英特尔软件布局的三大策略

       几年前，英特尔启动了“以数据为中心”的转型，这是一场自我革命的战役，而战役背后的六大秘密武器起到了关键作用，分别是制程与封装、XPU架构、内存与存储、互连、安全、软件。在很多场合下，英特尔将六大技术做成了同心圆，最外一层是软件，包裹着其他五兄弟，可见它又当爹又当妈的地位。
       即便英特尔拥有顶尖的硬件实力，但这种对软件的形容一点也不夸张。在“2020英特尔数据中心软件技术及应用线上分享会”上，感受到了软件的良苦用心。
据英特尔架构、图形和软件集团副总裁兼中国区总经理谢晓清介绍，英特尔软件有三大策略：
       1，软件优先策略，“比如我们最近发布的Xe架构的GPU，在图形、多媒体、计算方面都需要非常稳定的生态，而英特尔本身在编程语言、系统库以及工具链方面已经有了非常强有力的生态支持。”
      
       2，易于扩展性，比如在GPU方面，有着非常多的细分市场，背后是不同价格、功耗、性能的需求。英特尔能够最大限度得到GPU开发者支持，从而覆盖不同领域。
       3，全新的计算负载和用户场景，“英特尔希望解决现有解决方案无法提供的方案，并实现产品差异化。”
       也就是说，英特尔的硬件就算再强悍，也需要软件来寻找开发者来将硬件的真正价值发挥出来，发挥到实际应用中来。软件这位当妈的，没有一天不省心，首先她要在各大社区广而告之，为自己的底层技术们寻找开发者。正如谢晓清所说：“英特尔在开源社区做了很多贡献，如Linux的Kernel社区，以及Linux的KVM虚拟化社区，目前，我们是世界最大的代码贡献者。”
       另一方面，从底层往上走，从固件IP、BIOS，一直到硬件驱动，再到操作系统，英特尔也与诸如Windows、谷歌的安卓以及Linux各大厂的发行版进行合作，以及投入。为了啥呀？还不是为了让硬件这群孩子们披甲上战场，去获得战勋。只有软件层合作广泛了，用的主流操作系统多了，英特尔底层技术才有机会。
       当然，软件还要顾内，比如oneAPI编程模型，可以简化跨多架构的开发过程。比如OpenVINO工具包，用于加速深度学习，能够支持跨英特尔CPU、FPGA、Movidius VPU、显卡等异构执行。英特尔的软件可以串起这些硬件兄弟们，让他们不感到孤独。
       谢晓清在提到oneAPI时透露，今年12月份将发布全新Gold版本：“该版本将支持CPU和GPU，以后还会支持其他AI硬件加速以及FPGA等，以此来帮助开发者做快速有效的软件开发工作。”
       此外，谢晓清总结oneAPI三大特点：1，给用户提供非常友好的编程环境，开发者能够自由选择硬件平台，不必绑在某一个硬件平台上；2，编译器、系统都是高度优化，能够实现最大的硬件产能，支持不同异构计算加速；3，开发模式快速高效，原码维护成本可以达到最低。
       分享会上，谢晓清还透露了安卓云游戏背后的秘密，前不久英特尔发布的最新GPU-SG1拥有非常强大的图形渲染能力以及多媒体编解码能力。在CPU端，英特尔采用比较轻量级云原生的技术，用容器技术将其跑到轻量级容器当中，充分发挥英特尔至强的计算力，提供云端协同的杀手级应用。软件方面，英特尔在安卓框架层和运行层都进行了不少优化，使得安卓容器化方案拥有很高密度。
       关于安卓云游戏，英特尔和腾讯云的合作有望实现产品化。
       在AI的应用方面就不得不提英特尔的Analytics Zoo平台。据资料显示，Analytics Zoo是统一的数据分析AI平台，支持笔记本、云、Hadoop Cluster、K8s Cluster等平台、此外，Analytics Zoo提供了端到端的pipeline，大家可以将AI模型应用到分布式大数据场景中。Analytics Zoo还提供了端到端的ML workflow和内置的模型和算法。
       具体而言，在底层的使用环境中，支持深度学习框架，如TensorFlow、PyTorch、OpenVINO等，还支持分布式框架，如Spark、Flink、Ray等，还可以使用Python库，如Numpy、Pandas、sklearn等。在端到端的pipeline中用户可以使用原生的TensorFlow和PyTorch，用户只需要很简单的修改就可以将原有的TensorFlow和PyTorch代码移植到Spark上来做分布式训练。Analytics Zoo还提供了RayOnSpark，ML Pipeplines，Automatic Cluster Serving，支持流式Serving。在内置算法中，提供了推荐算法，时序算法，视觉以及自然语言处理等。
       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在分享会上举了汉堡王的例子，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。
       据戴金权介绍，英特尔开发了一个全新的Transformer Cross Transformer （TxT）推荐模型，用多个 Transformer编码器来提取用户点单行为和复杂的情景特征，并通过点积的方法将Transformer的输出组合在一起以生成推荐。线上A/B测试结果表明TxT模型不仅比现有的其他推荐模型取得了更好的效果，同时该模型也能被成功地应用到其他推荐场景中。
       由此回到英特尔整个软件布局上来看，英特尔的硬件像一颗的宇宙立方，软件就是开启立方魔力的法杖，是实现硬件最终落地应用的“神器”。