通信世界网消息（CWW）人工智能成为推动数字化转型的一大‘超级力量’，万物智能化带来数据的量变与质变。作为人工智能领域的领军企业，英特尔在人工智能领域进行了深入的创新和探索。2021年7月8日，英特尔研究院副总裁、英特尔中国研究院院长宋继强在2021WAIC-智能芯片定义产业未来论坛上发表了题为“异构集成：释放人工智能超级力量”的演讲。宋继强表示，未来应拥抱异构集成，架构创新已成为计算创新的关键驱动力。
超异构计算是人工智能发展必由之路
如今数据量呈指数级增长，数据形态日趋多元化。无人车、机器人等产生大量的数据，要靠人工智能的方式对数据进行处理。但是现在AI模型训练模式消耗的能源是不可持续的。比如学术界前两年用GPU、大的深度学习模型去处理各种不同的任务，最终发现，训练一个大的人工智能模型需要消耗掉5台美式车整个生命周期所产生的碳排放量。如果未来靠这种方式继续推动从云终端到边缘的人工智能处理，消耗的资源是难以想象的。
破解AI发展遇到的难题其必由之路就是超异构计算。英特尔针对超异构计算架构进行了全面创新，英特尔至强处理器内部加入了异构计算能力，既有专门的深度学习加速器件，还有可扩展的配置，AVX-512可专门针对矢量运算进行加速，针对深度学习可以用的不同架构。这些组件让通用服务器的性能提升了46%，而专门针对AI训练和加速能力提升了74%，这比市面上其他厂商的CPU或者是GPU相对应的能力都有所提升。
说道超异构计算就不得不提到英特尔的XPU战略。采用不同的架构去处理不同类型的数据，根据处理速度、带宽的要求进行优化，而这就构成XPU计算架构。CPU适宜处理标量计算；GPU则适宜处理矢量运算；AI则适宜进行块状运算；FPGA适合做稀疏的运算。宋继强讲道，将这些技术整合起来就能各取所需，也就是常说的打组合拳会好过只用一种手段去解决所有问题。
算法和数据是AI的两大基础，英特尔在AI的安全方面也进行了深入的研究和探索。对于英特尔的客户来讲，有些想保护算法，有些想保护数据，那就必须提供增强的安全方案，让客户可以有选择地保护他们的算法或者是数据。宋继强讲道，英特尔增强的安全解决方案可以在不同的层级去保护客户的算法和数据。既能够提升AI处理和训练的效果、速度，又可以增加在使用AI过程当中的数据隐私保护。与此同时，在GPU层面英特尔也可提供基于Xe架构的GPU，提供各种不同边缘能力的ASIC，如Habana、Movidius、FPGA等。
四大创新技术推动产业革命
集成光电技术提供光互连的变革性能力。英特尔把光器件跟电器件紧密封装在一起，减少两端转换的损耗，然后制作收发器，以更小的模式放到服务器当中。“英特尔研究院的最新技术是把很多光处理的中间过程模块做成非常小的模块，比如硅光产生，光的发射、调制，接收端的检测、放大，这些模块都非常小可以和CMOS光处理器件整合到一个芯片中，因此集成的光电可以大幅度缩小整个系统的尺寸和功耗，足以放到服务器里，带来变革性能力。”宋继强讲道。
异构封装技术也是英特尔的重要技术。英特尔EMIB 2.5D的封装技术可实现CPU、GPU、IO及其它多个芯片间的通信，且业界首创逻辑芯片3D封装Foveros 3D封装技术，在三维空间提高晶体管密度和多功能集成。
“封装技术可以形象地比喻成，在一个平面上两个平房之间需要建嵌入式的下水通道把它们连通起来。如果想更好地利用三维空间就可以去盖高楼，在多层上把计算的Die连接起来。同时这两项技术还可以互相整合。”宋继强介绍道，这样的封装技术可以让很多新的芯片很好地进行互连，包括英特尔最新架构的类脑芯片也可以和传统的CPU、GPU互相组合。
英特尔神经拟态计算芯片提供了存算一体的架构，而且易扩展。英特尔神经拟态计算芯片基于异步的设计，工作的部分是耗电的，不工作的地方是休息的，从整个电效率上来讲，是现在深度学习加速芯片的1000倍。所以说，未来支持绿色可持续发展的人工智能，需要去探索多种架构的路线。
异构集成可以在硬件层面实现不同器件在一个芯片封装中很好地互连起来，那软件层面如何集成？为此，英特尔联合企业伙伴推出了开放的软件平台oneAPI，对于软件开发者来说，学习一套API可以跟底下不同硬件性能库的对接和对硬件抽象层接口的对接。这样分层构建对软件开发者来说，可以只学Python或者是只学C++，最后可以利用异构集成，实现软件不需要改动就可以发挥硬件升级带来的好处。
垂直整合、应用驱动让AI创新落地
如今人工智能产业创新已经到深水区，要更深入的理解到底怎么样利用到数据驱动的人工智能带来的福利，把产业规模化扩展作为重要发力点。“垂直整合、应用驱动可以真正让AI把算法创新、硬件创新落到实处，并且可以形成迭代的滚动放大效应。”宋继强讲道。
如Mobileye主要做自动驾驶领域的ADAS系统，从原来只是做计算机视觉的算法到可以在芯片上做出小的ADAS设备，到现在已经发展出垂直整合的一套方案。Mobileye基于规则的责任敏感度的模型RSS可以模仿人类如何进行决策风险判断，这已经从理论的模型到现在推广到了真正通过程序去实施。
“这是在不同的层级去模仿人类的智能，而且已经超出了只是去做一些感知、视觉智能的层面。所以通过这些整合可以把AI能力通过软件、硬件、传感器整合起来形成很好的方案，未来它会开创非常独特的出行即服务的体系。”宋继强讲道。
总结未来推动AI的规模化创新应用，宋继强表示必须要做好三件事。一是认识到其中的机会与挑战。人工智能成为推动数字化转型的一大“超级力量”，万物智能化带来数据的量变与质变，要让数据移动更加高效可持续发展。二是拥抱异构集成，架构创新成为计算创新的关键驱动力，面向现在和未来的计算芯片，实现光互连的变革性力，应用在产品中的先进封装技术，构建面向异构集成的开放软件生态系统。三是做好垂直整合，驱动AI规模化扩展和创新，自动驾驶是目前典型的应用案例，推动AI创新大有可为。
