英特尔AI策略全解析(2):软件的优化提供强大效能

想要在AI占有一席之地，英特尔单靠处理器的硬件并不足以抢市，透过软件的优化提供强大效能，以及增进开发应用系统的便利性，将是布局能否成功的关键

上篇：英特尔AI策略全解析(1):延伸四大产品线

【英特尔强化AI软件应用的4大层面】英特尔对于AI应用的支持，首先是处理器内建低阶软件原始指令，例如MKL-DNN；针对深度学习软件框架，提供优化程序代码；对于大数据分析应用平台，投入Hadoop、Spark的版本提供或贡献程序代码；而在集成软件开发工具，他们也推出Deep Learning SDK。

图片来源：iThome

看好人工智能带来的运算处理需求与未来的蓬勃发展，英特尔不只是推出多种服务器端处理器来因应，在2016年11月举行的Intel AI Day活动期间，他们宣布将更积极发展深度学习应用的运算与沟通处理的链接库，并以基本指令（primiTIves）的形式整合到处理器硬件上。而在AI应用软件开发的支持上，他们陆续开始提供的部分，包含：链接库、程序语言的支持、平台、软件开发工具包、程序开发框架。

无独有偶，IBM与Nvidia也在11月宣布，双方将连手开发新的深度学习专用软件开发工具包PowerAI，可搭配IBM 专为AI应用所特别设计的服务器——OpenPOWER LC（采用Power运算架构与Nvidia NVLink互连技术），藉此提供企业级的深度学习解决方案。

英特尔在Intel AI Day提出人工智能的策略，正巧IBM与Nvidia也在之前宣布了PowerAI，在那一周期间，同时，又适逢全球高效能运算界关注的SuperComputer 2016大会举行。显然两大阵营争相较劲的意味相当浓厚，而且他们最终竞逐的目标，其实都是下一波企业应用。

英特尔AI解决方案总览

在AI应用的布局上，英特尔不只是单纯提供处理器平台，软件的支持更是重点——他们发展多种链接库、软件开发平台，积极支持多种深度学习应用框架，同时也会推出整合式的解决方案。

以发展AI应用系统所采用的各种程序开发框架为例，英特尔承诺，将针对在Intel Architecture运算架构（IA）的系统环境，提供经过优化的程序代码，以提升执行效能。

例如，在深度学习技术的应用领域当中，较为风行的几种开放原始码软件框架（Deep Learning Framework），像是Caffe、Theano、Torch、MXNet、Neon，英特尔已经提供Intel Architecture优化程序代码。至于TensorFlow的部分，英特尔与Google Cloud Platform在11月的Intel AI Day活动上，正式宣布策略合作后，最快于2017年初，才会释出相关的程序代码。

Caffe

这是由美国柏克莱视觉与学习中心（BLVC）所开发的框架，英特尔提供了特制版本Intel OpTImized Caffe，可适用于Xeon与Xeon Phi处理器平台，当中整合了英特尔发展的数学核心链接库MKL（Math Kernel Library），并且已针对AVX2和AVX-512指令集，进行软件效能优化的工程。

而Caffe经过改良的成效如何？英特尔提出的实例，是影音服务业者乐视云（LeTV Cloud）的非法影片侦测应用。他们是在Xeon E5-2680 v3服务器平台上，搭配Intel OpTImized Caffe来进行影片分类的训练，结果得到了30倍的效能提升（相较于他们先前使用的BLVC Caffe，搭配OpenBlas链接库作为卷积式类神经网络）。

Theano

它是由加拿大蒙特娄大学LISA实验室发展的深度学习框架，英特尔也提供了改良的链接库，是针对多核心运算环境予以优化而成的版本，而在京都大学大学院医学研究科的应用案例当中，当他们以此进行新药探索模拟运算的测试上，精准度最高可达到98.1%，而另一个深度学习网络（Deep Belief Networks，DBN）的测试当中，也获得8倍的效能增长。

Torch

Torch也是许多人很关注的深度学习框架之一，目前主要维护的成员，是来自Facebook、Twitter、Google DeepMind公司的研究科学家和软件工程师。英特尔对这套框架提供优化支持之余，同时整合了MKL链接库，进而针对服务器硬件端执行的深度神经网络指令集，提升效率。

而在这样的环境搭配下，英特尔举出的例子是他们与Pikazo软件公司合作，针对他们开发的图像风格转换App，协助后端处理效能强化——若以App刚推出的效能作为基准，现在Pizako App在图形上色（render）的速度，可提升到28倍，而能够处理的图档尺寸也扩充到15倍之大。

Neon

Neon是英特尔并购的Nervana Systems公司所发展出来的链接库，强调易用与高效能，在其现有的技术架构当中，可区分为深度学习功能（算法）、数据模型、解决方案等三层。

在这次的Intel AI Day大会上，英特尔也预告将推出Intel Nervana Graph Compiler，作为AI应用软件层的共通基础，以此对于深度学习应用的架构型态，提供更进阶的描绘方式，以及调校作法。

针对类神经网?络，提供高阶的图学运算编译程序

深度学习框架Neon对于硬件资源的存取，会透过不同平台的转换API来介接，因此上层应用无须考虑硬件差异，接下来，英特尔会在Neon原本的架构与硬件转换层之间，新增一层Nervana Graph Compiler，主要是为了针对类神经网络应用，提供高阶的处理，以便同时横跨多台硬设备执行。