AI一天，人間一年。
現(xiàn)在不論是大模型本身，亦或是AI應用的更新速度簡直令人直呼跟不上——
Sora、Suno、Udio、Luma……重磅應用一個接一個問世。
也正如來自InfoQ的調查數據顯示的那般，雖然AIGC目前還處于起步階段，但市場規(guī)模已初具雛形：
行業(yè)整體迅速發(fā)展固然是好事，但具體到每個的應用或者大模型的落地來說，面臨的競爭也越發(fā)激烈了。
例如前不久各個大模型廠商之間展開的非常激烈的“價格戰(zhàn)”，主打一個比誰更便宜，甚至直接把大模型價格推向“厘時代”。
加上最近OpenAI的“斷供”事件，更是讓國內廠商們在打出“輕松搬家”計劃的同時，再加碼Tokens送送送的力度。
究其原因，也是與當下應用為王，尤其是以盡量低的成本把業(yè)務快速落地的這一大趨勢緊密相關。
那么問題來了，大模型玩家們何以在又快又好又省之間做到平衡?
這就回到了那個避不開，同時又是成本里占絕對大頭的因素——算力。
現(xiàn)在提及大模型的訓練和推理，很多人的第一反應或許就是想到了GPU。
誠然GPU在高性能上占據著一定的優(yōu)勢，但它所存在“硬傷”也是比較明顯，那便是供應不足、價格昂貴。
何以破局?國產大模型第一梯隊玩家百度智能云千帆大模型平臺，就給出了自己的一個更具“效價比”的解法：
具體到算力的部署上，百度智能云AI與大模型平臺總經理忻舟認為：
一言蔽之，在大模型時代，CPU甚至比以往更加重要了，而且是能讓大模型和應用做到“快好省”落地的關鍵因素之一。
那么具體“上崗”效果又是如何，我們繼續(xù)往下看。
國產頭部大模型玩家，pick了CPU
國內AIGC應用爆發(fā)，這其中，百度智能云千帆大模型平臺功不可沒。
作為企業(yè)使用大模型的”一站式”服務平臺，千帆大模型平臺自去年3月發(fā)布以來已有超12萬客戶使用，累計調優(yōu)模型2萬個，孵化應用4.2萬個。
這些應用覆蓋教育、金融、辦公、醫(yī)療等眾多場景，為行業(yè)數字化轉型提供了有力支撐。
在教育領域，千帆大模型平臺賦能了試題生成、在線批改、題目解析等應用，大大提升了教學和備考效率。
例如用戶可以提供參考材料，設定題型和難度，平臺就能自動生成高質量的試題。而交互式的題目解析，則可以針對每位學生的薄弱環(huán)節(jié)，提供個性化的學習指導。
在辦公場景，千帆大模型平臺與業(yè)內頭部企業(yè)合作，共同打造了智能寫作助手等創(chuàng)新應用，能夠根據用戶輸入的關鍵詞，快速生成招聘文案、營銷方案、數據報告等專業(yè)文檔。
還可以專注于各類寫作場景，可以智能生成論文大綱、項目匯報、品牌宣傳稿等，大大提升了行政和營銷人員的工作效率。
醫(yī)療健康是千帆大模型平臺的另一大應用賽道?；卺t(yī)療知識庫訓練的模型，可以自動生成體檢報告解讀，用通俗易懂的語言向用戶解釋各項指標，并給出個性化的健康指導。
這讓普通大眾也能更好地了解自己的身體狀況，實現(xiàn)”健康自主管理”。
可以看到，千帆大模型平臺在多個領域實現(xiàn)了AI模型的”最后一公里”落地。
那么千帆大模型平臺是怎么支撐如此多AI應用的呢?
答案是：讓CPU成為客戶的選擇之一，讓“效價比”的紅利普惠千行百業(yè)。
之所以如此，百度智能云所給出的解釋是：
至于效果，以Llama-2-7B為例，在第四代英特爾® 至強® 可擴展處理器上輸出 Token 吞吐可達 100 TPS 以上，相比第三代提升了60%。
△Llama-2-7b模型輸出Token吞吐
在低延遲的場景，同等并發(fā)下，第四代至強® 可擴展處理器的首Token時延比第三代至強® 可降低50%以上。
在將處理器升級為第五代至強® 可擴展處理器之后，較上代的吞吐可提升45%左右，首 Token 時延下降50%左右。
△Llama-2-7b模型首Token時延
并且千帆大模型平臺團隊根據實踐經驗還表示：
不僅如此，利用充足的CPU資源，降低對于AI加速卡的需求，從而降低 LLM 推理服務的總體擁有成本 (TCO)，特別是在離線的 LLM 推理場景中表現(xiàn)出色。
而且在千帆大模型平臺上，可不止是有自家的ERNIE，還有很多主流的大模型都集成于此。
這也在一定程度上從側面印證了第五代英特爾® 至強® 可擴展處理器在性能上的過關。
英特爾第五代至強，如何讓性能和效率變得Pro Max?
