人工智能已經成為推動數字化創(chuàng)新的重要動力，伴隨著 AIGC 等應用的快速落地，深度學習模型規(guī)模與復雜度不斷提升，數據量也持續(xù)增長，人工智能算力供給與需求之間的矛盾正在日趨凸顯。用戶希望優(yōu)化硬件、軟件和算法，在保證模型精度和時延等指標的前提下，提升人工智能端到端流程的性能表現，從而充分釋放硬件的潛能，并降低系統(tǒng)總體擁有成本 (TCO)，加速人工智能技術的創(chuàng)新。

生成式人工智能(AIGC) 等創(chuàng)新浪潮驅動了人工智能的新一輪增長，模型訓練和模型推理成為云服務器的重要負載。要滿足人工智能領域的市場需求，云服務提供商需要解決以下挑戰(zhàn)：如何加速數據清理、模型推理等人工智能端到端工作流程中的多種工作負載，加快平臺的一站式性能。如何高效使用CPU等現有的硬件資源，并且利用客戶公有云、私有云和混合云中的服務器資源，以降低硬件成本。如何增強云服務器的靈活性，使其能夠在復雜場景中敏捷擴展，支撐傳統(tǒng)負載與人工智能等新型工作負載高效運行的需求。

為了幫助用戶加速人工智能端到端流程，特別是提升人工智能推理性能，基于第四代英特爾 至強 可擴展處理器的金山云第七代性能保障型云服務器X7進行了針對性優(yōu)化。服務器采用了處理器內置的英特爾 高級矩陣擴展（英特爾 AMX）加速器，并融合了金山云自主創(chuàng)新的加速技術，能夠有效提高人工智能模型的推理性能，同時發(fā)揮云服務器在敏捷性、擴展性等方面的優(yōu)勢，助力客戶挖掘人工智能時代的價值。

第四代英特爾 至強 及英特爾 AMX使金山云服務器模型推理性能提升3.97倍 - 4.96倍

金山云第七代性能保障型云服務器 X7 搭載英特爾 至強 鉑金 8458P 處理器，網絡帶寬升級至100G，同時支持掛載極速云盤 ESSD ，整體機型在計算、網絡、存儲多維度進行了深度優(yōu)化，可為用戶提供計算速度更快、網絡吞吐更大以及存儲更加高效的云服務。

第四代英特爾 至強 可擴展處理器通過創(chuàng)新架構增加了每個時鐘周期的指令，每個插槽多達 60個核心，支持 8 通道DDR5內存，有效提升了內存帶寬與速度，并通過PCIe 5.0 （80個通道）實現了更高的PCIe帶寬提升。第四代英特爾 至強 可擴展處理器提供了出色性能和安全性，可根據用戶的業(yè)務需求進行擴展。借助內置的加速器，用戶可以在人工智 能、分析、云和微服務、網絡、數據庫、存儲等類型的工作負載中獲得優(yōu)化的性能。通過與強大的生態(tài)系統(tǒng)相結合，第四代英特爾 至強 可擴展處理器能夠幫助用戶構建更加高效、安全的基礎設施。

圖：第四代英特爾 至強 可擴展處理器

第四代英特爾至強可擴展處理器在人工智能性能上更進一步，內置了創(chuàng)新的英特爾 AMX 加速引擎。英特爾 AMX 針對廣泛的硬件和軟件優(yōu)化，進一步增強了前代技術——矢量神經網絡指令 (VNNI) 和 BF16，從一維向量發(fā)展為二維矩陣，能夠有效利用計算資源，提高高速緩存利用率，以及避免潛在的帶寬瓶頸，從而可顯著增加人工智能應用程序的每時鐘指令數 (IPC)，為人工智能工作負載 中的訓練和推理帶來顯著的性能提升。

在計算方面，通過采用最新的第四代英特爾至強 可擴展處理器，金山云新一代云服務器X7計算性能較上一代最大提升60%⁵ ，同時借助內置的英特爾AMX 原生人工智能加速能力，大幅提高了云服務器的整體性能，更加適用于計算密集型、深度學習等業(yè)務場景。 在內存方面，金山云新一代云服務器 X7 支持八通道 DDR5 內存，單條內存帶寬高達 4800MT/s，對比上一代實例性能提升50%⁶ ，更加適用于內存計算等數據密集型業(yè)務場景，服務深度學習以及人工智能相關領域。 在網絡方面，金山云新一代云服務器 X7 的物理網絡升級至 2x 100G，單虛機內網吞吐最高提升至 100G，PPS 提升至最高 2400 萬，連接數最高支持 400 萬，網絡性能大幅提升⁷。 在存儲方面，金山云新一代云服務器 X7 支持掛載極速云盤 ESSD，單盤吞吐最高提升至 4GB/s，IOPS 提升至最高 100 萬，訪問延時降低至 0.2ms ，存儲能力顯著優(yōu)化⁸。

