从AIDC到AI PC，英特尔如何为AI原生提供算力新答案？原创

作者：周雅

正如近期由英特尔和至顶科技组织的 AI Summit·PEC AI新势力专场活动上，来自产学研的参会嘉宾所达成的一致共识是，智能场景无处不在，来自“端、边、云”的智能算力也无处不在。

作者｜周雅

狂奔了将近一年后，大模型的风终究是吹到了更实在的应用落地，这对于几乎所有AI创业者来说，是机会也是挑战。

要知道，大模型不是平地起高楼的新物种，它是在过去算力不断迭代、数据量不断扩充的基础上，涌现的一种技术产物。所以对大部分创业者来说，即使自己不从头开发基础大模型，但如果为了模型微调及增加RAG知识库，为产品增加垂类知识；优化用户交互体验；提高Token输出效率，一定的算力仍是必须。

正如近期由英特尔和至顶科技组织的 AI Summit·PEC AI新势力专场活动上，来自产学研的参会嘉宾所达成的一致共识是，智能场景无处不在，来自“端、边、云”的智能算力也无处不在。

面向AI带来的智算时代，多年来一直根植于算力生态的英特尔，打出了“让AI无处不在（Bring AI Everywhere）”的口号，从硬件到软件到生态，全面拥抱AI，赋能AI创业者。

01 从云原生到AI原生：先解成本难题

如果说，过去的互联网或移动互联网创业企业，伴随云计算的发展，从「上云」发展到「云原生」；那么在当下的AI时代，数智化不断迭代升级的过程中，一批创业企业已经开始「AI原生」，甚至是一出生就长在大模型上。

根据Gartner预测，到2026年，超过80%的企业将在生产环境中采用生成式AI的API、模型，并部署启用生成式AI应用——这些都指向了AI原生应用的机遇。

但是问题来了，AI原生企业在选择算力方案时会面临一系列的算力问题。在这次 AI Summit上，从业者一致认为，算力挑战是普遍现象，「算力成本」是主要门槛。上海人工智能实验室、训练框架与编译技术负责人裴芝林在活动上提及了3个算力成本问题：

第一，硬件选型成本，如何选择和自己业务匹配的芯片，以最小的成本服务用户；
第二，软件在应用层面的研发投入成本，如何打通软件开发到应用落地的最后一步；
第三，如何发挥软件+硬件的成本效率，达到易用性。

为此，英特尔中国软件技术合作事业部高级总监刘斌总结说道，这些企业需要以下解决方案，即：非单一GPU来源的“更多可靠选择；以适用既有软件资产和网络条件的“稳定可持续”；在保持较低基础架构成本的前提下的“可扩展”；可以解决多种业务挑战的“效益最大化”。

不过，方案再好，也需要在交付环节同样“靠谱”。对此，英特尔也给出了全方位的应对之策。

策略之一，根据业务场景需求，提供成本更优的算力方案。

如今AI大模型的训练和推理动辄需要千卡乃至万卡，而一张GPU卡动辄几万、十几万乃至二十几万，对于AI原生企业来说，如果盲目选择GPU服务器算力，将会面对巨大的试错成本。

英特尔提供了堆GPU之外的另一个选择——CPU。

为了满足不同工作负载的需求，最新登场的至强® 6采用了两种微架构——E-core（能效核）和P-core（性能核）。E-core的功耗更低，适用于微服务等传统后端应用场景，而P-core拥有高达128个内核和504MB的超大L3缓存，可为AI、数据分析、科学计算等计算密集型业务提供卓越的性能支持。

在9月26日英特尔刚刚举办的至强® 6性能核处理器发布会上，英特尔数据中心与人工智能集团副总裁兼中国区总经理陈葆立介绍：“英特尔在设计处理器时，会分别设计两个单元——计算单元和I/O单元。”二者解耦的分离式模块化设计，可灵活组合不同数量的计算单元，实现核心数量的扩展及内存和I/O的同步强化，保证更优的整体性能和能效。

至强® 除了能兼顾通用计算、兼顾AI推理之外，还能作为机头处理器与AI加速器或GPU协作，面向AI企业、AI创造者多元化地推出算力组合，提供端到端方案，解决AI原生企业面临的算力成本问题。

在云端算力方面，英特尔提供了至强® （内置AI加速器）和Gaudi® 组合的方案，充分利用企业既有IT基础设施的同时，提供了更具性价比的AI落地方案。

以英特尔®Gaudi® 为例，它是一个AI专用处理器，专为生成式AI和大模型而生。作为一款完全可编程的高性能AI加速器，Gaudi®融合了多种技术创新，具有高内存带宽/容量，还拥有较好的可扩展性，能够支持轻松高效的网络功能。Gaudi®可以支持绝大多数大模型，拥有较成熟的软件生态，英特尔提供的软件套件也会帮助AI模型的开发和部署，从而让企业接入的时候更容易。

