想要在AI占有一席之地，英特爾單靠處理器的硬件并不足以搶市，透過軟件的優(yōu)化提供強(qiáng)大效能，以及增進(jìn)開發(fā)應(yīng)用系統(tǒng)的便利性，將是布局能否成功的關(guān)鍵

上篇：英特爾AI策略全解析(1):延伸四大產(chǎn)品線

【英特爾強(qiáng)化AI軟件應(yīng)用的4大層面】英特爾對于AI應(yīng)用的支持，首先是處理器內(nèi)建低階軟件原始指令，例如MKL-DNN；針對深度學(xué)習(xí)軟件框架，提供優(yōu)化程序代碼；對于大數(shù)據(jù)分析應(yīng)用平臺，投入Hadoop、Spark的版本提供或貢獻(xiàn)程序代碼；而在集成軟件開發(fā)工具，他們也推出Deep Learning SDK。

圖片來源：iThome

看好人工智能帶來的運(yùn)算處理需求與未來的蓬勃發(fā)展，英特爾不只是推出多種服務(wù)器端處理器來因應(yīng)，在2016年11月舉行的Intel AI Day活動期間，他們宣布將更積極發(fā)展深度學(xué)習(xí)應(yīng)用的運(yùn)算與溝通處理的鏈接庫，并以基本指令（primitives）的形式整合到處理器硬件上。而在AI應(yīng)用軟件開發(fā)的支持上，他們陸續(xù)開始提供的部分，包含：鏈接庫、程序語言的支持、平臺、軟件開發(fā)工具包、程序開發(fā)框架。

無獨(dú)有偶，IBM與Nvidia也在11月宣布，雙方將連手開發(fā)新的深度學(xué)習(xí)專用軟件開發(fā)工具包PowerAI，可搭配IBM 專為AI應(yīng)用所特別設(shè)計的服務(wù)器——OpenPOWER LC（采用Power運(yùn)算架構(gòu)與Nvidia NVLink互連技術(shù)），藉此提供企業(yè)級的深度學(xué)習(xí)解決方案。

英特爾在Intel AI Day提出人工智能的策略，正巧IBM與Nvidia也在之前宣布了PowerAI，在那一周期間，同時，又適逢全球高效能運(yùn)算界關(guān)注的SuperComputer 2016大會舉行。顯然兩大陣營爭相較勁的意味相當(dāng)濃厚，而且他們最終競逐的目標(biāo)，其實(shí)都是下一波企業(yè)應(yīng)用。

英特爾AI解決方案總覽

在AI應(yīng)用的布局上，英特爾不只是單純提供處理器平臺，軟件的支持更是重點(diǎn)——他們發(fā)展多種鏈接庫、軟件開發(fā)平臺，積極支持多種深度學(xué)習(xí)應(yīng)用框架，同時也會推出整合式的解決方案。

積極支持多種深度學(xué)習(xí)框架，陸續(xù)提供IA架構(gòu)效能優(yōu)化的程序代碼

以發(fā)展AI應(yīng)用系統(tǒng)所采用的各種程序開發(fā)框架為例，英特爾承諾，將針對在Intel Architecture運(yùn)算架構(gòu)（IA）的系統(tǒng)環(huán)境，提供經(jīng)過優(yōu)化的程序代碼，以提升執(zhí)行效能。

例如，在深度學(xué)習(xí)技術(shù)的應(yīng)用領(lǐng)域當(dāng)中，較為風(fēng)行的幾種開放原始碼軟件框架（Deep Learning Framework），像是Caffe、Theano、Torch、MXNet、Neon，英特爾已經(jīng)提供Intel Architecture優(yōu)化程序代碼。至于TensorFlow的部分，英特爾與Google Cloud Platform在11月的Intel AI Day活動上，正式宣布策略合作后，最快于2017年初，才會釋出相關(guān)的程序代碼。

