AI时代,亲民、易用的CPU如何能实现相比GPU更具性价比的加速方案?英特尔® 至强® 可扩展处理器给出答案:内置AI加速引擎,更好地承载人工智能应用工作负载。
千呼万唤始出来,第五代 英特尔 ® 至强 ® 可扩展处理器 ,它来了!
若是用一句话来概括它的特点,那就是——AI味道越发得浓厚 。
以训练、推理大模型为例:
• 与第四代相比,训练性能提升多达29%,推理性能提升高达42%;
• 与第三代相比,AI训练和推理性能提升高达14倍。
第五代至强处理器
什么概念?
现在若是将不超过200亿参数的模型“投喂”给第五代至强® 可扩展处理器,那么时延将低到不超过100毫秒 !
也就是说,现在在CPU上跑大模型,着实是更香了。
而这也仅是英特尔在此次发布中的一隅,还包括打破自家“祖制”、被称为四十年来最重大架构转变的酷睿 ™ Ultra 。
此举亦是将AI的power注入到消费级PC中,用于加速本地的AI推理。
除此之外,具体到英特尔长期在各行各业扎根的AI实战应用,包括数据库、科学计算、生成式AI、机器学习、云服务等等,也随着第五代至强® 可扩展处理器的到来,在其内置的如英特尔® AMX、英特尔® SGX/TDX等其他内置加速器的帮助下,得到了更大的降本增效。
总而言之,纵观英特尔此次整场的发布,AI可谓贯穿始终。
我们先来继续深入了解一下第五代至强® 可扩展处理器披露的更多细节。
例如在性能优化方面,英特尔将各种参数做了以下提升:
• CPU核心数量增加到64个,单核性能更高,每个内核都具备AI加速功能
• 采用全新I/O技术(CXL、PCIe5),UPI速度提升
• 内存带宽从4800 MT/s提高至5600 MT/s
我们再来纵向,与英特尔前两代产品做个比较,那么性能提升的结果是这样的:
• 与上一代产品相比,相同热设计功耗下平均性能提升21%;与第三代产品比,平均性能提升87%。
• 与上一代产品相比,内存带宽提升高达16%,三级缓存容量提升至近3倍之多。
不难看出,第五代至强® 可扩展处理器与“前任们”相比,在规格与性能上着实是有了不小的提升。
但英特尔可不仅仅是披露,而是已经将第五代至强® 可扩展处理器用起来 ,并把实打实的使用效果展示了出来。
例如在大模型的推理 方面,京东云 便在现场展示了搭载第五代至强® 可扩展处理器的新一代自研服务器所呈现的能力——
全部以超过20%的性能提升“姿势”亮相!
具体而言,京东云与上一代自研服务器有了如下的性能提升:
• 整机性能提升达123%;
• AI计算机视觉推理性能提升至138%;
• Llama 2推理性能提升至151%。
这也再一次证明了在五代至强® 上搞大模型,是越发得吃香了。
而除了大模型之外,像涉及AI的各种细分领域,如整机算力、内存宽带、视频处理等等,也有同样的实测结果。
这份结果则是来自采用了第五代英特尔® 至强® 可扩展处理器的火山引擎 ——
其全新升级的第三代弹性计算实例,整机算力提升39%;应用性能最高提升43%.
而且在性能提升的基础上,据火山引擎透露,通过其独有的潮汐资源并池能力,构建了百万核弹性资源池,能够用近似包月的成本提供按量使用体验,上云成本更低了!
这是由于使用内置于第五代至强® 可扩展处理器中的加速器时,可将每瓦性能平均提升10倍;在能耗低至105W的同时,也有已针对工作负载优化的高能效SKU。
可以说是实打实的降本增效了。
在云计算和安全性方面,亮出实测体验的同样是来自国内的大厂——阿里云 。
在搭载第五代英特尔® 至强® 可扩展处理器及其内置的英特尔® AMX、英特尔® TDX加速引擎后,阿里云打造了“生成式AI模型及数据保护“的创新实践,使第8代ECS实例在安全性和AI性能上都获得了显著提升,且保持实例价格不变,普惠客户。
包括推理性能提高25%、QAT加解密性能提升20%、数据库性能提升25%,以及音视频性能提升15%.
