应用人工智能的未来：迈向超个性化和可持续发展的世界

应用人工智能的未来：迈向超个性化和可持续发展的世界

By Imtiaz Adam

企业领导者面临着解决可持续发展目标的挑战，包括减少碳足迹和管理能源消耗成本，同时还要确保其企业能够利用快速变化的步伐和新的商业机会，推进技术，特别是人工智能，使每个部门都能实现。

与上一代相比，英特尔第四代®至强®可扩展处理器可将AI工作负载加速3倍至5倍，用于SSD-ResNet34上的深度学习推断，以及使用英特尔®高级矩阵扩展（英特尔®AMX）在ResNet50 v1.5上进行训练时加速高达2倍。此外，在AI性能方面，第四代英特尔®至强®可扩展处理器通过内置AMX(BF16)为实时推理和训练，提供比上一代高10倍的PyTorch性能。

随着我们进入一个人工智能算法越来越强大的时代，例如具有自我意识和生成式人工智能的变形金刚以及人工智能的兴起与物联网(AIoT)相结合，我们将需要第四代英特尔®至强®可扩展处理器提供更高效、更强大的CPU，允许AI在低延迟用例中非常快速地扩展和处理大量数据，同时将能效和减少碳足迹作为关键目标。

人工智能如何帮助实现可持续发展和应对气候变化？

Microsoft委托PWC撰写了一份题为“人工智能如何实现可持续发展的未来”的报告，内容涉及人工智能在全球经济四个领域的潜力：

• 能源;
• 农业;
• 水;
• 运输。

该报告的结果表明，人工智能在推动减排方面具有巨大潜力，同时还能在报告中探讨的四个领域增加就业和经济增长:

• 全球二氧化碳排放量减少4%；
• GPD增长4.4%，达到5.2万亿美元；
• 就业增长，创造3800万个就业岗位。

温室气体减排潜力（全球高达4%）基于所有四个部门（水、能源、农业和交通）的假设，以及人工智能可能在这些部门发挥的作用，包括但不限于精准农业，精准监测，燃油效率，优化投入使用，提高生产率。

此外，美国EPA和BCG列出了独立5G网络带来的收益（见上图右侧），由此产生的SA 5G网络能够大规模扩展AIoT(应用于物联网设备和传感器的人工智能)，以及机器对机器通信的自动化流程增加，可能会增加就业机会，并有可能减少温室气体排放。

最新的英特尔®加速器引擎和软件优化有助于提高人工智能、数据分析、网络和存储的能效。与上一代产品相比，组织可以利用内置加速器将目标工作负载的平均性能每瓦效率提高2.9倍。这将带来更高效的CPU利用率、更低的电力消耗和更高的投资回报，同时帮助企业实现可持续发展和碳减排目标。

促成变革

第四代英特尔®至强®可扩展处理器由于内置加速器的设计创新而提高了能效。这允许特定的工作负载消耗更少的能量，同时以更快的速度运行。

每瓦特结果（平均）是第三代英特尔至强处理器的2.9倍，同时还允许大规模扩展我们正在进入的AIoT新时代所需的工作负载，例如推理和学习增加了10倍、压缩提高了2倍、数据分析增加了3倍，所有这些都减少了95%的内核。

另一项创新是优化电源模式功能，启用后可节省20%的能源（在双路系统上可节省140瓦），同时对性能的影响微乎其微（在特定工作负载上影响2-5%）。

独立(SA)5G网络的融合将大幅增加设备连接和超低延迟环境，允许物联网(IoT)的大规模扩展，与互联网连接的设备和传感器与人类用户和彼此通信(机器对机器)。越来越多的物联网设备将嵌入人工智能(在网络边缘)。

此外，Statista预测，到2025年，将有惊人的750亿台联网设备，即地球上每人超过9台！IDC Seagate预测，生成的数据量将从2020年的64泽字节增加到2025年的近三倍，达到175泽字节，其中三分之一的数据是实时消耗的!应用人工智能对于有效管理网络和理解数据，并为用户提供近乎实时的响应至关重要。

此外，这个新时代将使我们能够测量、分析评估和动态响应环境，无论是医疗保健、能源、智慧城市的交通、制造业等。人工智能能力和推理性能将是我们正在进入的这个时代取得成功的关键。

