IT时报记者 王昕
在美国汉堡王，当用户点餐下单时，AI算法记录下用户的点餐顺序，并据此推荐薯条或甜品等；在韩国首尔，5G用户的每次电话和上网都被记录下来，并由AI分析预测网络质量，并进行异常告警；在腾讯游戏的数据中心，一台至强服务器加上两块SG1显卡支撑着上百路《王者荣耀》等云游戏的超低延时运行……所有这些应用都奔跑在英特尔提供的软硬件多层系统平台上，“大数据+AI”所散发的计算、存储、效率、兼容性等优势被展现得淋漓尽致。
oneAPI：开发者最熟悉的“新朋友”
软件在英特尔生态中扮演中间层的重要角色。“因为云计算的介入，应用场景变得越来越复杂，从应用程序开发商到硬件的中间层越来越厚。”英特尔架构、图形和软件集团副总裁兼中国区总经理谢晓清表示，过去英特尔的软件支持只要达到操作系统层面就可以，但现在整个软件深度已经远远超过过去，所以英特尔需要在CPU、GPU、AI等用户场景都提供有厚度的、有穿透力的软件支撑。
制程与封装、XPU架构、内存和存储、互联、安全和软件是英特尔的六大技术支柱。作为英特尔技术内涵的1/6，谢晓清表示，英特尔希望通过软件释放硬件的全面潜能，除了非常丰富X86平台的生态系统之外，oneAPI是英特尔推出的强力支持异构计算的平台软件，“我们希望利用oneAPI使得开发者在软件方面的投资可以最大程度复用，不需要绑定在单一的硬件架构以及制程上，并且开发效率也可以得到最大化。”
据介绍，今年12月，英特尔将发布全新的oneAPI Gold版本，DPC++编译器、所有系统库、工具包都会与开发者见面。
谢晓清介绍，oneAPI主要的价值在于提供给用户非常友好的编程环境，使得开发者可以自由选择硬件平台；同时，英特尔提供的编译器、系统都高度优化，可以实现最大的硬件产能，并且最优支持不同异构计算的硬件加速，“oneAPI的开发模式非常快速、高效，源代码的维护成本也将达到最低。”
对于熟悉英特尔产品的开发者来说，oneAPI其实并不陌生，整个平台都是英特尔在几十年在CPU的生态当中建立起来的，对许多开发者来说是耳熟能详的产品。“我们现在做的是把它们从CPU领域扩展到GPU领域，或者以后还会扩展到其他的异构计算的领域。”谢晓清透露，一切努力都是为了发挥硬件最大的性能优势，“12月发布的oneAPI版本会支持CPU和GPU，以后还会支持其他AI硬件和FPGA等。”
“至强+SG1+容器云”领跑安卓云游技术方案
谢晓清认为，整个信息时代正快速进入人工智能时代，而在这个时代微软、安卓、iOS等新老生态伙伴都会融合在一起，同时，开源社区发展也非常快速，比如Kubernetes、Kata Containers、KVM和云产品提供商VMware，以及亚马逊AWS、阿里巴巴、微软Azure等都是非常重要的合作伙伴。
英特尔的目的是要让应用程度和AI开发商可以快速穿透中间层对接硬件层。目前，英特尔基于oneAPI支持一些AI的工具包包括Hadoop、Spark、TensorFlow、PyTorch、PaddlePaddle、OpenVINO等。
当英特尔的软件生态拥抱异构的过程中，“从CPU到GPU”始终是非常重要的一步。
“英特尔最新发布的GPU—SG1在安卓云游戏的框架上起了非常重要的作用。”谢晓清介绍，由于SG1数据中心级强大的图形渲染能力以及多媒体编解码能力，使得我们有可能利用独立GPU把云游戏的图形界面在云端直接渲染，并且利用流媒体的方式，把它编码之后直接发布到游戏终端。
在云游戏场景下，至强处理器和轻量级容器云的结合提供了云端协同的杀手级应用。谢晓清强调：“特尔在安卓的框架层和运行层都做了非常多的创新和优化，使得英特尔安卓容器化方案拥有很高的密度，并在业界保持领先。”
据悉，上述方案有望在腾讯云游戏实现产品化。腾讯云评价，英特尔基于至强服务器和SG1独立显卡的方案是一个高密度、低延迟、低功耗和低成本的解决方案，当一台至强服务器被加上两块SG1显卡时，可以跑高于100路的云游戏。该方案适用于《王者荣耀》《传说对决》等最热门游戏。
天猫精灵是另一个潜在应用场景。阿里巴巴天猫精灵团队评价，英特尔的方案能够短时间内高效完成高密度、低成本、端到端的用户体验，实现高性能云应用平台整体上线，达成云、边、端一体化，打造全新的客户体验。
数据、AI的“云边端”超级融合
数据是英特尔转型的大方向，而AI则是应对庞大数据流的不二法门。当各行各业的工业和商业客户面对新的数据和AI时代时，如何高效、无缝、可扩展地将新的AI算法应用到现有的大数据平台上，成为大量企业的“AI之痛”。
对阿里云、腾讯云、万事达卡、银联、美的等公司和品牌来说，Analytics Zoo可以端到端地帮助它们将“大数据分析+流水线”应用到实际生产环境当中。
英特尔大数据技术全球CTO、大数据分析和人工智能创新院院长介绍戴金权，Analytics Zoo是英特尔开源“大数据+AI”软件平台，构建在oneAPI又或是Python库等深度学习框架，以及如Spark、Flink、Ray等数据处理分析框架之上。
Analytics Zoo的能力分为三层：提供端到端的数据流水线能力的“底层”、提供机器学习工作流的“中间层”和构建海量应用场景的“上层”。戴金权介绍，实际上，Analytics Zoo“大数据+AI”平台已经商用于非常丰富的场景中。
在美国汉堡王，当顾客开始点单，收银员把商品输入到客户订单中时，汉堡王希望构建一个模型，能够将这些点单的行为以及相关的信息可以收集起来，进而后续对用户进行进一步甜品、小食、饮料等推荐。一开始，汉堡王为此构建了深度学习和大数据处理两个模型，但效率非常低下，后来，在与英特尔合作之后，汉堡王将整个端到端的数据处理和模型训练全都迁移到基于Analytics Zoo的统一平台上，利用Spark、Mxnet、Ray等进行数据处理、分析、分布式模型、训练等，大大提高了AI和数据处理效率。
SK电信是韩国最大的电信公司，遍布城市的4G、5G基站每秒可以生成140多万条网络质量记录，SK电信为此构建了一个复杂的大数据平台。但令SK电信头疼的是，从基站到系统后台，端到端产生了海量需要传输、拷贝的数据流，同时每几秒都会产生新的数据，有时这些数据非常重要，AI需要借此重新评估当前的网络质量。
为此，SK电信与英特尔合作，将整个架构迁移到Analytics Zoo平台上来，直接在Spark集群上对数据进行处理，并存储在内存当中，分布在整个集群上，随后再直接利用TensorFlow模型基于内存上的数据来进行训练和推理。
结果，SK比对发现，Analytics Zoo将整个端到端的统一流水线基于内存数据进行边缘处理，最终，“SK电信在推理上实现了3～6倍的性能提升，而训练最高可以达到4倍提升。”
