施即服务或AI云主机产品。简单来说，就是将集成AI加速能力的英特尔^® 至强^® 可扩展平台与我们提到的软件工具，例如oneDNN或面向英特尔架构优化的AI框架软硬打包，就可快速形成易于部署和扩展的AI云主机镜像。

国内有云服务提供商早在2017年就进行了类似的尝试，通过使用英特尔优化软件，它激活了英特尔^® 至强^® 平台的AI加速潜能，并在部分应用场景实现了可与GPU相媲美的推理性能。

如果仅有性能优化还不够，还需要更快的模型部署能力，那就可以像CDS首云一样导入OpenVINO™。它通过英特尔^® 至强^® 可扩展平台、高性能 K8S 容器平台和OpenVINO Model Server这三者的组合大幅简化了AI模型的部署、维护和扩展。性能实测结果也表明，OpenVINO™不仅在用户并发接入能力上优于首云此前采用的AI框架，在推理应用的时延等关键性能指标上也有良好表现。

CDS首云AI云服务方案架构

仅仅是导入英特尔已经就绪的AI软硬件组合，就已能输出令人满足的AI云服务了，那么如果是和英特尔在AI云服务的算法及模型上进行更深入的优化，又会有什么惊喜呢？像阿里云这样的头部云服务提供商就通过实战给出了答案。

以阿里云为例，其机器学习平台PAI在与英特尔的合作中，利用了第三代英特尔^® 至强^® 可扩展处理器支持的bfloat16加速，来主攻PAI之上BERT性能的调优，具体来说就是以经过优化的Float32 Bert模型为基准，利用BF16加速能力优化了该模型的MatMul算子，以降低延迟。测试结果表明：与优化后的FP32 Bert模型相比，英特尔^® 至强^® 平台BF16加速能力能在不降低准确率的情况下，将BERT模型推理性能提升达1.83倍。

阿里云PAI BERT 模型优化方案

如果说从提供软硬协同的基础平台到定向深度优化算法，算是AI云服务在优化程度上的迈进，或者说云服务提供商与英特尔在AI云服务构建和优化上的深化合作的话，那么如果有云服务提供商能在深度学习框架这个AI基石上与英特尔开展合作，那是不是会更具意义呢？

为这个问题输出答案的是百度，它的开源深度学习平台“飞桨”先后结合第二代和第三代英特尔^® 至强^® 可扩展处理器在计算、内存、架构和通信等多层面进行了基础性的优化。其结果也是普惠性的——优化后的飞桨框架能够充分调动深度学习加速技术，可将众多AI模型，特别是图像分类、语音识别、语音翻译、对象检测类的模型从FP32瘦身到INT8，在不影响准确度的情况下，大幅提升它们的推理速度。

英特尔深度学习加速技术可通过1条指令执行8位乘法和32位累加，INT8 OP理论算力峰值增益为FP32 OP的4倍

例如在图像分类模型ResNet50的测试中，飞桨搭配英特尔今年发布的全新第三代英特尔^® 至强^® 可扩展处理器对其进行INT8量化后，其推理吞吐量可达FP32的3.56倍之多。

如此性能增幅，再加上CPU易于获取、利用和开发部署的优势，让飞桨的开发者们可借助AI框架层面的优化，更加快速、便捷地创建自己可用CPU加速的深度学习应用。而为了给企业开发者们提供更多便利，百度还推出了EasyDL和BML（Baidu Machine Learning）全功能AI开发平台，通过飞桨基于全新第三代英特尔^® 至强^® 可扩展处理器的优化加速，来为企业提供一站式AI开发服务。

百度飞桨开源深度学习平台与飞桨企业版

前文CDS首云、阿里云和百度的实例，可以说是充分反映了用CPU做AI云服务的现状，而这些云服务也正是为当前希望跨越智能化鸿沟的企业设计的。当然，它们也会持续演进，比如说随着未来AI技术的进一步发展，特别是大数据与AI融合带来的新需求，不论是用CPU还是专用加速器，不论是企业自建AI基础设施和应用，还是云服务提供商输出的AI云服务，都会在数据存储而非算力上面临越来越多的挑战。

毕竟，算力、算法和数据是并驾齐驱的“三驾马车”，随着数据规模进一步暴增，数据存储也将对AI的部署和应用带来更多挑战。

好消息是，国内的云服务提供商也早已和英特尔就此展开了前瞻创新，例如百度智能云早在2019年就推出了ABC（AI、Big Data、Cloud）高性能对象存储解决方案，能利用英特尔^® 傲腾™ 固态盘的高性能、低时延和高稳定来满足AI训练对数据的高并发迭代吞吐需求。

值得一提的是，英特尔在今年发布全新第三代英特尔^® 至强^® 可扩展处理器时，也带来了与其搭档的英特尔^® 傲腾™ 持久内存200系列和英特尔^® 傲腾™ 固态盘P5800X。

与全新第三代英特尔^® 至强^® 可扩展处理器搭配使用的英特尔^® 傲腾™ 持久内存和英特尔^® 傲腾™ 固态盘新品