金磊 丰色 发自 凹非寺
量子位 | 公众号 QbitAI
千呼万唤始出来，第五代英特尔®至强®可扩展处理器，它来了！
若是用一句话来概括它的特点，那就是——AI味道越发得浓厚。
以训练、推理大模型为例：
- 与第四代相比，训练性能提升多达29%，推理性能提升高达42%
- 与第三代相比，AI训练和推理性能提升高达14倍。
什么概念？
现在若是将不超过200亿参数的模型“投喂”给第五代至强®可扩展处理器，那么时延将低到不超过100毫秒！
也就是说，现在在CPU上跑大模型，着实是更香了。
而这也仅是英特尔在此次发布中的一隅，还包括打破自家“祖制”、被称为四十年来最重大架构转变的酷睿™Ultra。
此举亦是将AI的power注入到消费级PC中，用于加速本地的AI推理。
除此之外，具体到英特尔长期在各行各业扎根的AI实战应用，包括数据库、科学计算、生成式AI、机器学习、云服务等等。
它们也随着第五代至强®可扩展处理器的到来，在其内置的如英特尔®AMX、英特尔®SGX/TDX等其他内置加速器的帮助下，得到了更大的降本增效。
总而言之，纵观英特尔此次整场的发布，AI可谓贯穿始终。
最新英特尔处理器，AI更Power了
我们先来继续深入了解一下第五代至强®可扩展处理器披露的更多细节。
例如在性能优化方面，英特尔将各种参数做了以下提升：
- CPU核心数量增加到64个，单核性能更高，每个内核都具备AI加速功能
- 采用全新I/O技术（CXL、PCIe5），UPI速度提升
- 内存带宽从4800 MT/s提高至5600 MT/s
我们再来纵向，与英特尔前两代产品做个比较，那么性能提升的结果是这样的：
- 与上一代产品相比，相同热设计功耗下平均性能提升21%；与第三代产品比，平均性能提升87%
- 与上一代产品相比，内存带宽提升高达16%，三级缓存容量提升至近3倍之多
不难看出，第五代至强® 可扩展处理器与“前任们”相比，在规格与性能上着实是有了不小的提升。
但英特尔可不仅仅是披露，而是已经将第五代至强®可扩展处理器用起来，并把实打实的使用效果展示了出来。
例如在大模型的推理方面，京东云便在现场展示了搭载第五代至强®可扩展处理器的新一代自研服务器所呈现的能力——
全部以超过20%的性能提升“姿势”亮相！
具体而言，京东云与上一代自研服务器有了如下的性能提升：
- 整机性能提升达123%；
- AI计算机视觉推理性能提升至138%；
- Llama 2推理性能提升至151%。
这也再一次证明了在五代至强®上搞大模型，是越发得吃香了。
而除了大模型之外，像涉及AI的各种细分领域，如整机算力、内存宽带、视频处理等等，也有同样的实测结果。
这份结果则是来自采用了第五代英特尔®至强®可扩展处理器的火山引擎——
其全新升级的第三代弹性计算实例，整机算力提升39%；应用性能最高提升43%。
而且在性能提升的基础上，据火山引擎透露，通过其独有的潮汐资源并池能力，构建了百万核弹性资源池，能够用近似包月的成本提供按量使用体验，上云成本更低了！
这是由于使用内置于第五代至强®可扩展处理器中的加速器时，可将每瓦性能平均提升10倍；在能耗低至105W的同时，也有已针对工作负载优化的高能效SKU。
可以说是实打实的降本增效了。
在云计算和安全性方面，亮出实测体验的同样是来自国内的大厂——阿里云。
在搭载第五代英特尔®至强®可扩展处理器及其内置的英特尔®AMX、英特尔®TDX加速引擎后，阿里云打造了“生成式AI模型及数据保护“的创新实践，使第8代ECS实例在安全性和AI性能上都获得了显著提升，且保持实例价格不变，普惠客户。
包括推理性能提高25%、QAT加解密性能提升20%、数据库性能提升25%，以及音视频性能提升15%。
值得一提的是，内置的英特尔®SGX/TDX还可以为企业分别提供更强也更易用的应用隔离能力和虚拟机(VM)层面的隔离和保密性，为现有应用提供了一条更简便的向可信执行环境迁移的路径。
以及第五代英特尔®至强®可扩展处理器在软件和引脚上是与上一代兼容的，还可以大大减少测试和验证工作。
总的来说，第五代至强®可扩展处理器可谓“诚意满满”、表现非常亮眼，而它背后所透露出来的，正是英特尔在AI领域一直都非常重视落地的态度。
