讓AI無所不在！ Intel祭出全新VPU：超高能源效率碾壓GPU

AI，人工智慧，這個東西其實一旦都不新鮮。

從早年的科幻作品，到後來的逐步落地，從1997年IBM超級電腦「深藍」擊敗國際象棋大師卡斯帕羅夫，到2016年Google AlphaGo戰勝圍棋冠軍李世石，AI一直都在進步，也一直在演化。

但因為算力演算法、技術能力、應用場景等方面的種種限制，AI一直有些空中樓閣的感覺。

直到出現了ChatGPT，AI才真正引燃了普通人的熱情，讓我們發現，AI竟然如此強大，又如此唾手可得，讓眾多個體、企業為之興奮，為之癲狂。

眾所周知，足夠強大與合理的硬體、演算法，是實現高效、實用AI的兩大基石，而在這一番AI熱潮中，NVIDIA之所以春風得意，就得益於其在高效能運算領域多年來的佈局和深耕，非常適合超大規模的雲端AI開發。

當然，AI無論實作方式或應用場景都是多種多樣的，既有雲側的，也有端側的。

NVIDIA的重點在雲端和生成式AI，Intel在雲端生成式、端側判定式同時出擊，而隨著越來越多的AI跑在端側，更貼近普通用戶日常體驗，所帶來的提升越來越明顯，Intel更是大有可為。

端側AI有幾個突出的特點：

一是使用者規模龐大，應用程式場景也越來越廣泛；

二是延遲很低，畢竟不需要依賴網路將指令、資料傳到雲端處理再回傳；

三是隱私安全，不用擔心個人資料、商業機密等上傳後外洩；

四是成本更低，不需要大規模伺服器和運算，只需本地設備即可完成。

端側AI，說起來大家可能會覺得很陌生，但其實，人們習以為常的背景模糊、視覺美顏、聲音美化(音頻降噪)、視頻降噪、圖像分割等等，都是端側AI的典型應用場景，背後都是AI在努力。

這些應用要獲得更好的效果，就需要更完善、複雜的網路模型，對於算力的需求自然也在快速成長。

例如噪音抑制，算力需求已經是兩年前的50倍，背景分割也增加了10倍以上。

更不要說生成式AI模型出現後，對算力的渴求更是飛躍式的，直接就是數量級的提升，無論是Stable Diffusion，還是語言類GTP，模型參數都是非常誇張的。

例如GPT3的參數量達到了1750億左右，相比GPT2增加了幾乎500倍，GPT4估計可達到萬億級。

這些都對硬體、演算法提出了更苛刻的要求。

Intel自然也早就開始關注並投入AI，無論是伺服器級的至強，還是消費級的酷睿，都在以各種方式參與AI，“XX代智能酷睿處理器”的說法就在很大程度上源於AI。

在此之前，Intel AI方案主要是在CPU、GPU的架構、指令集層面進行加速。

例如從十代酷睿和二代可擴展至強加入的基於深度學習的DL Boost，包括VNNI向量神經網路指令、BF16/INT8加速等等。

例如11代酷睿加入的高斯網路加速器GNA 2.0，相當於NPU的角色，只需消耗很低的資源，就能高效進行神經推理計算。

例如代號Sapphire Rapids的四代可擴展至強上的AMX高級矩陣擴展，使得AI實時推理和訓練性能提升了多達10倍，大型語言模型處理速度提升了足有20倍，同時配套的軟體和工具開發也更加完善豐富。