Caffe

這是由美國柏克萊視覺與學(xué)習(xí)中心（BLVC）所開發(fā)的框架，英特爾提供了特制版本Intel Optimized Caffe，可適用于Xeon與Xeon Phi處理器平臺，當(dāng)中整合了英特爾發(fā)展的數(shù)學(xué)核心鏈接庫MKL（Math Kernel Library），并且已針對AVX2和AVX-512指令集，進(jìn)行軟件效能優(yōu)化的工程。

而Caffe經(jīng)過改良的成效如何？英特爾提出的實(shí)例，是影音服務(wù)業(yè)者樂視云（LeTV Cloud）的非法影片偵測應(yīng)用。他們是在Xeon E5-2680 v3服務(wù)器平臺上，搭配Intel Optimized Caffe來進(jìn)行影片分類的訓(xùn)練，結(jié)果得到了30倍的效能提升（相較于他們先前使用的BLVC Caffe，搭配OpenBlas鏈接庫作為卷積式類神經(jīng)網(wǎng)絡(luò)）。

Theano

它是由加拿大蒙特婁大學(xué)LISA實(shí)驗(yàn)室發(fā)展的深度學(xué)習(xí)框架，英特爾也提供了改良的鏈接庫，是針對多核心運(yùn)算環(huán)境予以優(yōu)化而成的版本，而在京都大學(xué)大學(xué)院醫(yī)學(xué)研究科的應(yīng)用案例當(dāng)中，當(dāng)他們以此進(jìn)行新藥探索模擬運(yùn)算的測試上，精準(zhǔn)度最高可達(dá)到98.1%，而另一個深度學(xué)習(xí)網(wǎng)絡(luò)（Deep Belief Networks，DBN）的測試當(dāng)中，也獲得8倍的效能增長。

Torch

Torch也是許多人很關(guān)注的深度學(xué)習(xí)框架之一，目前主要維護(hù)的成員，是來自Facebook、Twitter、Google DeepMind公司的研究科學(xué)家和軟件工程師。英特爾對這套框架提供優(yōu)化支持之余，同時整合了MKL鏈接庫，進(jìn)而針對服務(wù)器硬件端執(zhí)行的深度神經(jīng)網(wǎng)絡(luò)指令集，提升效率。

而在這樣的環(huán)境搭配下，英特爾舉出的例子是他們與Pikazo軟件公司合作，針對他們開發(fā)的圖像風(fēng)格轉(zhuǎn)換App，協(xié)助后端處理效能強(qiáng)化——若以App剛推出的效能作為基準(zhǔn)，現(xiàn)在Pizako App在圖形上色（render）的速度，可提升到28倍，而能夠處理的圖檔尺寸也擴(kuò)充到15倍之大。

Neon

Neon是英特爾并購的Nervana Systems公司所發(fā)展出來的鏈接庫，強(qiáng)調(diào)易用與高效能，在其現(xiàn)有的技術(shù)架構(gòu)當(dāng)中，可區(qū)分為深度學(xué)習(xí)功能（算法）、數(shù)據(jù)模型、解決方案等三層。

在這次的Intel AI Day大會上，英特爾也預(yù)告將推出Intel Nervana Graph Compiler，作為AI應(yīng)用軟件層的共通基礎(chǔ)，以此對于深度學(xué)習(xí)應(yīng)用的架構(gòu)型態(tài)，提供更進(jìn)階的描繪方式，以及調(diào)校作法。

針對類神經(jīng)網(wǎng)?絡(luò)，提供高階的圖學(xué)運(yùn)算編譯程序

深度學(xué)習(xí)框架Neon對于硬件資源的存取，會透過不同平臺的轉(zhuǎn)換API來介接，因此上層應(yīng)用無須考慮硬件差異，接下來，英特爾會在Neon原本的架構(gòu)與硬件轉(zhuǎn)換層之間，新增一層Nervana Graph Compiler，主要是為了針對類神經(jīng)網(wǎng)絡(luò)應(yīng)用，提供高階的處理，以便同時橫跨多臺硬設(shè)備執(zhí)行。

