英特尔大数据CTO：通过提升算力和计算能力，推动AI的无处不在
“英特尔希望通过对算力优化、计算能力的提升来推动生成式AI无处不在，让各行各业，以及普通的消费者都可以使用。”英特尔院士、大数据技术全球首席技术官戴金权表示。
今年年初以来，生成式AI掀起一波又一波热潮，国内外企业也竞相推出自己的大型语言模型。
值得注意的是，英特尔也一直致力于深耕生成式AI领域。不久前，其推出了生成式大模型Aurora genAI。该模型的参数高达一万亿，主要面向科研领域，包括生物学、医学、大气科学、化学等学科。
不仅如此，推动生成式AI普适化，才是英特尔在这一领域的主要追求。
一方面，其借助长期积累的技术优势，英特尔从硬件、软件和大型语言模型等方面出发，为生成式AI提供全面支持。
首先，以XPU战略为导向，英特尔打造从云到端的全面产品组合，涵盖个人电脑端和数据中心的CPU、GPU、FPGA、专用ASICs等解决方案，以应对多元化的应用场景需求，为整个计算领域提供AI能力。比如，其在GPU、专用AI加速器和第四代至强可扩展服务器中，都加入了专门针对矩阵运算的加速器AMX，以更好地加速神经网络运算。
其次，英特尔提出了“软件定义、芯片增强”的理念，即用软件来定义所需的计算能力，再从硬件角度来提供匹配的增强和支持。因此，在软件层面上，其更关注上层应用和算法对软件工具和基础设施的引领。目前，英特尔正在XPU的架构下，通过oneAPI、软件优化和软件库，帮助客户的计算设备，做到在不同场景下对生成式AI的支持。
同时，由于大型语言模型通常大量使用Transformer架构，既存在许多注意力机制计算，也对内存和带宽的大小有较高要求。对此，英特尔通过稀疏化或低精度对模型进行压缩，并为其提供多样化技术支持，以更加高效地实现模型部署。
另一方面，英特尔也在积极拥抱开源和AI开放社区。比如，与业界积极合作，探索开源AI软件工具和软件基础架构；关注开放的大型语言模型，与机器学习开源库Hugging Face开展合作。
具体来说，英特尔联合Hugging Face，利用Gaudi 2加速器，对参数量为1760亿的BLOOMZ模型进行了优化评估。效果显示，与使用8张英伟达A100芯片相比，用8张Gaudi 2运行推理的速度提高了20%以上。此外，还基于第四代英特尔至强可扩展处理器，利用AMX高级矩阵扩展进行矩阵加速，能够在5分钟内完成Stable Diffusion模型的微调。
图丨BLOOMZ模型使用Gaudi加速器对生成的语言输出进行自动评估（来源：资料图）
随着生成式AI的发展，业界从起初对其可用性的关注，逐渐聚焦到是否可信赖上。
在塑造“负责任的AI”上，英特尔也做了许多工作。
戴金权表示：“从英特尔的角度来看，我们关于AI的工作，无论是数据、模型，还是应用，都有一个‘负责任的AI’的流程，其中定义了如何消除偏见、如何使用正确的数据等。”
大型语言模型在对生产力流程产生影响的同时，也可能带来数据安全和隐私问题。
为了解决该问题，英特尔基于其硬件级的安全技术，比如英特尔TDX和SGX，加上软件层构建的面向大数据分析和机器学习的隐私计算平台，以及结合大型语言模型和stable diffusion，从数据和模型两个维度出发保护生成式AI应用，从而确保数据安全和隐私性。
同时，会借助算法判断由生成式AI生成出的内容，是否存在虚假性。并且，还通过支持生成式AI应用在本地的部署，来避免因与他人分享模型数据而可能产生的隐私泄露。
事实上，能够生成内容是生成式AI的本质，这有助于极大地提高生产力。来自各行各业的从业者，都可以通过大量使用生成式AI来提高效率。与此同时，要想做到生成式AI无处不在，还需要将其从云端延伸至本地端、边缘端等。
很多人都知道，上层应用对底层硬件的架构具有反推作用。那么，上述发展趋势，又是否会对未来AI芯片设计产生影响呢？
在戴金权看来，从小尺寸的设备扩展到大规模数据中心的XPU架构，就是一个重要的发展趋势。同时，软件算法设计的多样化，也是能够满足未来算力需求的关键组成部分。
“目前，大模型还在快速发展中，可能在更长的时间段里还会有更多的发展，比如不同算法级别的发展，以及不同场景适配的发展。这些都会对AI芯片，包括对所有计算的芯片、计算的能力带来深远的影响。”戴金权表示。