英特尔®至强®可扩展处理器以更低的延迟提供更多网络计算，同时帮助保持数据完整性。通过TCP使用NVMe时，每秒存储I/O(IOPS)提高79%，延迟降低45%，与没有加速的软件错误检查相比，使用Intel®数据流加速器(Intel®DSA)加速CRC32C错误检查。

BCG在一篇题为“利用人工智能的力量减少碳排放和成本”的文章中预测，将人工智能技术应用于企业可持续发展目标可能会减少2.6至53亿吨或1至3万亿美元的增加值。

实现这一目标的过程包括：

• 监测排放；
• 预测排放；
• 减少排放。

BCG认为，由于人工智能的应用，温室气体减排潜力最大的行业包括：工业产品、交通运输、制药、消费品、能源和公用事业。

英特尔的愿景是加速从制造到产品再到解决方案的可持续计算，以实现可持续发展的未来。组织可以通过选择第4代英特尔®至强®可扩展处理器来帮助减少范围3的温室气体排放，这些处理器采用90-100%的可再生能源制造，工厂拥有最先进的水回收设施，在2021年回收了28亿加仑的水。为避免疑问，需要指出的是，本段中提供的统计数据涉及与隐含碳相关的不影响运营碳排放的范围3排放，然而，范围3还包括运营碳，其中服务器在等式中占较大比例。

将AIoT应用于可持续发展的用例示例包括：

• 传感器可检测房屋是否有人，从而关闭灯和空调，或将温度降至较低的水平;
• 传感器可以在供暖运行时，将开关的窗户关闭;
• 在问题发生之前进行预测，如水管破裂、监控意外中断、交通拥堵点以及尝试重新安排交通路线，或修改交通灯顺序以减少拥堵；
• 在农业方面，在无人机上应用计算机视觉来确定作物何时成熟以收割，以减少浪费的作物，并检查干旱和虫害的迹象；
• 森林砍伐，非法砍伐的近实时分析。
• 可再生能源，无人机应用来自深度学习算法的计算机视觉，可以检查风力涡轮机的叶片和太阳能发电场的太阳能电池板是否有裂缝和损坏，从而延长资产寿命并增加发电量。
• 使用机器学习算法优化储能，以最大限度地提高电池储能的运行性能和投资回报率。

Rolnick等人在2019年发表了一篇题为“用机器学习应对气候变化”的论文，由Demis Hassabis、Andrew Y Ng和Yoshua Bengio等领先的人工智能研究人员合著，阐述了通过在企业的整个制造运营中应用人工智能来减少排放的潜力，从设计阶段到生成设计和3D打印、供应链优化以及优先选择低温室气体排放选项，利用可再生能源供应改善工厂能源消耗，通过检测排放来提高效率(包括预测性维护)，并采取后续行动，减少供暖和制冷的排放，并优化运输路线。

第4代英特尔®至强®可扩展处理器还具有电源管理工具，可实现更多控制并节省更多运营成本。例如，平台BIOS中新的优化电源模式，可为选定工作负载节省高达20%的插座电源，而性能影响不到5%。

此外，Rolnick等人的论文，阐述了企业如何处理零售商的未售出库存问题。据估计，时尚业每年为此花费1200亿美元！这既是一种经济浪费，也是一种环境浪费。有针对性的推荐算法来匹配供应和需求，以及应用机器学习来预测需求和生产需求也可能有助于减少这种浪费。

在AIoT的世界中，客户可以沿着商业街或购物中心行走，机器学习算法可以根据其附近的商店提供个性化的产品推荐。

零售和制造示例都需要AI算法的近实时响应，这就是为什么CPU内的加速器是提供增强性能的重要因素。

AIoT的世界将要求能够在电力受限的环境下工作，并能够近乎实时地响应用户需求。

英特尔使组织能够根据计算需求的波动进行动态调整以节省电力。英特尔®至强®可扩展处理器内置遥测工具，可提供重要数据和AI功能，以帮助智能监控和管理CPU资源，构建有助于预测数据中心或网络峰值负载的模型，并在需求较低时调整CPU频率以减少用电量。这为节省更多电力打开了大门，当可再生能源可用时，可以选择性地增加工作量，并有机会降低数据中心的碳足迹。

此外，只有英特尔提供针对液冷系统优化的处理器SKU，并提供浸入式冷却保修附加条款，帮助组织进一步推进其可持续发展目标。

人工智能将无处不在，遍及我们使用的设备和传感器，实现大规模的超个性化，对客户用户进行近乎实时的即时响应。然而，为了利用这些机会，企业领导者需要确保其投资于能够满足业务及其客户需求的适当技术。