Intel Deep Learning SDK

除了支持不同開發(fā)者所偏好的深度學(xué)習(xí)框架之外，英特爾本身也會推出Intel Deep Learning SDK。

藉由當(dāng)中提供的簡易使用接口，數(shù)據(jù)科學(xué)家與軟件開發(fā)人員可發(fā)展各種深度學(xué)習(xí)的應(yīng)用方案。

例如，透過SDK里面的訓(xùn)練工具，我們能夠進(jìn)行深度學(xué)習(xí)模型的設(shè)定、準(zhǔn)備、設(shè)計；若要將已經(jīng)訓(xùn)練好深度學(xué)習(xí)的模型，自動進(jìn)行優(yōu)化與部署的程序，也可以運(yùn)用SDK包含的部署工具來幫忙。

英特爾處理器內(nèi)建新的原始指令，強(qiáng)化深度學(xué)習(xí)效能

針對各種深度學(xué)習(xí)框架提供優(yōu)化之余，英特爾在旗下的處理器產(chǎn)品當(dāng)中，也內(nèi)建了多種鏈接庫來提升AI應(yīng)用系統(tǒng)的效能。

Math Kernel Library（MKL）

MKL是英特爾發(fā)展了22年的鏈接庫，里面集合了許多原始的數(shù)學(xué)運(yùn)算指令，可加速在工程、財務(wù)、科學(xué)等領(lǐng)域的模擬與分析處理，2016年之后，由于增加了MKL-DNN的鏈接庫，因此也能提升機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的效能。目前內(nèi)建MKL的處理器，包含個人計算機(jī)用途的Core，以及服務(wù)器等級的Xeon、Xeon Phi。

這套鏈接庫提供了低階的C與Fortran程序語言接口，能執(zhí)行多種通用運(yùn)算，例如，矩陣的乘法、分解、快速傅立葉變換、隨機(jī)數(shù)生成、向量函數(shù)等，能支持多種操作系統(tǒng)平臺的應(yīng)用程序開發(fā)，例如，Windows（微軟Visual Studio），以及Linux與OS X（Eclipse）。

Math Kernel Library for Deep Neural Networks（MKL-DNN）

透過深度學(xué)習(xí)框架開發(fā)的應(yīng)用程序，若要執(zhí)行在Intel Architecture的處理器環(huán)境，英特爾提供了一套開放原始碼的效能強(qiáng)化鏈接庫，稱為Math Kernel Library for Deep Neural Networks（MKL-DNN）。

它與英特爾的MKL鏈接庫之間，有很大淵源。

因?yàn)椋琈KL-DNN是2017版MKL所延伸出來的產(chǎn)物，當(dāng)中包含了高度向量化與穿插式的建構(gòu)模塊，而且是透過C與C++程序語言的接口，實(shí)作出卷積類神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）的架構(gòu)，并且不只能在C和C++這兩種開發(fā)環(huán)境運(yùn)用，也可用于Python和Java等高階程序語言。

針對深度學(xué)習(xí)應(yīng)用系統(tǒng)當(dāng)中所進(jìn)行的運(yùn)算密集式工作， MKL-DNN也能對相關(guān)的框架提供加速處理，英特爾特別強(qiáng)調(diào)可支持上述提及的Caffe、Theano、Torch、Tensorflow等深度學(xué)習(xí)專用的鏈接庫。

從服務(wù)器到個人計算機(jī)的處理器，都內(nèi)建新鏈接庫，強(qiáng)化AI效能

除了提供優(yōu)化程序代碼，英特爾在處理器平臺上，也內(nèi)建了原始指令：專供深度神經(jīng)網(wǎng)絡(luò)使用的數(shù)學(xué)核心鏈接庫MKL-DNN，以及用于深度學(xué)習(xí)訊息傳遞應(yīng)用的機(jī)器學(xué)習(xí)規(guī)模擴(kuò)展鏈接庫MLSL。

