英特爾第五代至強可擴展處理器發佈，在CPU上跑AI更香了_風聞

　　金磊 豐色 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　千呼萬喚始出來，**第五代英特爾® 至強®**可擴展處理器，它來了！

　　若是用一句話來概括它的特點，那就是——AI味道越發得濃厚。

　　以訓練、推理大模型為例：

　　與第四代相比，訓練性能提升多達29%，推理性能提升高達42%；

　　與第三代相比，AI訓練和推理性能提升高達14倍。

　　什麼概念？

　　現在若是將不超過200億參數的模型“投餵”給第五代至強® 可擴展處理器，那麼時延將低到不超過100毫秒！

　　也就是説，現在在CPU上跑大模型，着實是更香了。

　　而這也僅是英特爾在此次發佈中的一隅，還包括打破自家“祖制”、被稱為四十年來最重大架構轉變的酷睿™ Ultra。

　　此舉亦是將AI的power注入到消費級PC中，用於加速本地的AI推理。

　　除此之外，具體到英特爾長期在各行各業紮根的AI實戰應用，包括數據庫、科學計算、生成式AI、機器學習、雲服務等等。

　　它們也隨着第五代至強® 可擴展處理器的到來，在其內置的如英特爾® AMX、英特爾® SGX/TDX等其他內置加速器的幫助下，得到了更大的降本增效。

　　總而言之，縱觀英特爾此次整場的發佈，AI可謂貫穿始終。

　　最新英特爾處理器，AI更Power了

　　我們先來繼續深入瞭解一下第五代至強® 可擴展處理器披露的更多細節。

　　例如在性能優化方面，英特爾將各種參數做了以下提升：

　　CPU核心數量增加到64個，單核性能更高，每個內核都具備AI加速功能

　　採用全新I/O技術（CXL、PCIe5），UPI速度提升

　　內存帶寬從4800 MT/s提高至5600 MT/s

　　我們再來縱向，與英特爾前兩代產品做個比較，那麼性能提升的結果是這樣的：

　　與上一代產品相比，相同熱設計功耗下平均性能提升21%；與第三代產品比，平均性能提升87%

　　與上一代產品相比，內存帶寬提升高達16%，三級緩存容量提升至近3倍之多

　　不難看出，第五代至強® 可擴展處理器與“前任們”相比，在規格與性能上着實是有了不小的提升。

　　但英特爾可不僅僅是披露，而是已經將第五代至強® 可擴展處理器用起來，並把實打實的使用效果展示了出來。

　　例如在大模型的推理方面，京東雲便在現場展示了搭載第五代至強® 可擴展處理器的新一代自研服務器所呈現的能力——

　　全部以超過20%的性能提升“姿勢”亮相！

　　具體而言，京東雲與上一代自研服務器有了如下的性能提升：

　　整機性能提升達123%；

　　AI計算機視覺推理性能提升至138%；

　　Llama 2推理性能提升至151%。

　　這也再一次證明了在五代至強® 上搞大模型，是越發得吃香了。

　　而除了大模型之外，像涉及AI的各種細分領域，如整機算力、內存寬帶、視頻處理等等，也有同樣的實測結果。

　　這份結果則是來自採用了第五代英特爾® 至強® 可擴展處理器的火山引擎——

　　其全新升級的第三代彈性計算實例，整機算力提升39%；應用性能最高提升43%。

　　而且在性能提升的基礎上，據火山引擎透露，通過其獨有的潮汐資源並池能力，構建了百萬核彈性資源池，能夠用近似包月的成本提供按量使用體驗，上雲成本更低了！

　　這是由於使用內置於第五代至強® 可擴展處理器中的加速器時，可將每瓦性能平均提升10倍；在能耗低至105W的同時，也有已針對工作負載優化的高能效SKU。

　　可以説是實打實的降本增效了。

　　在雲計算和安全性方面，亮出實測體驗的同樣是來自國內的大廠——阿里雲。

　　在搭載第五代英特爾® 至強® 可擴展處理器及其內置的英特爾® AMX、英特爾® TDX加速引擎後，阿里雲打造了“生成式AI模型及數據保護“的創新實踐，使第8代ECS實例在安全性和AI性能上都獲得了顯著提升，且保持實例價格不變，普惠客户。

　　包括推理性能提高25%、QAT加解密性能提升20%、數據庫性能提升25%，以及音視頻性能提升15%。

　　值得一提的是，內置的英特爾® SGX/TDX還可以為企業分別提供更強也更易用的應用隔離能力和虛擬機 (VM) 層面的隔離和保密性，為現有應用提供了一條更簡便的向可信執行環境遷移的路徑。

