從Gartner的數據看來，2018年全球公有云服務收入將從2017年的1,535億美元提升到1,864億美元，增幅有望達到21.4%。
而在過去五年內，私有云的部署也翻了一番。雲計算的交付和使用已經成為全球的“新常態”，為企業簡化IT服務，創建了更多的新業務。
同樣因為有了雲計算支撐，藉助人工智能、應用軟件進行預測分析，人工智能為數字世界創建了新平臺。
前一篇分析過在5G和邊緣計算領域英特爾的全方位發力，在探索雲架構創新、混合雲/多雲、網絡和人工智能的路上，英特爾也一直在加速。
GPU並非AI的最佳解決方案
在以數據中心的創新峰會上，英特爾公司全球副總裁兼人工智能事業部總經理Naveen Rao宣稱，“人工智能正在成為未來的主要工作負載”，而站在幻燈片前面，他說“人工智能正在爆炸”。
賽場上，如果你總是盯著球，你可能會錯過球向門柱的移動。以前英特爾用計算定義了芯片，Nvidia正在普及GPU對AI工作負載更有用。但英特爾沒有受競爭環境影響，這次要談談如何定義AI計算。
沒有單一的“最佳”硬件可以運行各種各樣的AI應用程序，應用決定了從數據中心到邊緣到設備所需硬件的功能，這要求更多樣化的硬件組合。
同樣，AI在實際應用和部署中，軟件工具，生態系統和硬件功能的日益成熟起著非常重要的作用。
為此，Naveen Rao用客戶的使用增長的一組數字打破了“深度學習只有在GPU上進行”的觀點。
同樣，從業績上來看，過去英特爾至強處理器在人工智能領域取得了不俗的成績，英特爾在FPGA方面的投資也取得了成效。2017年，超過10億美元的收入來自數據中心使用至強處理器運行人工智能的用戶。自2014年以來，至強處理器性能提升了200多倍。
多管齊下的AI戰略
在AI領域，英特爾不斷投資下一代基礎技術，包括高性能和低功耗的中央處理單元，低延遲訪問所需的5G通信，
還提供涵蓋軟件和硬件的優化解決方案，從圖形處理單元和視覺處理單元到像Mobileye這樣的特定領域的集成平臺，使得先進的計算機視覺和其他傳感技術和軟件實現更自然的人機交互。
首先，在硬件層面，無論數據存在於何處，從終端設備到邊緣，再到數據中心和雲，英特爾有豐富的硬件產品滿足應用。
CPU架構更適合真實世界的深度學習應用需求。英特爾有擅長訓練和推理、可以處理大量非結構化數據的至強可擴展處理器，Movidius?視覺處理單元，以及提供高吞吐量、低延遲的實時推理FPGA，當然還有 Nervana神經網絡處理器，旨在加速深度學習。
上一篇文章關於至強處理器的產品路線圖可以看出，基於14nm技術的Cascade Lake支持AI功能Intel DL Boost，這種嵌入式人工智能加速其能夠加速深度學習推理工作負載，和去年7月發佈的前一代處理器相比，預計圖像識別速度快11倍。
另外，採用14nm 的Cooper Lake包含新的I /O功能和英特爾DL Boost功能（Bfloat16），可提高AI /深度學習訓練性能。
第二，在架構和生態系統層面，與AI相關的計算任務將在未來十年內滲透到幾乎所有數據流中。
在推動AI生態系統領域，英特爾不僅有新的神經網絡處理器，還有云中可定製的FPGA以及將AI技術嵌入現有平臺。
軟件可以簡化異構部署並加速人工智能創新，在創新峰會上， Naveen Rao詳細介紹了面向各種設備和框架的深度神經網絡模型編譯器nGgraph。 nGgraph允許所有英特爾硬件產品與nGraph連接，這與英特爾多管齊下的人工智能硬件方法相得益彰。
同時英特爾宣佈了三個新的英特爾精選解決方案，分別針對人工智能、區塊鏈以及SAP HANA。
在過去的一年中，英特爾與谷歌合作優化了Tensorflow深度學習和機器學習框架，與阿里巴巴，亞馬遜，中國電信，微軟和Telefonica等行業客戶合作，為客戶提供支持基於現有基礎設施和數據庫快速部署AI的功能。
用新的計算模型和架構平臺重新思考和佈局AI，英特爾希望通過全面的軟硬件組合讓應用變成現實，助力客戶從大量數據中獲取價值，以實現AI願景。
為雲服務商深度定製
雲是數字化轉型的基礎。在私有云領域，開放的英特爾架構平臺成為企業上雲的利器。而在公有云領域，雲服務的基礎設施是硬件和軟件的有機結合，專用基礎設施會導致高昂的成本，而高度靈活、敏捷的現代化基礎設施則有助於服務創新，降低成本並提高利潤。
英特爾面向雲服務提供商（CSP）不斷優化基礎設施，除了計算，存儲，內存和網絡產品組合，還包括軟件等整體雲堆棧解決方案。
CSP的需求不是統一標準化的，每家雲服務商都有自己的業務優先級、獨特的工作負載和數據中心設計點，因此他們需要“個性化”基礎架構以區分他們的服務。
首先，深度定製化。
英特爾數據中心集團副總裁兼雲服務供應商集團總經理Raejeanne Skillern分享了一組數據，在過去的五年中，據CSP的獨特需求量身定製的CPU數量已從2014年的19％增加到2017年的50％。
Raejeanne Skillern提到了AWS、今日頭條。 AWS與英特爾的合作已經有十多年，為AWS提供多種高性能計算選擇，包括高度定製的產品。
另外，來自中國的今日頭條的個性化內容推薦引擎基於機器學習的基礎架構，針對用戶體驗進行了優化。今日頭條的基礎設施基於至強可擴展處理器平臺，英特爾高速以太網和英特爾固態盤，以更好的系統設計，為用戶提供所需的性能。
第二，解決方案優化。
除了定製，幫助CSP構建最優化的基礎架構，是英特爾的目標，Raejeanne Skillern講到了了幾個案例。
來自中國的騰訊，基於英特爾至強可擴展處理器，其長短期內存(Long-Short Term Memory, LSTM)AI推理性能顯著提升，語音識別能力大為增強，幫助用戶將語音轉換為文本以實現免提輸入。
AWS推出了深度學習AMI，內置英特爾MKL-DNN，以優化深度學習性能，將AI訓練工作負載的性能提高了7.4倍。
同樣英特爾針對谷歌推出的bfloat進行標準化，以更低的精度有效運行，從而提高性能。
可以看出，雲服務和功能比以往任何時候都複雜，再加上AI時代的應用場景增加。基於英特爾平臺打造個性化雲服務和優化AI，讓用戶更加遊刃有餘。
在我看來，英特爾正在以數據為中心全面加速創新。在英特爾50週年，我們慶祝過去羅伯特·諾伊斯和戈登·摩爾帶來的成績時，也正發現，英特爾早已超越處理器市場，通過硬件和軟件、生態平臺來釋放出更多的價值，創造新的未來。
閱讀更多 DT時代 的文章