得益于第四代英特爾至強 可擴展處理器內置的英特爾AMX 技術，金山云新一代云服務器 X7 加速了人工智能推理性能，并在AIGC等負載中有著卓越的表現。

金山云測試了金山云新一代云服務器 X7在Stable-Di?usion模型推理中的性能表現。Stable- Di?usion是一種基于機器學習的生成 式人工智能模型，能夠根據文本生成高分辨率圖像。Stable-Di?usion一般需要數秒完成圖片生成，計算量極大，其主要性能瓶頸在多頭注意力計算部分 (MHA)。

第四代英特爾至強 可擴展處理器在Stable-Di?usion模型推理中有著卓越的性能表現，這源于其在算法上面的優(yōu)化。針對該模型的 MHA 計算瓶頸，英特爾基于PyTorch 優(yōu)化的 Intel-Extension-for-PyTorch (IPEX) 插件在2.0 版本發(fā)布了基于至強 可擴展處理器平臺的Flash Attention算法，主要內容包括以合適的尺寸拆分矩陣計算，實現更高效的緩存利用；使用張量 AMX- BF16 加速MHA矩陣計算，達到更快的速度；將計算緩存區(qū)與線程綁定，實現更少的內存開銷。

在搭載英特爾至強 鉑金 8458P處理器的金山云新一代云服務器X7上，雙方對 Stable-Di?usion模型推理性能進行了測試。測試數據如圖所示，相較優(yōu)化之前的模型，在使用 IPEX 2.0 BF16優(yōu)化之后，Stable-Di?usion模型推理性能提升了3.97倍- 4.96倍⁹。

圖：Stable-Diffusion 模型優(yōu)化前后性能對比¹⁰

賦能云服務器AI性能提升，英特爾攜手合作伙伴為云上AI用戶提供既高效又經濟的解決方案

云服務器已經成為用戶擴展人工智能創(chuàng)新，承載模型訓練、模型推理等應用需求的重要選擇，通過采用內置英特爾AMX 加速器的四代英特爾 至強 可擴展處理器，金山云第七代性能保障型云服務器X7能夠顯著加速AIGC等模型的性能表現，在端到端人工智能流程中的優(yōu)勢突出。而且，該方案不需要部署獨立的加速器，因此在經濟性方面有著更佳的表現。具體來講，它為用戶的云上業(yè)務帶來的收益包括：

更高的性能，能夠滿足廣泛實際應用場景的對于性能的需求。特別是在人工智能性能方面，金山云新一代云服務器 X7 能夠有效加速AIGC等應用的運行。 通過英特爾 AMX 的應用以及算法優(yōu)化，充分釋放了硬件潛力，有效利用服務器資源，從而降低了端到端人工智能應用流程的TCO。 不受限于特定應用類型，能夠靈活應對深度學習、數據庫、高網絡收發(fā)包等負載的支撐需求，實現更高的敏捷性與擴展性。

在當前合作成果的基礎上，英特爾與金山云還將對第七代性能保障型云服務器X7進行進一步合作優(yōu)化，包括驗證服務器在更多場景中的性能表現、通過軟件與算法優(yōu)化進一步釋放硬件潛力等，進而為用戶提供更加卓越的云服務。同時，英特爾也將通過更多云服務合作伙伴，為云上的AI用戶提供更高效、經濟的解決方案。

參考資料：

1 數據來源自第四代英特爾 至強 可擴展處理器的最大核數（60 核）與第三代英特爾 至強 可擴展處理器的最大核數（40 核）的比較。

2 詳細配置信息請訪問：intel.com/processorclaims，選擇 “第四代英特爾 至強 可擴展處理器”，查看編號“G2”。實際性能受使用情況、配置和其他因素的差異影響。

3 數據來源自第四代英特爾 至強 可擴展處理器（80 條 PCIe 5.0 通道）與第三代英特爾 至強 可擴展處理器（64 條 PCIe 4.0 通道）的比較。

4詳細配置信息請訪問：intel.com/processorclaims，選擇 “第四代英特爾 至強 可擴展處理器”，查看編號“G1”。實際性能受使用情況、配置和其他因素的差異影響。

5,6,7,8 https://www.ksyun.com/nv/activity/X7launch，截止 2023 年 6 月。

9,10 數據援引自截止 2023 年 6 月金山云內部測試結果。測試配置：英特爾 至強 鉑金 8458P 處理器，48vcore，HuggingFace stabilityai/stable-diffusion-2-1。英特爾并不控制或審計第三方數據。請您審查該內容，咨詢其他來源，并確認提及數據是否準確。