背后是一部AI落地史
事实上，作为服务器/工作端芯片，英特尔®至强®可扩展处理器从2017年第一代产品开始就利用英特尔®AVX-512技术的矢量运算能力对AI进行加速上的尝试。
而2018年在第二代至强®可扩展处理器中导入深度学习加速技术（DL Boost）更是让至强成为“CPU跑AI”的代名词。
在之后第三代到第五代至强®可扩展处理器的演进中，从BF16的增添再到英特尔®AMX的入驻，可以说英特尔一直在充分利用CPU资源的道路上深耕，以求每一代处理器CPU都能支持各行各业推进AI实战。
起先是在传统行业。
例如第二代至强®就发力智能制造，帮助企业解决海量实时数据处理挑战，提升生产线系统效率，完成“肉眼可见”的产能扩展。
随后，至强®可扩展处理器开始在大模型界大展身手。
在AlphaFold2掀起的蛋白质折叠预测热潮之中，第三代和第四代至强®可扩展处理器连续接力，不断优化端到端通量能力。实现比GPU更具性价比的加速方案，直接拉低AI for Science的入场门槛。
这其中就有从第四代开始内置于CPU中，面向深度学习应用推出的创新AI加速引擎——英特尔®AMX的功劳。
作为矩阵相关的加速器，它能显著加速基于CPU平台的深度学习推理和训练，提升AI整体性能，对INT8、BF16等低精度数据类型都有着良好的支持。
与此同时，在大模型时代的OCR技术应用，也被第四代至强®可扩展处理器赋予了新的“灵魂”，准确率飙升、响应延迟更低。
同样，就在不久之前，借助第四代至强®可扩展处理器在NLP上的优化，专攻医疗行业的大语言模型也成功以较低成本在医疗机构部署落地。
在AI技术越来越深入各行各业的大趋势之下，至强®可扩展处理器让我们看到，它所代表的CPU解法完全能够有所作为、能够让不少AI应用在部署更为广泛、获取更加容易、应用门槛也更低的CPU平台上获得实实在在的落地开花。
第五代至强®可扩展处理器的发布，则让这个进程更进一步。
当然——
这一成绩的背后，确实是因为大家对“在CPU上跑AI”这件事上有需求，以及它本身也有极其深厚的价值和优势。
先说需求，无论是传统企业推进智能化改造，还是AI for Science、生成式AI等新兴技术的蓬勃发展，都需要强大的算力来驱动。
但大家面临的局势却是：专门的加速芯片供不应求，采购难不说，成本也十分高昂，因此还远远不够普及。
于是一部分人自然将目光投向CPU：
这个现实中最为“触手可及”的硬件，如果直接加以利用，岂不是事半功倍？
这就引出CPU的价值和优势。
就拿当下热门话题生成式AI来说，如果想在生产环境中普及这一能力，就得尽可能地控制成本。
相比训练来说，AI的推理对算力资源需求没有那么夸张，交给CPU完全能够胜任——不仅延迟更低，能效也更高。
像一些行业和业务，推理任务没有那么繁重，选择CPU无疑更具性价比。
此外，利用CPU直接进行部署还能让企业充分利用既有IT基础设施，避免异构平台的部署难题。
以上，我们也就能够理解：在传统架构中引入AI加速，就是CPU在这个时代的新宿命。
而英特尔做的，就是竭尽全力帮大家挖掘、释放其中的价值。
驾驭整个AI管线，且不止CPU
最后，我们再回到今天的主角：第五代英特尔®至强®可扩展处理器。
实话说，如果和专门的GPU或AI加速芯片相比，它可能确实还不够炫，但主打亲民、易用（开箱即用，配套的软件和生态越发完善）。
更值得我们注意的是，就算在有专用加速器的场合，CPU无论是从数据预处理，还是模型开发和优化，再到部署和使用，也可以成为AI pipeline的一部分。
其中尤其在数据预处理阶段，它已可以称得上是主角的存在。
无论是以GB还是TB计，甚至更大的数据集，基于至强®可扩展处理器所打造的服务器，都能通过支持更大内存、减少I/O操作等优势，提供高效的处理和分析，节省AI开发中这一最琐碎耗时任务的时间。
基于以上，我们也不得不感叹，如今英特尔在谈AI时，话题更多样化了。
再加上它在GPU和专门的AI加速芯片上也有布局，“武器库”里的选择也更多了，火力覆盖的能力也更全面了。
毫无疑问，这一切，都指向英特尔全面加速AI的决心。
即用一系列具有性价比的产品组合来快速满足不同行业的AI落地需求。
AI 落地时代开始了，英特尔的机会也来了？