随着AI算力向桌面端的渗透，在边缘端和端侧的算力方面，英特尔同样有酷睿™ Ultra和ARC™ 提供全方位的硬件平台加持。

其中，酷睿™ Ultra是英特尔客户端处理器路线图的一个转折点。该款处理器通过集成英特尔® 锐炫™ 显卡带来了独立显卡级别的性能。而且它还配备了英特尔首款集成的神经网络处理器(NPU)，用于在PC上带来高能效的AI加速和本地推理体验。

“本质上，这是一个算力和成本的选择。针对大模型的推理，智算中心的建设，可以优先看至强处理器和Gaudi® AI加速器；而针对端侧，酷睿™ Ultra则提供了更佳选择，它集成了GPU+NPU的能力，算力最高可达120TPOS。”刘斌补充说道。

显然，无论是在数据中心、云端、还AI PC在内的端侧，英特尔都能提供成本更优的算力方案。

策略二，打造开放共赢的企业AI平台。

当然，英特尔所做的，并不止于降本扶持。今年6月，英特尔联合行业领先企业最新推出了“企业AI开放平台，Open Platform of Enterprise AI (OPEA)”。该平台集成了API参考代码、异构硬件等高效技术支持，并提供参考工作流程、规范等多种服务，这为软硬件提供商等不同的生态角色提供了丰富的价值，如降低研发成本、多样化软硬件供应链、聚焦模块创新、助力系统级交付、实现便捷灵活部署、加速产品推向市场和迭代等。

目前，OPEA已成为Linux Foundation AI & Data旗下的重要开源项目，以期凝聚行业动能，共同减少生成式AI生态系统的复杂性，帮助企业通过生成式AI更快、更轻松地从自有数据中解锁价值，促使企业AI解决方案能够更快捷地落地。

“无论是基于云原生的架构，还是AI原生的架构，OPEA都是最开放的框架，它本身没有任何的商业含义，它的初衷是用一个更纯粹的方式让大家互惠互通。”刘斌强调。

02 技术支持，联合市场推广，加速业务增长

为了帮助企业更好的利用算力资源，英特尔一方面提供CPU指令集调用，OS kernel层开发，底层资源库的调用等技术支持，另一方面提供多种工具开发包，套件，函数库，等等，用于帮助完成软件优化和研发。

当合作伙伴的产品或方案进入市场，英特尔市场部会提供营销支持，通过案例推广、产品联合发布、媒体宣传、线下需求对接会等多种方式进行宣传推广，帮助合作伙伴的产品打开市场，获取商机。

诚然，从云原生、到AI原生的背后，也是从基础设施的优化、到应用层面智能的转变。其中，云原生提供了强大的基础设施支持，为AI原生应用的开发和运行提供了基础。而AI原生则在此基础上，通过集成大模型、生成式AI等技术，使得应用程序能够提供更加智能化的服务和体验。

03 新算力，重新定义新硬件

算力无所不在，不仅在创造原生应用，也在重新定义硬件，AIPC就是一个例子。

如同云计算在逐渐由云端主导过渡到边云协同，另外一方面，AI算力也将从数据中心逐渐向端侧延伸。在这当中，AIPC是其中的重要一环。此前英特尔预言，到2028年80%的PC将成为AI PC。

可见，PC正在AI时代重新焕发光彩。AIDC（AI算力中心）和AIPC（AI个人电脑），二者也相得益彰。

在云端，算力成本将随着用户量的增加而变得更加显性，AIPC有机会把一些不需要大量计算、对实时性要求不高、但需要及时反馈的日常需求用端侧的算力来解决，数据不出端，既保证了数据安全，又极大地降低企业部署的成本。

举例而言，假设一家涉及设计IP的企业，每个员工每天要向云端模型密集提问，为企业增加了订阅或者Token费用的同时，隐私安全也是绕不过的门槛。但如果这家企业的每个员工升级了AI PC，短期看成本或许会增加，但长期看其实降低了成本，优化了场景适配。

04 新生态，赋能新应用

无论是云原生，还是AI原生，关键都在于应用场景。因为只有当技术“能用”，才能发挥它真正的价值，这也是为什么创业公司永远在追求PMF（产品市场验证）的原因。

软积木创始人、微软MVP黄海峰在此活动上指出，“除了要把算力平台运行起来，更重要的还是转换成生产力，给社会、企业带来价值，要通过AI的应用去解决，通过平台去解决。”

对此，英特尔也一直在赋能软件生态建设。在AI产品布局的最上层“应用层”，英特尔提供了丰富的软件工具来加速AI发展，比如英特尔® oneAPI AI Analytics 工具套件、BigDL 和 OpenVINO™ 工具套件等，不仅能为开发者提供强大的AI开发和推理能力，也为跨英特尔硬件的异构执行提供支持。

值得一提的是，这些工具中的大部分都是开源软件。作为Linux Kernel、Kubernetes、云原生等领域的主要贡献者，英特尔不止一次对外强调，对于开源软件生态的建设与重视，通过与生态合作伙伴的开放的共赢的关系，为企业提供最好的解决方案。