图片来源：unsplash.com
记者|彭新
“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。如果这种模式未来遍布全球各个领域，从云终端到边缘都是用人工智能处理，肯定吃不消。”近日，芯片厂商英特尔中国研究院院长宋继强在公开演讲中称，在数据驱动的人工智能浪潮下，无论从指数级增长的数据量，还是多元化的数据形态，均存在大量挑战，英特尔希望能针对不同的场景和应用模式，提供不同的方案。
“大量的数据，比如无人车、机器人、生产数据、传感器数据，人处理起来不是最便捷的，而要靠人工智能，这是从量上来讲。从质上看，也需要很多新的算法去处理。”宋继强称。
近年来，人工智能的兴起使AI芯片成为了全球芯片产业里的“网红”，AI芯片创业公司频出。为应对人工智能所带来的市场需求，主流云服务商如谷歌、亚马逊、百度、阿里等纷纷自研AI芯片，至今方兴未艾。
这意味着，未来智能世界对算力的需求发生了显著变化，通用计算芯片虽然仍将是数据中心里的主流芯片，但大型数据中心越来越需要多样化的、经过定制的算力，去处理更庞大的数据和执行更复杂的算法。
尽管未曾在财报中单独披露具体的AI业务场景，但英特尔称，人工智能已经融入英特尔业务各个层面，涉及到芯片、软件、IP、算法、网络、存储等多个层次。英特尔最新财季营收为197亿美元，与上年同期的198亿美元相比下降1%。
英特尔公司最为人所知的是个人电脑处理器CPU，但在人工智能计算潮流下，这家公司选定了一个新的支撑体系“超异构”，也就是XPU，后者成为英特尔高层频频挂在嘴边的词。
“可以说英特尔已经是‘XPU’公司了，而不仅仅是CPU。”英特尔亚洲AI销售技术总监伊红卫曾告诉界面记者，所谓XPU，其范畴涵盖CPU、GPU（图形处理器）、FPGA（可编程芯片），甚至是未来的量子计算、神经拟态计算等。英特尔称，今后更复杂的AI环境需要的是众多XPU在一起工作。
所谓异构，宋继强解释，传统上多理解为板级集成方式，即CPU、GPU等不同计算单元置于同一个板上。而强调超异构计算，则更多是芯片层级，这不同的Die（裸片）整合封装在同一枚芯片中，数据带宽更大、功耗更低。因此能够利用不同架构芯片，在处理不同的数据、不同的任务时有独特的性能和功耗优势。
“用不同的架构去处理不同类型的数据，根据处理速度、带宽的要求去优化，而这个基础就是XPU的不同的计算架构。"宋继强在接受界面新闻等媒体记者采访时说，"架构整合起来就能各取所需，打组合拳会好过只用一种武器去解决所有问题。
在技术和产品上，应对不同数据类型，各类XPU各有分工：CPU适宜处理标量架构，如进行顺序计算的控制流，但无扩展性；GPU则适宜处理矢量运算，进行大规模处理；AI更多是块状运算，需要专门进行矩阵加速，数据的存取也需要优化；FPGA适合运行一些稀疏的运算，可以大幅度降低数据存取以及计算消耗。最终，XPU加上深度学习分析软件，人工智能支持能力被大大提升。
即使在CPU内部，在英特尔技术努力下，实现异构计算也成为可能。宋继强介绍，其第三代至强服务器处理器中，加有深度学习加速器件，并从指令集上提高了深度学习计算性能。
“微软做搜索引擎优化时，最后选定的方案就是XPU的方案，使用英特尔CPU加上一大堆的FPGA，构成一个farm（服务器农场）去做这件事情。”宋继强举例，面对实时性要求高，数毫秒内一定要返回的搜索引擎，CPU、GPU无法保证及时性，而ASIC（专用集成芯片）则无法满足算法持续优化部署和更换的适配要求，因此微软选择了相对灵活的FPGA。宋继强总结称，无论是板级还是芯片级整合，具体需要看实际情况需求，因为不同的架构有不同的优劣势。
未来，在市场层面，无论是智慧城市、无人驾驶，还是工厂自动化系统都少不了使用XPU。英特尔发力5G，抓住网络基础设施云化趋势，在XPU计算架构下，将有机会成为核心网的重要供应商之一。另一方面，也会获得更多销售物联网、数据中心芯片。
英特尔物联网事业部中国区首席技术官张宇也称，当前AI的落地可以用“五花八门、百花齐放”来形容，每个应用都可以满足场景需求，一些客户已经有大致架构和想法，比如要建设AI算力平台、数据平台、5G网络等等，因此英特尔存在机会。
