異構計算時代，數據中心里的英特爾軟件生態活力

張帥

芯片產業軟硬一體的重要性，在異構計算時代被提升到前所未有的高度。

2020年是國內半導體企業發展的黃金時期，上至上市企業，下至初創公司，都能在時代大潮中找到自己的位置。英特爾是芯片產業繞不過去的話題，通過觀察英特爾正在做的事情，芯片企業很大程度上可以補足短板，少走彎路。

英特爾以芯片立業，現在軟件正成為英特爾新的護城河。英特爾在軟件領域的核心產品為oneAPI，這是一款支持異構計算的平臺軟件，可為CPU、GPU和FPGA （統稱為 XPU）開發跨架構的應用程序，目前oneAPI已經升級到Gold版本。隨著數據中心所容納的硬件平臺越來越多樣，如何以軟件激發硬件價值，這也是英特爾軟件戰略的出發點。

“我們希望利用oneAPI可以釋放最大的硬件潛能，同時也使得我們軟件生態當中的開發者，在軟件方面的投資可以最大程度地復用，不需要綁定在單一的硬件架構以及制程上，并且我們的開發效率也可以得到最大化。”英特爾架構、圖形和軟件集團副總裁兼中國區總經理謝曉清表示。

“過剛易折，過柔則靡”，芯片產業軟硬一體的重要性，在異構計算時代被提升到前所未有的高度。

one API，構建系統軟件棧生態

英特爾處理器涵蓋了四大主要計算架構，包括CPU、GPU、AI以及FPGA，不同平臺在不同領域里各有所長。創業公司更傾向于選擇專注一個硬件平臺，做“小而美”的生意，大公司應該做大公司的生意，所以英特爾選擇做系統軟件棧的生態圈。

英特爾以CPU為核心的軟件生態圈已經十分成熟，在開源軟件的各個層面都有很大的技術投入和技術儲備，包括Linux的Kernel、KVM虛擬化等社區，到目前為止，英特爾是全球最大的代碼貢獻者。

英特爾首先堅持軟件優先的策略，比如最新發布的Xe GPU，其在圖形、多媒體、計算方面都需要非常穩定的生態，新的英特爾軟件生態建立在其過去幾十年CPU軟件生態的基礎上。

英特爾在編程語言、系統庫以及工具鏈方面已經有了非常強有力的生態支持，從圖形和多媒體方面來看，英特爾在Windows和Linux的操作系統也有20多年的積累。

其次是易于擴展，GPU細分市場非常多，不同市場有不同的價格、功耗、性能需求。英特爾希望能夠最大限度得到所有GPU開發者的支持。

“為了得到更多開發者的支持，我們就需要覆蓋不同的細分市場，這也是為什么我們現在已經建成的集成顯卡生態非常重要，因為英特爾的集成顯卡在某些領域每年都會有百萬級的客戶。這也是獨立顯卡和集成顯卡所有的軟件都具備兼容性的原因，并且我們在最近的‘Tiger Lake產品發布之后，oneAPI軟件也得到了生態圈里所有開發者非常好的評價和反饋。”謝曉清說道。

最后是全新的計算負載和用戶場景。英特爾的重點是發展新的計算負載和用戶場景，而不是只關注已有場景。對英特爾這樣的技術領先者而言，超前一步解決現有方案或者是產品還不太能夠很好解決的問題，這是英特爾塑造產品差異性的機會。

在oneAPI Gold版本中，英特爾提供了oneAPI的編譯器DPC++以及所有的系統庫，同時也包括一系列支持oneAPI的工具包，包括移植、分析和調試工具包等等。這些工具包支持系統軟件的各個層面，開發者可以用來調試和剖析自己的應用程序。

當硬件更新換代時，開發者使用one API不改動軟件即可適配，同一份源碼讓開發者無縫、快速地升級到新一代硬件平臺。“我們鼓勵開發者花更多的時間在創新、開發和優化新的用戶場景，而不是花大量的時間和精力維護現有的源碼和投資。”謝曉清表示。

言而總之，oneAPI主要價值分為三方面，其一是提供一個非常友好的編程環境，使得開發者可以自由選擇硬件平臺，不必因為某一種語言綁定在某一個硬件平臺;其二，英特爾提供的編譯器、系統高度優化，可以實現最大的硬件價值，并且最優支持不同異構計算的硬件加速;其三，oneAPI開發模式非常快速、高效，并且源碼的維護成本可以達到最低。

Analytics Zoo，AI落地軟件流水線

人工智能脫虛向實，越來越多的應用已經落地到企業業務場景，從開發視角看，最大的挑戰可能是如何將AI算法應用到復雜的數據當中。

英特爾大數據技術全球CTO、大數據分析和人工智能創新院院長戴金權表示，企業客戶面臨著數據量大且數據來源復雜的難題，如何將AI可以直接應用到大數據的生產環境中，能夠讓其無縫地進行大規模擴展，這是英特爾希望通過Analytics Zoo等一系列組件實現的目標。

Analytics Zoo是英特爾開源的一個端到端的大數據+AI軟件平臺，構建在基于oneAPI的底層加速庫或者底層優化框架之上，包括深度學習的框架、Python庫，分布式的數據處理像Spark、Flink、Ray等數據處理分析框架。

據戴金權介紹，Analytics Zoo大致可以分為三層，底層提供端到端的數據流水線的能力，能夠幫助用戶可以直接無縫地將AI模型運行在其分布式大數據上;中間層是英特爾提供的機器學習工作流，目的是能夠將很多人工的作業、人工的任務實現自動化;最上層是用戶使用Analytics Zoo構建的應用場景，大致可以分為四類，推薦系統、時間序列分析、計算機視覺以及自然語言處理。

以漢堡王為例，在快餐推薦的場景下，用戶實時的點餐行為和各種情景特征（比如時間、天氣和位置等）都是能夠被用來做合適推薦的重要因素。在漢堡王，英特爾利用 Analytics Zoo提供的RayOnSpark功能，使用Ray、Apache Spark和 Apache MXNet 構建了一個完整的端到端的推薦系統。

它將數據處理（使用 Spark ）和分布式訓練（使用 MXNet 和 Ray ）集成到一個統一的數據分析和 AI 流水線中，并直接運行在存儲數據的同一個大數據集群上。

“整個工業界已經慢慢進入了人工智能的時代，但是今天所說的人工智能的基礎是大數據，AI和數據分析是我們將來非常重要的一個應用場景，特別是把AI和數據分析應用到現實的生產系統當中，端到端的AI流水線是非常重要的。英特爾在軟件、硬件層面，都具備高可用的產品和方案。”戴金權表示。

在異構計算時代的數據中心，英特爾的軟件生態戰略正在催發出硬件平臺的最大生命力，可以預見，2021年將有更多的芯片企業在軟件層面做文章。