幾年前，英特爾啟動了“以數據為中心”的轉型，這是一場自我革命的戰役，而戰役背后的六大秘密武器起到了關鍵作用，分別是制程與封裝、XPU架構、內存與存儲、互連、安全、軟件。在很多場合下，英特爾將六大技術做成了同心圓，最外一層是軟件，包裹著其他五兄弟，可見它又當爹又當媽的地位。

即便英特爾擁有頂尖的硬件實力，但這種對軟件的形容一點也不夸張。在“2020英特爾數據中心軟件技術及應用線上分享會”上，感受到了軟件的良苦用心。

據英特爾架構、圖形和軟件集團副總裁兼中國區總經理謝曉清介紹，英特爾軟件有三大策略：

1，軟件優先策略，“比如我們最近發布的Xe架構的GPU，在圖形、多媒體、計算方面都需要非常穩定的生態，而英特爾本身在編程語言、系統庫以及工具鏈方面已經有了非常強有力的生態支持。”

2，易于擴展性，比如在GPU方面，有著非常多的細分市場，背后是不同價格、功耗、性能的需求。英特爾能夠最大限度得到GPU開發者支持，從而覆蓋不同領域。

3，全新的計算負載和用戶場景，“英特爾希望解決現有解決方案無法提供的方案，并實現產品差異化。”

也就是說，英特爾的硬件就算再強悍，也需要軟件來尋找開發者來將硬件的真正價值發揮出來，發揮到實際應用中來。軟件這位當媽的，沒有一天不省心，首先她要在各大社區廣而告之，為自己的底層技術們尋找開發者。正如謝曉清所說：“英特爾在開源社區做了很多貢獻，如Linux的Kernel社區，以及Linux的KVM虛擬化社區，目前，我們是世界最大的代碼貢獻者。”

另一方面，從底層往上走，從固件IP、BIOS，一直到硬件驅動，再到操作系統，英特爾也與諸如Windows、谷歌的安卓以及Linux各大廠的發行版進行合作，以及投入。為了啥呀？還不是為了讓硬件這群孩子們披甲上戰場，去獲得戰勛。只有軟件層合作廣泛了，用的主流操作系統多了，英特爾底層技術才有機會。

當然，軟件還要顧內，比如oneAPI編程模型，可以簡化跨多架構的開發過程。比如OpenVINO工具包，用于加速深度學習，能夠支持跨英特爾CPU、FPGA、Movidius VPU、顯卡等異構執行。英特爾的軟件可以串起這些硬件兄弟們，讓他們不感到孤獨。

謝曉清在提到oneAPI時透露，今年12月份將發布全新Gold版本：“該版本將支持CPU和GPU，以后還會支持其他AI硬件加速以及FPGA等，以此來幫助開發者做快速有效的軟件開發工作。”

此外，謝曉清總結oneAPI三大特點：1，給用戶提供非常友好的編程環境，開發者能夠自由選擇硬件平臺，不必綁在某一個硬件平臺上；2，編譯器、系統都是高度優化，能夠實現最大的硬件產能，支持不同異構計算加速；3，開發模式快速高效，原碼維護成本可以達到最低。

分享會上，謝曉清還透露了安卓云游戲背后的秘密，前不久英特爾發布的最新GPU-SG1擁有非常強大的圖形渲染能力以及多媒體編解碼能力。在CPU端，英特爾采用比較輕量級云原生的技術，用容器技術將其跑到輕量級容器當中，充分發揮英特爾至強的計算力，提供云端協同的殺手級應用。軟件方面，英特爾在安卓框架層和運行層都進行了不少優化，使得安卓容器化方案擁有很高密度。

關于安卓云游戲，英特爾和騰訊云的合作有望實現產品化。

在AI的應用方面就不得不提英特爾的Analytics Zoo平臺。據資料顯示，Analytics Zoo是統一的數據分析AI平臺，支持筆記本、云、Hadoop Cluster、K8s Cluster等平臺、此外，Analytics Zoo提供了端到端的pipeline，大家可以將AI模型應用到分布式大數據場景中。Analytics Zoo還提供了端到端的ML workflow和內置的模型和算法。

具體而言，在底層的使用環境中，支持深度學習框架，如TensorFlow、PyTorch、OpenVINO等，還支持分布式框架，如Spark、Flink、Ray等，還可以使用Python庫，如Numpy、Pandas、sklearn等。在端到端的pipeline中用戶可以使用原生的TensorFlow和PyTorch，用戶只需要很簡單的修改就可以將原有的TensorFlow和PyTorch代碼移植到Spark上來做分布式訓練。Analytics Zoo還提供了RayOnSpark，ML Pipeplines，Automatic Cluster Serving，支持流式Serving。在內置算法中，提供了推薦算法，時序算法，視覺以及自然語言處理等。

英特爾大數據技術全球CTO、大數據分析和人工智能創新院院長戴金權在分享會上舉了漢堡王的例子，用戶實時的點餐行為和各種情景特征（比如時間、天氣和位置等）都是能夠被用來做合適推薦的重要因素。

據戴金權介紹，英特爾開發了一個全新的Transformer Cross Transformer （TxT）推薦模型，用多個 Transformer編碼器來提取用戶點單行為和復雜的情景特征，并通過點積的方法將Transformer的輸出組合在一起以生成推薦。線上A/B測試結果表明TxT模型不僅比現有的其他推薦模型取得了更好的效果，同時該模型也能被成功地應用到其他推薦場景中。

由此回到英特爾整個軟件布局上來看，英特爾的硬件像一顆的宇宙立方，軟件就是開啟立方魔力的法杖，是實現硬件最終落地應用的“神器”。
責任編輯:tzh