异构计算时代，数据中心里的英特尔软件生态活力

张帅

芯片产业软硬一体的重要性，在异构计算时代被提升到前所未有的高度。

2020年是国内半导体企业发展的黄金时期，上至上市企业，下至初创公司，都能在时代大潮中找到自己的位置。英特尔是芯片产业绕不过去的话题，通过观察英特尔正在做的事情，芯片企业很大程度上可以补足短板，少走弯路。

英特尔以芯片立业，现在软件正成为英特尔新的护城河。英特尔在软件领域的核心产品为oneAPI，这是一款支持异构计算的平台软件，可为CPU、GPU和FPGA （统称为 XPU）开发跨架构的应用程序，目前oneAPI已经升级到Gold版本。随着数据中心所容纳的硬件平台越来越多样，如何以软件激发硬件价值，这也是英特尔软件战略的出发点。

“我们希望利用oneAPI可以释放最大的硬件潜能，同时也使得我们软件生态当中的开发者，在软件方面的投资可以最大程度地复用，不需要绑定在单一的硬件架构以及制程上，并且我们的开发效率也可以得到最大化。”英特尔架构、图形和软件集团副总裁兼中国区总经理谢晓清表示。

“过刚易折，过柔则靡”，芯片产业软硬一体的重要性，在异构计算时代被提升到前所未有的高度。

one API，构建系统软件栈生态

英特尔处理器涵盖了四大主要计算架构，包括CPU、GPU、AI以及FPGA，不同平台在不同领域里各有所长。创业公司更倾向于选择专注一个硬件平台，做“小而美”的生意，大公司应该做大公司的生意，所以英特尔选择做系统软件栈的生态圈。

英特尔以CPU为核心的软件生态圈已经十分成熟，在开源软件的各个层面都有很大的技术投入和技术储备，包括Linux的Kernel、KVM虚拟化等社区，到目前为止，英特尔是全球最大的代码贡献者。

英特尔首先坚持软件优先的策略，比如最新发布的Xe GPU，其在图形、多媒体、计算方面都需要非常稳定的生态，新的英特尔软件生态建立在其过去几十年CPU软件生态的基础上。

英特爾在编程语言、系统库以及工具链方面已经有了非常强有力的生态支持，从图形和多媒体方面来看，英特尔在Windows和Linux的操作系统也有20多年的积累。

其次是易于扩展，GPU细分市场非常多，不同市场有不同的价格、功耗、性能需求。英特尔希望能够最大限度得到所有GPU开发者的支持。

“为了得到更多开发者的支持，我们就需要覆盖不同的细分市场，这也是为什么我们现在已经建成的集成显卡生态非常重要，因为英特尔的集成显卡在某些领域每年都会有百万级的客户。这也是独立显卡和集成显卡所有的软件都具备兼容性的原因，并且我们在最近的‘Tiger Lake产品发布之后，oneAPI软件也得到了生态圈里所有开发者非常好的评价和反馈。”谢晓清说道。

最后是全新的计算负载和用户场景。英特尔的重点是发展新的计算负载和用户场景，而不是只关注已有场景。对英特尔这样的技术领先者而言，超前一步解决现有方案或者是产品还不太能够很好解决的问题，这是英特尔塑造产品差异性的机会。

在oneAPI Gold版本中，英特尔提供了oneAPI的编译器DPC++以及所有的系统库，同时也包括一系列支持oneAPI的工具包，包括移植、分析和调试工具包等等。这些工具包支持系统软件的各个层面，开发者可以用来调试和剖析自己的应用程序。

当硬件更新换代时，开发者使用one API不改动软件即可适配，同一份源码让开发者无缝、快速地升级到新一代硬件平台。“我们鼓励开发者花更多的时间在创新、开发和优化新的用户场景，而不是花大量的时间和精力维护现有的源码和投资。”谢晓清表示。

言而总之，oneAPI主要价值分为三方面，其一是提供一个非常友好的编程环境，使得开发者可以自由选择硬件平台，不必因为某一种语言绑定在某一个硬件平台;其二，英特尔提供的编译器、系统高度优化，可以实现最大的硬件价值，并且最优支持不同异构计算的硬件加速;其三，oneAPI开发模式非常快速、高效，并且源码的维护成本可以达到最低。

Analytics Zoo，AI落地软件流水线

人工智能脱虚向实，越来越多的应用已经落地到企业业务场景，从开发视角看，最大的挑战可能是如何将AI算法应用到复杂的数据当中。

英特尔大数据技术全球CTO、大数据分析和人工智能创新院院长戴金权表示，企业客户面临着数据量大且数据来源复杂的难题，如何将AI可以直接应用到大数据的生产环境中，能够让其无缝地进行大规模扩展，这是英特尔希望通过Analytics Zoo等一系列组件实现的目标。

Analytics Zoo是英特尔开源的一个端到端的大数据+AI软件平台，构建在基于oneAPI的底层加速库或者底层优化框架之上，包括深度学习的框架、Python库，分布式的数据处理像Spark、Flink、Ray等数据处理分析框架。

据戴金权介绍，Analytics Zoo大致可以分为三层，底层提供端到端的数据流水线的能力，能够帮助用户可以直接无缝地将AI模型运行在其分布式大数据上;中间层是英特尔提供的机器学习工作流，目的是能够将很多人工的作业、人工的任务实现自动化;最上层是用户使用Analytics Zoo构建的应用场景，大致可以分为四类，推荐系统、时间序列分析、计算机视觉以及自然语言处理。

以汉堡王为例，在快餐推荐的场景下，用户实时的点餐行为和各种情景特征（比如时间、天气和位置等）都是能够被用来做合适推荐的重要因素。在汉堡王，英特尔利用 Analytics Zoo提供的RayOnSpark功能，使用Ray、Apache Spark和 Apache MXNet 构建了一个完整的端到端的推荐系统。

它将数据处理（使用 Spark ）和分布式训练（使用 MXNet 和 Ray ）集成到一个统一的数据分析和 AI 流水线中，并直接运行在存储数据的同一个大数据集群上。

“整个工业界已经慢慢进入了人工智能的时代，但是今天所说的人工智能的基础是大数据，AI和数据分析是我们将来非常重要的一个应用场景，特别是把AI和数据分析应用到现实的生产系统当中，端到端的AI流水线是非常重要的。英特尔在软件、硬件层面，都具备高可用的产品和方案。”戴金权表示。

在异构计算时代的数据中心，英特尔的软件生态战略正在催发出硬件平台的最大生命力，可以预见，2021年将有更多的芯片企业在软件层面做文章。