百度智能云千帆大模型平臺，不止需要大模型推理一種工作負載，它其實是一個覆蓋大模型全生命周期的平臺。
具體來說，千帆大模型平臺提供數據標注，模型訓練與評估，推理服務與應用集成的全面功能服務，以及快速應用編排與插件集成，助力大模型多場景落地應用。這樣一來，比起專為大模型推理部署專用加速器，充分利用平臺已廣泛部署的CPU資源，就是更劃算的選擇了。
對于千帆大模型平臺上存在的大量離線大模型應用需求來說，如生成文章總結、摘要、評估多個模型的效果等，這類需求對推理的時延要求其實不高，但內存容易成為瓶頸。
采用CPU來做，擴展內存更方便，還可以利用起平臺閑時的算力資源，進一步提高資源利用率，起到降低總擁有成本的作用。
在這個大背景下，第五代英特爾® 至強® 可擴展處理器中的性能密集型通用計算應用負載(類似P Core性能核)的設計就尤為關鍵了。
與E Core(能效核)相比，P Core采用了追求性能最大化的設計，能承載非常重的負載，同時還兼顧了AI推理加速。
采用此設計的第五代至強® 可擴展處理器，在兼顧AI推理加速這一點上可不是說說而已，而是軟硬件協(xié)同優(yōu)化，各方面都考慮到位了。
硬件方面，英特爾® AMX(高級矩陣擴展)技術，正是為大模型推理重深度學習中大量的矩陣乘法運算專門優(yōu)化的，可以理解成”CPU 里的 Tensor Core”。
有了英特爾® AMX，處理器每個時鐘周期可完成高達2048個INT8運算，比上一代AVX512_VNNI指令提升8倍之多。
更重要的是，英特爾® AMX加速器是內置在CPU核心里的，讓矩陣存儲和運算更近，這一特性應用在大模型推理上，能夠降低處理下一個Token的時延，讓終端用戶的體驗更好。
△英特爾® AMX 可以更高效的實現(xiàn) AI 加速
軟件方面，百度智能云千帆大模型平臺已經引入了針對英特爾® 至強® 可擴展平臺深度優(yōu)化的大模型推理軟件解決方案xFasterTransformer (xFT)，并將其作為后端推理引擎。主要優(yōu)化策略如下：充分利用 AMX/AVX512 等指令集，高效實現(xiàn)核心算子如 Flash Attention 等 采用低精度量化，降低數據訪存量，發(fā)揮 INT8/BF16 運算的優(yōu)勢 支持超大規(guī)模模型的多機多卡并行推理
△英特爾® 至強® 可擴展處理器 LLM 推理軟件解決方案
最后還要補充的一點是，要知道選擇一種硬件平臺，不止關乎于設備本身的采購價格，還會影響到后續(xù)的維護成本，甚至人才儲備成本。
所以正如百度智能云所言，高性價比的算力基礎設施，與先進的大模型算法和平臺軟件相輔相成，讓上層的開發(fā)者們能夠更加平滑地應用，構建他們的業(yè)務，才能最大化云計算平臺的商業(yè)價值。
大模型時代，CPU大有可為
縱觀當下，大模型正從實驗室走向產業(yè)，從少數人的“玩具”變?yōu)榇蟊娍捎玫?ldquo;工具”。
這意味著，大模型服務不僅要有優(yōu)秀的性能表現(xiàn)，還要做到價格親民、部署便捷。一言以蔽之，“快好省”成了大模型商業(yè)化的關鍵一環(huán)。
而要實現(xiàn)“快好省”，算力基礎設施的選擇至關重要。
傳統(tǒng)觀點認為，專用加速器才是AI的“標配”。但在供應緊張、成本高企的背景下，專用加速器的優(yōu)勢正在減弱。
相比之下，優(yōu)化良好的高端 CPU 不僅能提供足夠應對大模型推理的算力，而且具有更廣泛的部署基礎和更成熟的軟件生態(tài)、以及更好的安全保障，開始受到越來越多業(yè)界玩家的青睞。
以英特爾® 至強® 系列為代表的x86架構CPU，擁有成熟完善的軟件生態(tài)和廣泛的應用基礎。數以百萬計的開發(fā)者可以利用現(xiàn)有工具和框架，快速構建和優(yōu)化AI應用，而無需額外學習專門的加速器軟件棧，大大降低了開發(fā)難度和遷移成本。
同時，企業(yè)級用戶還可以利用CPU內置的多層次安全技術，實現(xiàn)從硬件到軟件的全棧保護，充分保障數據安全和隱私。這些優(yōu)勢，是當前專用加速器難以比擬的。
由此可見，充分利用CPU進行推理，讓AI從“燒錢游戲”變?yōu)?ldquo;普惠科技”，正是AIGC產業(yè)應對算力門檻，推動規(guī)?；瘧寐涞氐年P鍵一招。未來，隨著技術創(chuàng)新和生態(tài)完善，這一模式還將為更多企業(yè)創(chuàng)造價值，為產業(yè)發(fā)展注入新的動力。
除了直接加速推理任務外，CPU在完整的端到端AI管線中還能高效完成數據預處理、特征工程等AI全流程中的關鍵步驟。而支持機器學習和圖分析的各類數據庫，也主要是構建在CPU之上的。以至強® 可擴展處理器為例，除了英特爾® AMX之外，還有諸如英特爾® 數據保護與壓縮加速技術(英特爾® QAT)、英特爾® 存內分析加速器(英特爾® IAA)等一系列數據分析引擎內置于處理器中，通過卸載特定任務使CPU得到更好的利用，從而提升工作負載整體性能，實現(xiàn)數據分析加速。
由此可見，構建“快、準、穩(wěn)”的 AI 應用，既要靠專用加速器強大的算力，也離不開CPU超強的通用計算能力去釋放整個系統(tǒng)的潛力。
為了科普CPU在AI推理新時代的玩法，量子位開設了《最“in”AI》專欄，將從技術科普、行業(yè)案例、實戰(zhàn)優(yōu)化等多個角度全面解讀。
我們希望通過這個專欄，讓更多的人了解CPU在AI推理加速，甚至是整個AI平臺或全流程加速上的實踐成果，重點就是如何更好地利用CPU來提升大模型應用的性能和效率。(量子位)
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