　　以及第五代英特爾® 至強® 可擴展處理器在軟件和引腳上是與上一代兼容的，還可以大大減少測試和驗證工作。

　　總的來説，第五代至強® 可擴展處理器可謂“誠意滿滿”、表現非常亮眼，而它背後所透露出來的，正是英特爾在AI領域一直都非常重視落地的態度。

　　背後是一部AI落地史

　　事實上，作為服務器/工作端芯片，英特爾® 至強® 可擴展處理器從2017年第一代產品開始就利用英特爾® AVX-512技術的矢量運算能力對AI進行加速上的嘗試。

　　而2018年在第二代至強® 可擴展處理器中導入深度學習加速技術（DL Boost）更是讓至強成為“CPU跑AI”的代名詞。

　　在之後第三代到第五代至強® 可擴展處理器的演進中，從BF16的增添再到英特爾® AMX的入駐，可以説英特爾一直在充分利用CPU資源的道路上深耕，以求每一代處理器CPU都能支持各行各業推進AI實戰。

　　起先是在傳統行業。

　　例如第二代至強® 就發力智能製造，幫助企業解決海量實時數據處理挑戰，提升生產線系統效率，完成“肉眼可見”的產能擴展。

　　隨後，至強® 可擴展處理器開始在大模型界大展身手。

　　在AlphaFold2掀起的蛋白質摺疊預測熱潮之中，第三代和第四代至強® 可擴展處理器連續接力，不斷優化端到端通量能力。實現比GPU更具性價比的加速方案，直接拉低AI for Science的入場門檻。

　　這其中就有從第四代開始內置於CPU中，面向深度學習應用推出的創新AI加速引擎——英特爾® AMX的功勞。

　　作為矩陣相關的加速器，它能顯著加速基於CPU平台的深度學習推理和訓練，提升AI整體性能，對INT8、BF16等低精度數據類型都有着良好的支持。

　　與此同時，在大模型時代的OCR技術應用，也被第四代至強® 可擴展處理器賦予了新的“靈魂”，準確率飆升、響應延遲更低。

　　同樣，就在不久之前，藉助第四代至強® 可擴展處理器在NLP上的優化，專攻醫療行業的大語言模型也成功以較低成本在醫療機構部署落地。

　　在AI技術越來越深入各行各業的大趨勢之下，至強® 可擴展處理器讓我們看到，它所代表的CPU解法完全能夠有所作為、能夠讓不少AI應用在部署更為廣泛、獲取更加容易、應用門檻也更低的CPU平台上獲得實實在在的落地開花。

　　第五代至強® 可擴展處理器的發佈，則讓這個進程更進一步。

　　當然——

　　這一成績的背後，確實是因為大家對**“在CPU上跑AI”**這件事上有需求，以及它本身也有極其深厚的價值和優勢。

　　先説需求，無論是傳統企業推進智能化改造，還是AI for Science、生成式AI等新興技術的蓬勃發展，都需要強大的算力來驅動。

　　但大家面臨的局勢卻是：專門的加速芯片供不應求，採購難不説，成本也十分高昂，因此還遠遠不夠普及。

　　於是一部分人自然將目光投向CPU：

　　這個現實中最為“觸手可及”的硬件，如果直接加以利用，豈不是事半功倍？

　　這就引出CPU的價值和優勢。

　　就拿當下熱門話題生成式AI來説，如果想在生產環境中普及這一能力，就得儘可能地控制成本。

　　相比訓練來説，AI的推理對算力資源需求沒有那麼誇張，交給CPU完全能夠勝任——不僅延遲更低，能效也更高。

　　像一些行業和業務，推理任務沒有那麼繁重，選擇CPU無疑更具性價比。

　　此外，利用CPU直接進行部署還能讓企業充分利用既有IT基礎設施，避免異構平台的部署難題。

　　以上，我們也就能夠理解：在傳統架構中引入AI加速，就是CPU在這個時代的新宿命。

　　而英特爾做的，就是竭盡全力幫大家挖掘、釋放其中的價值。

　　駕馭整個AI管線，且不止CPU

　　最後，我們再回到今天的主角：第五代英特爾® 至強® 可擴展處理器。

　　實話説，如果和專門的GPU或AI加速芯片相比，它可能確實還不夠炫，但主打親民、易用（開箱即用，配套的軟件和生態越發完善）。

　　更值得我們注意的是，就算在有專用加速器的場合，CPU無論是從數據預處理，還是模型開發和優化，再到部署和使用，也可以成為AI pipeline的一部分。

　　其中尤其在數據預處理階段，它已可以稱得上是主角的存在。

　　無論是以GB還是TB計，甚至更大的數據集，基於至強® 可擴展處理器所打造的服務器，都能通過支持更大內存、減少I/O操作等優勢，提供高效的處理和分析，節省AI開發中這一最瑣碎耗時任務的時間。

　　基於以上，我們也不得不感嘆，如今英特爾在談AI時，話題更多樣化了。

　　再加上它在GPU和專門的AI加速芯片上也有佈局，“武器庫”裏的選擇也更多了，火力覆蓋的能力也更全面了。

　　毫無疑問，這一切，都指向英特爾全面加速AI的決心。

　　即用一系列具有性價比的產品組合來快速滿足不同行業的AI落地需求。

　　AI 落地時代開始了，英特爾的機會也來了？

　　*有關第五代英特爾® 至強® 可擴展處理器更多詳情可點擊閲讀原文。