構(gòu)建長期共贏生態(tài)圈 英特爾至強平臺加速人工智能落地
數(shù)字化進程更上一層，萬物開始互聯(lián)、智聯(lián)。
以醫(yī)療行業(yè)為代表，一直以來，人工智能在醫(yī)療行業(yè)的應(yīng)用從未停止，而且在這次疫情的影響下，醫(yī)療行業(yè)也步入了向智慧化轉(zhuǎn)型的新階段。
英特爾與匯醫(yī)慧影合作，進行AI醫(yī)學(xué)影像解決方案優(yōu)化，借助集成英特爾深度學(xué)習(xí)加速技術(shù)的第二代英特爾至強可擴展處理器與OpenVINO工具套件，匯醫(yī)慧影Dr. Turing AI平臺的推理性能大幅提升，為醫(yī)療機構(gòu)提供更精準的診斷輔助。
隨著云、大數(shù)據(jù)、物聯(lián)網(wǎng)、5G等技術(shù)的成熟及普及，人工智能應(yīng)用也在更多場景落地。越來越多行業(yè)開啟了智能化升級進程，面對企業(yè)用戶業(yè)務(wù)擴展和工作負載需求，英特爾不斷進行產(chǎn)品升級和技術(shù)創(chuàng)新，聯(lián)合更多服務(wù)提供商，完善AI應(yīng)用解決方案，幫助更多行業(yè)邁向智能化之旅。
加速轉(zhuǎn)型，醫(yī)療行業(yè)開啟智慧新階段
疫情影響下，醫(yī)療行業(yè)的轉(zhuǎn)型與升級不斷提速，在這個過程中，人工智能的應(yīng)用無疑發(fā)揮了重要作用。
我們都知道，我國醫(yī)療機構(gòu)選擇以核酸試劑檢測作為新冠肺炎檢測的主要診斷方式，同時以肺部CT影像檢查為輔助方式進行篩查診斷。事實上，核酸檢測的優(yōu)點在于簡單、快速，能夠快速推廣開來，但受到多因素影響，核酸檢測存在一定概率的誤判。而肺部CT影像檢查是通過分析肺部真實影像來判別患者肺部是否出現(xiàn)病變，因此在早期新冠癥狀的檢測敏感度上，肺部CT影像檢查要優(yōu)于核酸檢測。
新冠肺炎篩查診斷方法：核算試劑檢測（左）與肺部CT影像檢查（右）
然而，肺部CT影像檢查的應(yīng)用“門檻”也相對較高，不僅需要醫(yī)生具有專業(yè)的CT影像分析能力，也需要對新冠肺炎征象有敏銳的臨床判斷力。這種情況下，就需要人工智能技術(shù)來幫助醫(yī)生進行更精準的診斷。
匯醫(yī)慧影致力于計算機視覺和深度學(xué)習(xí)技術(shù)應(yīng)用開發(fā)，其自主研發(fā)的Dr. Turing AI平臺、可為醫(yī)院和患者提供10余種常見疾病的醫(yī)學(xué)影像AI分析能力，并提供結(jié)構(gòu)化的報告，這個平臺也是此次新冠肺炎醫(yī)學(xué)影像輔助診斷的前端先鋒。
在實際應(yīng)用中，Dr. Turing AI平臺需要進行一些有針對性的優(yōu)化升級。一方面，Dr.Turing AI平臺需要通過收集大量新冠肺炎數(shù)據(jù)，由專業(yè)醫(yī)生進行標注后，結(jié)合平臺內(nèi)置的深度學(xué)習(xí)算法，實現(xiàn)對肺炎病灶區(qū)精準分割和測量；另一方面，Dr. Turing AI平臺需要結(jié)合Inception V4、Inception ResNet V2等深度學(xué)習(xí)算法模型，將原本二維的CT切片進行一系列的“三維”重構(gòu)，以便更加清晰直觀地反映出量化數(shù)據(jù)。
這兩個方面的優(yōu)化會讓Dr. Turing AI平臺在推理和計算過程中有更高的性能要求，基于此，匯醫(yī)慧影與英特爾合作，借助第二代英特爾至強可擴展處理器實現(xiàn)更強算力支持，同時還引入OpenVINO工具套件，對整個人工智能管道進行更新，將平均推理性能提升2.89倍。
事實上，這已經(jīng)不是第一次英特爾與匯醫(yī)慧影的合作。此前，匯醫(yī)慧影就曾使用這對構(gòu)成英特爾至強平臺AI加速技術(shù)核心的組合，在該平臺上構(gòu)建了以ResNet-50卷積網(wǎng)絡(luò)模型作為基礎(chǔ)網(wǎng)絡(luò)的RetinaNet目標檢測模型，對乳腺癌影像實施模型訓(xùn)練及推理。