在Intel看來，沒有單一的硬體架構適用於所有的AI場景，不同硬體各有特點，有的算力強大，有的延遲超低，有的全能，有的專攻。

AI作為基礎設施也有各種各樣的場景應用和需求，負載、延遲都各不相同，例如即時語音和影像處理不需要太強的算力，但是對延遲很敏感。

這時候，Intel XPU策略有著相當針對性的特殊優勢，其中CPU適合對延遲敏感的輕量級AI處理，GPU適合重負載、高並行的AI應用。

Intel另一個無可比擬的優勢就是穩固、龐大的x86生態，無論應用或開發，都有廣泛的群眾基礎。

現在，Intel又有了VPU。

將在今年稍後發布的Meteor Lake，將首次整合獨立的VPU單元，而且是所有型號標配，可以更有效率地執行特定AI運算。

Intel VPU單元的技術來源來自Intel 2017年收購的AI新創公司Movidius，其設計的VPU架構是革命性的，只需要1.5W功耗就能實現4TOPS的強大算力，能效比簡直逆天，最早用於無人機避障等，如今又走入了處理器之中，與CPU、GPU協同發力。

VPU本質上是專為AI設計的一套新架構，可以高效地執行一些矩陣運算，特別擅長稀疏化處理，其超低的功耗、超高的能效非常適合一些需要長期開啟並執行的場景，例如視訊會議的背景虛化、移除，例如串流媒體的手勢控制。

之所以在已經有了CPU、GPU的情況下，還要做一個VPU，Intel的出發點是如今很多端側應用是在筆記本上進行，對於電池續航非常敏感，高能效的VPU用在移動端就恰如其分。

另一個因素是CPU、GPU作為通用運算平台，本身就任務繁重，再給它們增加大量AI負載，執行效率就會大打折扣。

具體到應用場景，VPU也是非常廣泛的，比如說視訊會議，現在的CPU AI已經可以實現自動構圖(Auto-Framing)、眼球追蹤、虛擬頭像/人像、姿勢辨識等等。

加入低功耗、高算力的VPU之後，還可以強化背景模糊、動態降噪等處理，讓效果更加精準，比如說背景中的物體該模糊的一律模糊、人手/頭髮等不該模糊的不再模糊。

有了高效的硬體、合適的場景，還需要同樣高效的軟體，才能釋放全部實力、實現最佳效果，這對於擁有上萬名軟體研發人員的Intel來說，真不是事兒。

Meteor Lake還沒有正式發布，Intel已經與眾多生態夥伴在VPU方面展開了合作適配，獨立軟體開發商們也非常積極。

例如Adobe，很多濾鏡、自動化處理、智慧化摳圖等，都可以用VPU來跑步。

例如Unreal Engine虛幻引擎的數位人，像是虛擬主播，VPU都能很好地即時捕捉、渲染處理。

Blender、Audacity、OBS、GIMP……這個名單可以拉出很長一串，而且還在增加。

更重要的是，CPU、GPU、VPU並非各行其是，而是可以聯合起來，充分發揮各自的優勢，達到最好的AI體驗效果。

比如說基於GIMP裡面就有一個基於Stable Diffusion的插件，可以大幅降低一般使用者使用生成式AI的門檻，它就能充分調動CPU、GPU、VPU各自的加速能力，把整個模型分散到不同IP之上，彼此配合，獲得最佳效能。

其中，VPU可以承載VNET模組運行，GPU用來負責編碼器模組執行，透過這樣的合作，產生一張複雜的圖片也只需20秒左右。

在這其中，VPU的功耗是最低的，CPU次之，GPU則是最高的。

Intel已經充分意識到AI對於PC體驗增強的重要性，而為了迎接這項挑戰，Intel正在硬體、軟體兩個層面全力推進，對AI在的端側的發展、普及打下堅實的基礎。

硬體層面，CPU、GPU、VPU將組成無所不在的底層平台；軟體層面，OpenVINO等各種標準化開發軟體將大幅推動應用場景的挖掘。

未來，搭載Meteor Lake平台的輕薄筆記本就可以輕鬆運行Stable Diffusion這種大模型來實現文生圖，大大降低AI的應用門檻，無論判定式AI還是生成式AI都能高效執行，最終實現真正的AI無所不在。

以上是讓AI無所不在！ Intel祭出全新VPU：超高能源效率碾壓GPU的詳細內容。更多資訊請關注PHP中文網其他相關文章！