零代码将AI应用迁移到生产环境！解读英特尔的AI软件布局

第二，除了研究之外，英特尔很多工作针对中期到近期的软件栈，包括将AI软件栈很好运行在CPU、GPU、FPGA、ASIC等不同硬件架构上的统一编程模型oneAPI、各种针对深度学习的计算库、对TensorFlow、PyTorch、MXNet等开源框架的各种优化以及OpenVINO等推理引擎方面的工作。

戴金权告诉芯东西，为了让用户通过oneAPI能将模型无缝运行在不同架构平台上，英特尔在工具、编译器、库等层面都做了非常多的工作，“我们在性能上我们还是很有信心的，能够做到在不同的架构上做到最优或者是比较好的性能提升。”

第三，在此基础之上，英特尔试图为用户构建一个方便高效的端到端平台，能够扩展到大数据、大规模集群上，并且可以非常透明的扩展到不同硬件架构上，将特征工程、超参数调整、模型选择和分布式推理等许多原来需要人工完成的工作，通过机器学习的方式将其自动化，从而大幅提升生产效率和模型准确率，更好提升应用级别的服务。

接下来，英特尔将继续探索基于一些较重要的应用场景，构建更贴近用户最终应用的解决方案。

结语：软硬件协同加速AI高效落地

“在我们看来，软硬件协同才可以真正能够将硬件或芯片的计算能力发挥到极致。”戴金权说。

很多用户面临的核心问题，不是跑什么硬件、用什么深度学习框架，而更多是应用层面的问题。

英特尔以底层的硬件创新为基石，经过基础软件和平台软件的中间层次，最后在应用软件层次帮助企业用户解决核心问题。

如今越来越多企业正将大数据分析和AI应用于生产、运营等多个环节，而像英特尔这样软硬件协同创新的解决方案，不仅有助于降低企业数字化转型的门槛，也为提升AI应用落地效率按下了加速键。

（编辑：186手机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!