智慧醫(yī)療的進程不斷加速，而英特爾與匯醫(yī)慧影的合作，不僅證明了在醫(yī)療機構(gòu)現(xiàn)有IT基礎(chǔ)設(shè)施上部署和執(zhí)行醫(yī)學(xué)影像類AI應(yīng)用的必要性，同時也將第二代英特爾至強可擴展處理器與OpenVINO工具套件組合的能力展現(xiàn)了出來，讓其可以為更多醫(yī)療機構(gòu)影像類AI應(yīng)用提供強大支持。
當(dāng)然，醫(yī)療行業(yè)的智慧化勢在必行，但與其一樣，諸如教育、交通、制造等多個領(lǐng)域都與AI應(yīng)用有很高的契合度，英特爾軟硬結(jié)合實力與全面的產(chǎn)品布局，能夠助力企業(yè)用戶從云到端的智能部署，將人工智能應(yīng)用融入到業(yè)務(wù)發(fā)展的各個方面。
軟硬結(jié)合，助力企業(yè)突破AI應(yīng)用壁壘
對于很多企業(yè)來說，在業(yè)務(wù)環(huán)境中部署人工智能是必然選擇，也是一項十分重大的投資。一般來講，企業(yè)完成人工智能應(yīng)用與業(yè)務(wù)的融合的過程中，都會經(jīng)歷一個相對固定的流程，從場景需求的發(fā)現(xiàn)，到數(shù)據(jù)的采集與準備，再到模型的開發(fā)，最后是部署階段，這也是AI的一條數(shù)據(jù)管道。
事實上，每一個階段都存在不同的挑戰(zhàn)，對性能、存儲等也有不同的需求，所以在實際應(yīng)用中，就需要更具針對性的技術(shù)和產(chǎn)品，而英特爾則為每一個細化的問題提供解決方案。比如在數(shù)據(jù)的收集和清洗上，數(shù)據(jù)科學(xué)家往往需要約40%的時間，這大大提高了企業(yè)部署AI應(yīng)用的負擔(dān)。
針對此，英特爾通過第二代英特爾至強可擴展處理器來為企業(yè)加速這個流程。同時，英特爾傲騰持久內(nèi)存能夠?qū)⒏鄶?shù)據(jù)保存在靠近CPU的位置，進而實現(xiàn)更多實時處理。數(shù)據(jù)準備妥當(dāng)后，使用英特爾傲騰固態(tài)盤來實現(xiàn)經(jīng)濟高效的高容量數(shù)據(jù)存儲。
所以，通常在進行AI應(yīng)用和基礎(chǔ)架構(gòu)部署時，企業(yè)往往選擇CPU平臺來運行人工智能，一方面是相比GPU平臺更具性價比，另一方面則是在靈活、效率和可擴展性方面都有明顯優(yōu)勢。
靈活性方面，英特爾至強平臺能夠支持廣泛的工作負載。目前，大多數(shù)機器學(xué)習(xí)和深度學(xué)習(xí)推理都在CPU上運行，在多數(shù)情況下，CPU是深度學(xué)習(xí)訓(xùn)練的理想選擇；
效率方面，企業(yè)通過對人工智能工作負載需求與當(dāng)前系統(tǒng)使用情況進行對比，可以確定在何處以及如何為這些工作負載優(yōu)化資源配置，并且以利用現(xiàn)有CPU從備用容量中為人工智能工作負載提供更多使用空間。
在一些視覺或語音等特定知識領(lǐng)域，英特爾面向英特爾架構(gòu)對被廣泛采用的人工智能軟件框架、庫和工具進行優(yōu)化，來大幅提高其應(yīng)用性能，以此來保持較高的性能功耗比和性價比，使PUE比率盡可能接近1。比如對在ResNet-50上運行圖像分類的工作負載而言，相比于最初發(fā)布的英特爾至強鉑金8180處理器，利用集成面向ResNet-50的英特爾深度學(xué)習(xí)加速技術(shù)的英特爾至強鉑金8280處理器和面向英特爾架構(gòu)優(yōu)化的Caffe版本框架，最高可將推理性能提高14倍。
可擴展性方面，企業(yè)往往不需要進行大規(guī)模投資，而是可以按需跨多個英特爾數(shù)據(jù)中心或邊緣節(jié)點來進行人工智能訓(xùn)練工作負載的擴展。比如在設(shè)計系統(tǒng)時，企業(yè)可以借助英特爾以太網(wǎng)700系列和英特爾傲騰內(nèi)存存儲技術(shù)來優(yōu)化網(wǎng)絡(luò)和內(nèi)存配置，充分利用現(xiàn)有的硬件投資來擴展深度學(xué)習(xí)工作負載，做到擴展、效率兩不誤。
可以看到，英特爾至強平臺正在為人工智能工作負載提供更加廣泛的支持，這主要得益于英特爾借助大量針對機器學(xué)習(xí)和深度學(xué)習(xí)所做的軟件優(yōu)化，以及集成英特爾深度學(xué)習(xí)加速技術(shù)的推理加速功能，從而讓基于CPU的人工智能運行速度大幅提高。