Machine Learning Scaling Library（MLSL）

在Intel AI Day活動當(dāng)中，英特爾也預(yù)告將推出一套新的鏈接庫，稱為Machine Learning Scaling Library（MLSL），可在深度學(xué)習(xí)系統(tǒng)的多節(jié)點(diǎn)互連架構(gòu)下，進(jìn)行規(guī)模擴(kuò)展的應(yīng)用，可支持32個節(jié)點(diǎn)以上所組成的深度學(xué)習(xí)系統(tǒng)。有了MLSL之后，深度學(xué)習(xí)系統(tǒng)可針對不同節(jié)點(diǎn)之間的訊息傳遞作業(yè)，進(jìn)行抽象化的處理。

MLSL是架構(gòu)在現(xiàn)有平行運(yùn)算系統(tǒng)所慣用的MPI（Message Passing Interface）之上，可運(yùn)用其他用于訊息溝通的鏈接庫，而在訊息溝通的模式上，用戶若要擴(kuò)展到更大的系統(tǒng)使用規(guī)模，MLSL也將對此提供優(yōu)化。MLSL本身也提供通用的API接口，可支持上述的各種深度學(xué)習(xí)軟件框架。

此外，由于MLSL與深度學(xué)習(xí)系統(tǒng)的多臺節(jié)點(diǎn)擴(kuò)展應(yīng)用有關(guān)，因此能否適用不同的網(wǎng)絡(luò)互連方式，也很重要。MLSL目前可支持的聯(lián)機(jī)規(guī)格，有標(biāo)準(zhǔn)的以太網(wǎng)絡(luò)、InfiniBand，以及英特爾發(fā)展的次世代互連網(wǎng)絡(luò)架構(gòu)Omni-Path Architecture（OPA）。

Data Analytics Acceleration Library（DAAL）

目前英特爾針對AI應(yīng)用所持續(xù)發(fā)展的鏈接庫，除了上述的MKL，還有Data Analytics Acceleration Library（DAAL），這套在2015年推出的鏈接庫，可針對基于Intel Architecture處理器平臺的個人計算機(jī)、服務(wù)器，提升大數(shù)據(jù)分析作業(yè)的執(zhí)行效能。

這套鏈接庫包含多種經(jīng)過優(yōu)化的算法建構(gòu)模塊，能夠支持?jǐn)?shù)據(jù)分析過程中的每個階段，像是前置處理、轉(zhuǎn)換、分析、建模、驗(yàn)證、抉擇，并且在脫機(jī)、在線串流與分布式等不同的數(shù)據(jù)分析環(huán)境里面執(zhí)行。

DAAL的發(fā)展上，也考慮到常見的大數(shù)據(jù)平臺應(yīng)用需求，目前已可強(qiáng)化Hadoop、Spark、R、Matlab系統(tǒng)的數(shù)據(jù)存取效率。同時，DAAL也內(nèi)建數(shù)據(jù)管理機(jī)制，協(xié)助應(yīng)用系統(tǒng)得以從多種來源存取到數(shù)據(jù)，例如檔案、內(nèi)存內(nèi)的緩沖區(qū)、SQL數(shù)據(jù)庫、HDFS文件系統(tǒng)。

DAAL與MKL同樣皆可針對大數(shù)據(jù)的處理，不過，若遇到數(shù)據(jù)量大到內(nèi)存無法全部加載的情況，DAAL本身能運(yùn)用特制的算法來因應(yīng)——將資料切割為塊狀，而不是全部放進(jìn)內(nèi)存。

在程序語言的部分，DAAL提供高階的C++、Java與Python接口，可用來處理多種數(shù)據(jù)分析需求，像是主成分分析、回歸、分類、群集與購物籃分析。透過這個鏈接庫，你可以利用指定的算法來訓(xùn)練出模型，然后評定數(shù)據(jù)集在這模型中的分?jǐn)?shù)。

下篇：英特爾AI策略全解析(3):與谷歌合作發(fā)展云服務(wù)