• 使用更少的内核和更快的加密运行云和网络工作负载。与在没有加速的CPU内核上运行的软件相比，使用RSA4K的英特尔®QuickAssist技术（英特尔®QAT）在开源NGINX Web服务器上，将客户端密度提高4.35倍。
• 在开源的RocksDB引擎中，使用英特尔内存分析加速器(英特尔®IAA)，与没有加速解决方案的内核上的软件压缩相比，数据解压吞吐量提高了1.91倍，提升了数据库和分析性能。使用英特尔数据流加速器(英特尔®DSA)，与前一代直接内存访问相比，内存对内存传输增加了8.9倍。
• 对于5G vRAN部署，与上一代相比，通过新的指令集加速将网络容量提高多达2倍。

随着SA 5G网络的扩展和规模化，安全成为AIoT时代的关键问题。

无论是在本地、边缘还是云端部署，企业都需要保护数据并遵守隐私法规。第四代英特尔®至强®可扩展处理器为业务协作和洞察开辟了新机遇，即使是敏感或受监管的数据。机密计算提供了一种解决方案，通过基于硬件的隔离和工作负载的远程证明来帮助保护使用中的数据。英特尔®软件保护扩展(英特尔®SGX)是当今市场上研究、更新和部署最多的数据中心机密计算技术，与当今数据中心任何机密计算技术相比，其信任边界最小。开发人员可以在安全区内运行敏感数据操作，以帮助提高应用安全性和保护数据机密性。

英特尔的Bosch案例研究提供了物联网领域安全应用的示例。

该案例研究观察到，访问原始数据集是开发基于人工智能的分析的理想选择。该示例阐述了Bosch的自动驾驶汽车部门如何使用在英特尔SGX上运行的开源项目Gramine，来降低与数据或IP泄漏相关的风险。

到本十年末，我们可能会经历道路上先进的电动汽车和自动驾驶汽车（EV/AV）数量的大幅增加。

随着更多的可再生能源进入电网，电池存储将变得更加重要。带有内置加速器的强大CPU可以帮助机器学习技术跨电池存储设施扩展，以优化能源和电池性能的可用性。这与有电源和电池限制的边缘和网络场景相关，例如智能家居和制造设施中的电动汽车和电源优化设备。

在这个世界上，由AIoT实现的大规模超个性化将允许与客户近乎实时地即时互动，并提高效率，从而减少浪费，因为机器学习和数据科学将能够从将创建的大量数据中更好地预测客户需求。

可以想象，用户在上下班途中从事零售或娱乐活动，而EV/AV通过深度学习的计算机视觉识别乘客，并根据用户配置文件个性化汽车环境（娱乐等）。自动驾驶汽车将根据不同的用户进行调整，并允许用户有效地利用其时间(工作、娱乐)。然而，即使在更先进的EV/AV到来之前，企业也有很多机会在AIoT时代利用与客户近乎实时的互动，同时减少浪费。例如更好地匹配供需，改进需求预测，识别和匹配供应链和制造流程。

第四代英特尔®至强®可扩展处理器为跨网络边缘开发物联网服务和应用提供了一个更安全的环境，从而使企业能够在安全方面更有信心地创造新的机会。

这种扩展和实现安全AIoT的愿景与我个人的愿景一致，即应用AI和相关数据分析和数字技术来实现可持续发展目标，同时提供真正大规模超个性化的世界，使企业能够真正响应客户的需求实时条件下的需求，并根据个人客户的需求进一步定制产品。

从今年开始，我们将进入一个激动人心的新时代，在这十年的剩余时间里，人工智能将迅速扩展到我们周围的设备和传感器，以及远程云服务器，这些服务器将继续对训练算法保持重要地位，充当数据湖，并使历史数据分析能够改善人工智能的学习结果，改善服务的个性化，或确定进一步提高组织运营效率的机会。

我们将能够测量和评估周围的排放和能源消耗，识别浪费并减少低效率。

整个网络边缘的AI算法将需要节能的CPU来在电力受限的环境中运行，并实现减少碳足迹。第四代英特尔®至强®可扩展处理器使组织能够扩展AI功能，大规模提供超个性化，并更有效地管理边缘的内部运营，同时还有助于实现安全性和可持续性目标。