值得一提的是,内置的英特尔® SGX/TDX还可以为企业分别提供更强也更易用的应用隔离能力和虚拟机 (VM) 层面的隔离和保密性,为现有应用提供了一条更简便的向可信执行环境迁移的路径。
以及第五代英特尔® 至强® 可扩展处理器在软件和引脚上是与上一代兼容的,还可以大大减少测试和验证工作。
总的来说,第五代至强® 可扩展处理器可谓“诚意满满”、表现非常亮眼,而它背后所透露出来的,正是英特尔在AI领域一直都非常重视落地 的态度。
事实上,作为服务器/工作端芯片,英特尔® 至强® 可扩展处理器从2017年第一代产品开始就利用英特尔® AVX-512技术的矢量运算能力对AI进行加速上的尝试;而2018年在第二代至强® 可扩展处理器中导入深度学习加速技术(DL Boost)更是让至强成为“CPU跑AI”的代名词;在之后第三代到第五代至强® 可扩展处理器的演进中,从BF16的增添再到英特尔® AMX的入驻,可以说英特尔一直在充分利用CPU资源的道路上深耕,以求每一代 处理器CPU 都 能 支持各行各业推进AI实战 。
起先是在传统行业。
例如第二代至强® 就发力智能制造 ,帮助企业解决海量实时数据处理挑战,提升生产线系统效率,完成“肉眼可见”的产能扩展。
随后,至强® 可扩展处理器开始在大模型界大展身手。
在AlphaFold2 掀起的蛋白质折叠预测热潮之中,第三代和第四代至强® 可扩展处理器连续接力,不断优化端到端通量 能力。实现比GPU更具性价比的加速方案,直接拉低AI for Science的入场门槛。
这其中就有从第四代开始内置于CPU中,面向深度学习应用推出的创新AI加速引擎——英特尔® AMX的功劳。作为矩阵相关的加速器,它能显著加速基于CPU平台的深度学习推理和训练,提升AI整体性能,对INT8、BF16等低精度数据类型都有着良好的支持。
与此同时,在大模型时代的OCR技术应用 ,也被第四代至强® 可扩展处理器赋予了新的“灵魂”,准确率飙升、响应延迟更低。
同样,就在不久之前,借助第四代至强® 可扩展处理器在NLP上的优化,专攻医疗行业的大语言模型 也成功以较低成本在医疗机构部署落地。
在AI技术越来越深入各行各业的大趋势之下,至强® 可扩展处理器让我们看到,它所代表的CPU解法完全能够有所作为、能够让不少AI应用在部署更为广泛、获取更加容易、应用门槛也更低的CPU平台上获得实实在在的落地开花。
第五代至强® 可扩展处理器的发布,则让这个进程更进一步。
当然——
这一成绩的背后,确实是因为大家对“在CPU上跑AI” 这件事上有需求,以及它本身也有极其深厚的价值和优势。
先说需求,无论是传统企业推进智能化改造,还是AI for Science、生成式AI等新兴技术的蓬勃发展,都需要强大的算力来驱动。
但大家面临的局势却是:专门的加速芯片供不应求,采购难不说,成本也十分高昂,因此还远远不够普及。
于是一部分人自然将目光投向CPU:
这个现实中最为“触手可及”的硬件,如果直接加以利用,岂不是事半功倍?
这就引出CPU的价值和优势。
就拿当下热门话题生成式AI来说,如果想在生产环境中普及 这一能力,就得尽可能地控制成本。
相比训练来说,AI的推理对算力资源需求没有那么夸张 ,交给CPU完全能够胜任——不仅延迟更低,能效也更高。
像一些行业和业务,推理任务没有那么繁重,选择CPU无疑更具性价比。
此外,利用CPU直接进行部署还能让企业充分利用既有IT基础设施 ,避免异构平台的部署难题。
以上,我们也就能够理解:在传统架构中引入AI