AI一天，人間一年。

現(xiàn)在不論是大模型本身，亦或是AI應用的更新速度簡直令人直呼跟不上——

Sora、Suno、Udio、Luma……重磅應用一個接一個問世。

也正如來自InfoQ的調查數(shù)據(jù)顯示的那般，雖然AIGC目前還處于起步階段，但市場規(guī)模已初具雛形：

行業(yè)整體迅速發(fā)展固然是好事，但具體到每個的應用或者大模型的落地來說，面臨的競爭也越發(fā)激烈了。

例如前不久各個大模型廠商之間展開的非常激烈的“價格戰(zhàn)”，主打一個比誰更便宜，甚至直接把大模型價格推向“厘時代”。

加上最近OpenAI的“斷供”事件，更是讓國內廠商們在打出“輕松搬家”計劃的同時，再加碼Tokens送送送的力度。

究其原因，也是與當下應用為王，尤其是以盡量低的成本把業(yè)務快速落地的這一大趨勢緊密相關。

那么問題來了，大模型玩家們何以在又快又好又省之間做到平衡？

這就回到了那個避不開，同時又是成本里占絕對大頭的因素——算力。

現(xiàn)在提及大模型的訓練和推理，很多人的第一反應或許就是想到了GPU。

誠然GPU在高性能上占據(jù)著一定的優(yōu)勢，但它所存在“硬傷”也是比較明顯，那便是供應不足、價格昂貴。

何以破局？國產大模型第一梯隊玩家百度智能云千帆大模型平臺，就給出了自己的一個更具“效價比”的解法：

具體到算力的部署上，百度智能云AI與大模型平臺總經(jīng)理忻舟認為：

一言蔽之，在大模型時代，CPU甚至比以往更加重要了，而且是能讓大模型和應用做到“快好省”落地的關鍵因素之一。

那么具體“上崗”效果又是如何，我們繼續(xù)往下看。

國產頭部大模型玩家，pick了CPU

國內AIGC應用爆發(fā)，這其中，百度智能云千帆大模型平臺功不可沒。

作為企業(yè)使用大模型的”一站式”服務平臺，千帆大模型平臺自去年3月發(fā)布以來已有超12萬客戶使用，累計調優(yōu)模型2萬個，孵化應用4.2萬個。

這些應用覆蓋教育、金融、辦公、醫(yī)療等眾多場景，為行業(yè)數(shù)字化轉型提供了有力支撐。

在教育領域，千帆大模型平臺賦能了試題生成、在線批改、題目解析等應用，大大提升了教學和備考效率。

例如用戶可以提供參考材料，設定題型和難度，平臺就能自動生成高質量的試題。而交互式的題目解析，則可以針對每位學生的薄弱環(huán)節(jié)，提供個性化的學習指導。

在辦公場景，千帆大模型平臺與業(yè)內頭部企業(yè)合作，共同打造了智能寫作助手等創(chuàng)新應用，能夠根據(jù)用戶輸入的關鍵詞，快速生成招聘文案、營銷方案、數(shù)據(jù)報告等專業(yè)文檔。

還可以專注于各類寫作場景，可以智能生成論文大綱、項目匯報、品牌宣傳稿等，大大提升了行政和營銷人員的工作效率。

醫(yī)療健康是千帆大模型平臺的另一大應用賽道。基于醫(yī)療知識庫訓練的模型，可以自動生成體檢報告解讀，用通俗易懂的語言向用戶解釋各項指標，并給出個性化的健康指導。

