英特尔服“软”

我们一直称英特尔为硬件公司，恐怕要换一种说法了。“每当下午临近下班，我都会收到很多邮件，几乎都来自欧洲，他们通过开源社区与我们深度交流和合作。”换做三年前，我一定不敢相信这句话是出自英特尔高级首席工程师、大数据技术全球CTO戴金权之口，不是不相信这位大咖的头衔和姓名，而是我似乎要重新审视英特尔软件方面的实力。

维基百科对英特尔的描写还是芯片、网卡、闪存、嵌入式处理器等产品，哪怕从历史来看，英特尔也是经历过从存储器到处理器为核心的纯硬件公司。软件这件事该从何说起？

不管是本月的“英特尔以数据为中心产品技术媒体分享会”，还是英特尔主办的开源技术峰会（OSTS2019）上，英特尔都提到自己有15000名软件工程师，从数量上来看似乎可以与互联网公司媲美。这庞大的团体，到底在搞什么？

英特尔高级首席工程师、大数据技术全球CTO戴金权

TechSugar记者从最近的英特尔发言人的演讲中发现了他们的目的——构建统一平台。

为什么要统一？

在5月25日南京举办的“2019全球人工智能技术大会”上，戴金权的主题是“Analytics ZOO统一的大数据分析+AI平台”。这主题给人的直观感受就是，Analytics ZOO玩的就是串联整合工作，而戴金权称之为流水线工作。

“通过开源Analytics Zoo可以实现的是：1，能够将不同的框架无缝的集成到流水线里面去，通过在软件层上面各种新的支持或者功能，能够将TensorFlow、Spark能够非常无缝的集成在一个程序里面。2，开发过程运行在Spark引擎，可以嵌入各种深度学习功能，目的是让其运行在一个单机环境。”戴金权如此解释。

在其PPT中可以看出（如下），Analytics Zoo解决的是深度学习和大数据分析之间的断层。正如戴金权所说：“Analytics Zoo目前要解决的就是两个问题，一个是要构建一个端到端的应用场景，另一个是用户在开发时，需要经历从笔记本到大规模分布式环境，两个生产环境的切换较为麻烦。”

显然这两段话上下呈现了果因关系，充分介绍了英特尔做Analytics ZOO的初衷。

如果理解起来有点模糊，不妨看点应用案例：

Analytics Zoo 平台可以协助韵达通过图像识别获得准确大小件测量数据，通过深度学习优化件量测量（防止爆仓），通过AI强化训练检测异常。从而达到提升效率，降低成本的作用。

韵达案例示意图

宝信软件利用该平台开发了设备故障自动预测的验证模型，该模型基于业界公开的设备全生命周期数据，利用循环神经网络（RNN）特别是长短期记忆模型（LSTM），实现了时间序列的异常检测（Time series anomaly detection），并可以在数据上进行无监督深度学习和预测。

美的工业视觉检测云平台把前端设备收集的图像数据通过4G 或Wi-Fi 传输到云端，通过深度学习框架，经由训练获得非标准化视觉检测特征，最终打造出通用化、智能化的瑕疵检测能力。而这一过程实现的关键，是英特尔Analytics Zoo 大数据分析+AI 平台。

要不是笔者担心过多举例导致篇幅累赘和困意袭击，其实还是有许多案例值得一说。据介绍，该平台的客户包括OEM厂商、软件提供商和一些公有云服务商。

为什么要“软”？

软件对于英特尔这样的硬件公司到底意味着什么？

戴金权在为英特尔平台举例时很少用到效果类数据，唯一一句还是“京东最后做过测试，当他把整个原来的方案迁移到Spark BigDL这样一个完整的流水线上 （基于CPU），他把整个端到端的运行效率也提高了3、4倍。”

可见，软件对于英特尔来说，就是给客户更高效的方案。

此前英特尔推出了“One API”项目，以简化跨CPU、GPU、FPGA、人工智能和其它加速器的各种计算引擎的编程。该项目包括一个全面、统一的开发工具组合，以将软件匹配到能最大程度加速软件代码的硬件上。

此举又是针对客户需求，一切为了简化、便捷和统一。

难道软件之于英特尔仅仅是满足客户需求，来赚取美元吗？

在此前的开源技术峰会上，英特尔公司副总裁兼系统软件产品部门总经理苏义德（Imad Sousou）在会上强调：“软件是英特尔的一项重要战略资产，将帮助我们挖掘商业价值，真正释放公司的整体增长潜力。”

这话不假，正如英特尔架构日上提出的“六大技术支柱”，其中有一环就是软件，重要性可见一斑。

其实笔者发现，不管英特尔怎么去宣传自己的软件和非软件实力，大部分时候逃不开一张图和一组数据。

“2018年，中国约产生7.6ZB的数据，而且还将保持每年30%的增长，到2025年的数据量将达到48.6ZB；从2015年到2025年，IDC估计全球数据量的增长平均在25%的年复合增长率。”

这也不难理解英特尔此前要说的从PC为中心转移到数据为中心，强大算力的进步显然是离不开软件的优化和激发潜能的。英特尔战略性地服“软”，这庞大的数据洪流正席卷而来。