雅星公告
  • 2019-09-06 08:25AI规模化后英特尔至强的七重助力
  • 当今社会,各个行业都在努力加速与人工智能的融合,试图通过智能化创新寻求业务转型升级。跟仅有几家的顶级 AI 研发公司相比,其他传统行业有着更为丰富的 AI 应用场景,这对于推动规模化的 AI 应用落地具有重要的实践意义。但是,在智能化技术架构和平台选择上,又往往面临着一些尴尬局面。

    虽然有人津津乐道于承载 AI 应用的一些专用架构平台,但真实情况却是:只采用专用加速芯片或优化单一框架,已无法满足运行不同工作负载和适应不同应用场景需要。因为AI 的应用需求是多样的,不同应用也决定了从数据中心到边缘再到设备所需的硬件能力都将有所差别。

    一个共识是,基于既有的 IT 基础设施,统一大数据和人工智能平台,可以更加高效释放数据价值,实现 AI 业务目标。人们正在发现,更加通用的英特尔架构具有重要的先发优势。由英特尔计算架构和至强平台的助力,人工智能技术可以帮助企业从既有的平台起步,加速「破局」AI 产业实践。 

    英特尔 AI 架构带来的优势可以从七个方面说起,其中包括性能、数据预处理、可扩展性、内存、模型部署、大数据分析,以及跨平台部署应用。

    第一重助力:性能

    今天,CPU 性能优化已有数量级的提升,VNNI 和框架优化等大幅提升了 CPU 架构运行深度学习推理的速度。 很多人可能都认为 AI 这种新出现的技术,或者说应用负载,也应该用新的架构来支撑,其实不然。实际上随着 CPU 性能的数量级提升,以及在软硬件层面针对 AI 应用的不断优化,CPU 平台也能很好地承载 AI 应用。现在 CPU 能兼容几乎所有的 AI 主流技术,深度学习的应用任务,特别是推理,完全可以用 CPU 来搞定。

    而且 CPU 还有一个特定的优势,就是当用户混合使用机器学习和深度学习方法时,CPU 更适合承载这样的任务。 不断更新换代的英特尔 CPU 平台,已经在众多 AI 应用,特别是推理上提供了强大的算力。

    以第二代英特尔至强可扩展处理器为例,它集成了加速人工智能深度学习推理的英特尔深度学习加速(英特尔 DL Boost)技术,将人工智能性能提升到一个全新的水平,可加速数据中心、企业和智能边缘计算环境中的人工智能推理工作负载。以常见的 Caffe Resnet-50 模型为例来看性能变化,第二代英特尔至强铂金 8280 处理器借助英特尔 DL Boost 技术,图像识别的速度可比上一代英特尔至强可扩展处理器提升 14 倍。

  • 文章关键词:
产品中心

工控机箱
服务器机箱
OEM/ODM定制流程
  • 定制咨询
    Step1
  • 需求分析
    Step2
  • 可行性分析
    Step3
  • 确认规格
    Step4
  • 报  价
    Step5
  • 合同签订
    Step6
  • 图纸确认
    Step7
  • 样品确认
    Step8
  • 批量生产
    Step9

新闻中心
一天前 一周前 一月前 一年前