這讓普通大眾也能更好地了解自己的身體狀況，實現(xiàn)”健康自主管理”。

可以看到，千帆大模型平臺在多個領域實現(xiàn)了AI模型的”最后一公里”落地。

那么千帆大模型平臺是怎么支撐如此多AI應用的呢？

答案是：讓CPU成為客戶的選擇之一，讓“效價比”的紅利普惠千行百業(yè)。

之所以如此，百度智能云所給出的解釋是：

至于效果，以Llama-2-7B為例，在第四代英特爾? 至強? 可擴展處理器上輸出 Token 吞吐可達 100 TPS 以上，相比第三代提升了60%。

△Llama-2-7b模型輸出Token吞吐

在低延遲的場景，同等并發(fā)下，第四代至強? 可擴展處理器的首Token時延比第三代至強? 可降低50%以上。

在將處理器升級為第五代至強? 可擴展處理器之后，較上代的吞吐可提升45%左右，首 Token 時延下降50%左右。

△Llama-2-7b模型首Token時延

并且千帆大模型平臺團隊根據(jù)實踐經(jīng)驗還表示：

不僅如此，利用充足的CPU資源，降低對于AI加速卡的需求，從而降低 LLM 推理服務的總體擁有成本 (TCO)，特別是在離線的 LLM 推理場景中表現(xiàn)出色。

而且在千帆大模型平臺上，可不止是有自家的ERNIE，還有很多主流的大模型都集成于此。

這也在一定程度上從側面印證了第五代英特爾? 至強? 可擴展處理器在性能上的過關。

英特爾第五代至強，如何讓性能和效率變得Pro Max？

百度智能云千帆大模型平臺，不止需要大模型推理一種工作負載，它其實是一個覆蓋大模型全生命周期的平臺。

具體來說，千帆大模型平臺提供數(shù)據(jù)標注，模型訓練與評估，推理服務與應用集成的全面功能服務，以及快速應用編排與插件集成，助力大模型多場景落地應用。這樣一來，比起專為大模型推理部署專用加速器，充分利用平臺已廣泛部署的CPU資源，就是更劃算的選擇了。

對于千帆大模型平臺上存在的大量離線大模型應用需求來說，如生成文章總結、摘要、評估多個模型的效果等，這類需求對推理的時延要求其實不高，但內存容易成為瓶頸。

采用CPU來做，擴展內存更方便，還可以利用起平臺閑時的算力資源，進一步提高資源利用率，起到降低總擁有成本的作用。

在這個大背景下，第五代英特爾? 至強? 可擴展處理器中的性能密集型通用計算應用負載（類似P Core性能核）的設計就尤為關鍵了。

與E Core（能效核）相比，P Core采用了追求性能最大化的設計，能承載非常重的負載，同時還兼顧了AI推理加速。

采用此設計的第五代至強? 可擴展處理器，在兼顧AI推理加速這一點上可不是說說而已，而是軟硬件協(xié)同優(yōu)化，各方面都考慮到位了。

硬件方面，英特爾? AMX（高級矩陣擴展）技術，正是為大模型推理重深度學習中大量的矩陣乘法運算專門優(yōu)化的，可以理解成”CPU 里的 Tensor Core”。

有了英特爾? AMX，處理器每個時鐘周期可完成高達2048個INT8運算，比上一代AVX512_VNNI指令提升8倍之多。

更重要的是，英特爾? AMX加速器是內置在CPU核心里的，讓矩陣存儲和運算更近，這一特性應用在大模型推理上，能夠降低處理下一個Token的時延，讓終端用戶的體驗更好。

△英特爾? AMX 可以更高效的實現(xiàn) AI 加速

軟件方面，百度智能云千帆大模型平臺已經(jīng)引入了針對英特爾? 至強? 可擴展平臺深度優(yōu)化的大模型推理軟件解決方案xFasterTransformer (xFT)，并將其作為后端推理引擎。主要優(yōu)化策略如下：

• 充分利用 AMX/AVX512 等指令集，高效實現(xiàn)核心算子如 Flash Attention 等
• 采用低精度量化，降低數(shù)據(jù)訪存量，發(fā)揮 INT8/BF16 運算的優(yōu)勢
• 支持超大規(guī)模模型的多機多卡并行推理