今年6月份，英特爾發(fā)布第三代英特爾至強可擴展處理器，集成英特爾深度學(xué)習(xí)加速技術(shù)，支持bfloat16浮點格式，不僅可以進一步提升CPU的AI模型推理能力，也將加速AI訓(xùn)練，為客戶帶來實際效益的提升。
長期共贏，英特爾構(gòu)筑廣泛AI生態(tài)圈
從開啟以數(shù)據(jù)為中心的轉(zhuǎn)型后，英特爾在AI領(lǐng)域一直處于高投入狀態(tài)，一方面通過企業(yè)收購形式來補足自身在AI能力方面的短板；另一方面利用積累的技術(shù)優(yōu)勢，將人工智能應(yīng)用融入六大支柱中，并通過軟件的優(yōu)化，進一步增強英特爾提供全棧式解決方案的能力。
除了在技術(shù)與創(chuàng)新方面的持續(xù)探索，英特爾也在與更多企業(yè)用戶合作，加強與各行各業(yè)的緊密連接，并將AI應(yīng)用實施到更加多樣的業(yè)務(wù)場景中去。
在AI應(yīng)用落地過程中，為了進一步簡化人工智能部署，英特爾通過對行業(yè)實踐案例的積累，總結(jié)出專門面向人工智能領(lǐng)域的英特爾精選解決方案。如基于人工智能推理的英特爾精選解決方案，使用英特爾OpenVINO工具套件分發(fā)版、Kubeflow和Seldon Core來幫助企業(yè)用戶簡化模型部署，并提供低延遲、高吞吐量推理和集成加速的功能。
還有面向在Apache Spark上運行的BigDL的英特爾精選解決方案，能夠提供工作負載優(yōu)化型深度學(xué)習(xí)軟件和英特爾硬件組合，使企業(yè)用戶無需再進行研究和手動優(yōu)化基礎(chǔ)設(shè)施即可為AI計劃提供支持。這些方案，英特爾均進行了預(yù)先配置，并針對工作負載進行優(yōu)化，使其具備性能、成本、安全等多方面的特點與優(yōu)勢。
隨著行業(yè)與AI技術(shù)的結(jié)合，AI應(yīng)用在實際部署中逐漸普及，這些方案也確立了英特爾在AI領(lǐng)域的領(lǐng)先性。
此外，英特爾還與眾多解決方案提供商聯(lián)合，共同推出一系列市場就緒型人工智能解決方案，助力用戶快速開啟人工智能進程。云計算領(lǐng)域，越來越多主流云服務(wù)商開發(fā)了面向英特爾架構(gòu)優(yōu)化的預(yù)配置人工智能環(huán)境，利用英特爾深度學(xué)習(xí)加速技術(shù)，為企業(yè)按需部署人工智能提供支持。如Google Cloud Platform面向英特爾平臺和新推出的英特爾機器實例，不斷優(yōu)化TensorFlow人工智能開源框架；Microsoft Azure提供面向英特爾架構(gòu)優(yōu)化的數(shù)據(jù)科學(xué)虛擬機(DSVM)；AWS提供面向機器學(xué)習(xí)或計算密集型應(yīng)用優(yōu)化的EC2實例。
在本地部署方面，Dell、HPE及Lenovo在內(nèi)的主流OEM都可以提供經(jīng)優(yōu)化后可在英特爾至強平臺上運行的人工智能功能即服務(wù)(AIaaS)；在軟件合作方面，英特爾與Data Robot、H20.ai 等AI軟件提供商建立合作，幫助其在基于英特爾技術(shù)的環(huán)境中優(yōu)化AI應(yīng)用并確保實施快速無縫的部署。
在前線認為，通過每一個能力的延伸與觸角連接，英特爾在AI道路上的伙伴越來越多，從云服務(wù)商，到OEM提供商和AI軟件提供商，再到各個領(lǐng)域的企業(yè)用戶，共同構(gòu)建了一個覆蓋廣泛的AI生態(tài)圈，加快各行業(yè)智慧化升級的同時，也將英特爾的軟硬實力全方位展現(xiàn)。
未來，企業(yè)面臨的數(shù)據(jù)負載壓力會越來越重，提出的需求和問題也會更加復(fù)雜，人工智能應(yīng)用也會隨之發(fā)生演變，而英特爾則致力于為企業(yè)提供根據(jù)自身業(yè)務(wù)需求和IT環(huán)境拓展的AI應(yīng)用支持，除了在英特爾至強可擴展平臺和一系列加速器的基礎(chǔ)上持續(xù)開發(fā)廣泛人工智能計算產(chǎn)品組合外，英特爾還將建設(shè)更加完善的生態(tài)體系，不斷豐富人工智能解決方案，與合作伙伴實現(xiàn)長期共贏。
- 上一篇：學(xué)校高清錄播教室解決方案 2019/10/11
- 下一篇：陜西省智慧校園建設(shè)發(fā)展論壇在西安舉辦 2020/12/10