规模|做大AI规模的四字秘诀——垂直整合( 三 ) gpu|大数据|cpu|英特尔

“构建这样一个端到端的流水线，带来了非常大的端到端的性能提升。AI推理的性能有3倍以上的提升，AI训练有差不多30%-50%的性能提升。”戴金权说。

文章插图

其实，英特尔子公司Mobileye也是通过垂直整合发挥AI价值的一个典型例子。Mobileye主要做自动驾驶的ADAS系统，原来只做计算机视觉的算法，整合芯片提供后装ADAS设备。如今，Mobileye已经发展出垂直整合的一套方案，包含定制的、专门架构的数据系统，有不同的计算架构，也有一些新的传感器。
通过与全球100多家车厂的合作，垂直整合的方案利用足够的数据后，能够对这些信息做抽象归纳，利用很小的数据量但可以进行很好地辅助驾驶决策。
“我们在底层水平功能的基础上构建非常多针对更多垂直场景的支持，帮助用户来更容易、更快地去搭建应用，包括AutoML的场景，针对时间序列分析的场景，还有PPML(Privacy Preserving Machine Learning)针对隐私保护的场景。”戴金权进一步解释关于AI的隐私保护。
“隐私保护无论是从个人需求还是合规的角度，都是AI应用的一个痛点。不同的安全需求和不同的安全路线。英特尔通过SGX，在CPU中有内置的安全功能，在此之上通过软件安全技术提供大数据AI安全平台实现不同的场景支持。”
联邦学习的方式面向的主要场景是希望数据不出企业的防火墙。可信平台的技术是利用软硬件的技术提供安全保护，让数据不管在计算、存储网络中，都能在公有云或者私有云中提供安全保护。
不过，垂直整合去推动AI的规模化发展依旧有许多挑战。宋继强告诉雷锋网，“垂直整合的挑战首先要能够接触到多种资源、数据，以及实际应用场景。其次，要有跨层的专家参与其中，既要有算法、硬件设计通用能力的专家，也要有领域相关的专家来协同。最后，产品要经得起市场检验，一个原型系统肯定不行。”
小结
目前看来，AI在推荐、自然语言处理、视觉领域都有非常多的应用。之前互联网公司由于有更多的数据，在利用大数据AI构建场景方面的速度更快，但随着大数据AI的发展，越来越多的传统企业都更多地应用AI，包括电信、银行、制造业、餐饮业等等。
戴金权说：“关键还是看企业有没有数据，以及软硬件架构平台，并且在平台上构建一个非常好的应用场景。AI会无处无在，英特尔有能力实现这一愿景。”
宋继强则强调，AI创新要真正的规模化发展起来，一定要很认真严肃地做垂直整合。雷锋网