△英特爾? 至強? 可擴展處理器 LLM 推理軟件解決方案

最后還要補充的一點是，要知道選擇一種硬件平臺，不止關乎于設備本身的采購價格，還會影響到后續(xù)的維護成本，甚至人才儲備成本。

所以正如百度智能云所言，高性價比的算力基礎設施，與先進的大模型算法和平臺軟件相輔相成，讓上層的開發(fā)者們能夠更加平滑地應用，構建他們的業(yè)務，才能最大化云計算平臺的商業(yè)價值。

大模型時代，CPU大有可為

縱觀當下，大模型正從實驗室走向產業(yè)，從少數(shù)人的“玩具”變?yōu)榇蟊娍捎玫摹肮ぞ摺薄?/p>

這意味著，大模型服務不僅要有優(yōu)秀的性能表現(xiàn)，還要做到價格親民、部署便捷。一言以蔽之，“快好省”成了大模型商業(yè)化的關鍵一環(huán)。

而要實現(xiàn)“快好省”，算力基礎設施的選擇至關重要。

傳統(tǒng)觀點認為，專用加速器才是AI的“標配”。但在供應緊張、成本高企的背景下，專用加速器的優(yōu)勢正在減弱。

相比之下，優(yōu)化良好的高端 CPU 不僅能提供足夠應對大模型推理的算力，而且具有更廣泛的部署基礎和更成熟的軟件生態(tài)、以及更好的安全保障，開始受到越來越多業(yè)界玩家的青睞。

以英特爾? 至強? 系列為代表的x86架構CPU，擁有成熟完善的軟件生態(tài)和廣泛的應用基礎。數(shù)以百萬計的開發(fā)者可以利用現(xiàn)有工具和框架，快速構建和優(yōu)化AI應用，而無需額外學習專門的加速器軟件棧，大大降低了開發(fā)難度和遷移成本。

同時，企業(yè)級用戶還可以利用CPU內置的多層次安全技術，實現(xiàn)從硬件到軟件的全棧保護，充分保障數(shù)據(jù)安全和隱私。這些優(yōu)勢，是當前專用加速器難以比擬的。

由此可見，充分利用CPU進行推理，讓AI從“燒錢游戲”變?yōu)椤捌栈菘萍肌?/strong>，正是AIGC產業(yè)應對算力門檻，推動規(guī)模化應用落地的關鍵一招。未來，隨著技術創(chuàng)新和生態(tài)完善，這一模式還將為更多企業(yè)創(chuàng)造價值，為產業(yè)發(fā)展注入新的動力。

除了直接加速推理任務外，CPU在完整的端到端AI管線中還能高效完成數(shù)據(jù)預處理、特征工程等AI全流程中的關鍵步驟。而支持機器學習和圖分析的各類數(shù)據(jù)庫，也主要是構建在CPU之上的。以至強? 可擴展處理器為例，除了英特爾? AMX之外，還有諸如英特爾? 數(shù)據(jù)保護與壓縮加速技術（英特爾? QAT）、英特爾? 存內分析加速器（英特爾? IAA）等一系列數(shù)據(jù)分析引擎內置于處理器中，通過卸載特定任務使CPU得到更好的利用，從而提升工作負載整體性能，實現(xiàn)數(shù)據(jù)分析加速。

由此可見，構建“快、準、穩(wěn)”的 AI 應用，既要靠專用加速器強大的算力，也離不開CPU超強的通用計算能力去釋放整個系統(tǒng)的潛力。

為了科普CPU在AI推理新時代的玩法，量子位開設了《最“in”AI》專欄，將從技術科普、行業(yè)案例、實戰(zhàn)優(yōu)化等多個角度全面解讀。

我們希望通過這個專欄，讓更多的人了解CPU在AI推理加速，甚至是整個AI平臺或全流程加速上的實踐成果，重點就是如何更好地利用CPU來提升大模型應用的性能和效率。