AI漫長的歷史中，ChatGPT絕對是濃墨重彩的一筆。正是它引爆了AI大模型概念，也讓以往高高在上的AI飛入了尋常百姓家，開始融入每個人的日常工作、生活，AI PC、AI手機、AI邊緣也都在大踏步前進，變革千行百業。

有調研數據顯示，預計到2026年，AIGC相關投入將超過3000億美元，到2028年，80％以上的PC都會轉換成AI PC，而在邊緣應用中AI的普及率也將超過50％。

AI大模型等應用最需要的當然是高算力，GPU加速器隨之變得炙手可熱，但是AI的發展與變革同樣是多元化的，CPU通用處理器、NPU神經網絡引擎也都在各司其職，貢獻自己的力量。

尤其是傳統的CPU，也在緊跟時代的腳步，全方位擁抱AI，Inte第五代至強(Emerald Rapids)就是一個典型代表。

Intel 2023年初發布的第四代至強(Sapphire Rapids)，年底就升級為第五代，速度之快前所未有，主要就是為了跟上形勢，尤其是AI的需求，很多指標都是為此而優化的。

這包括更多的核心數量、更高的頻率、更豐富的AI加速器，都帶來了性能和能效的提升，對于AIGC非常有利。

還有多達3倍的三級緩存，可以減少對系統內存的依賴，內存帶寬也同時進一步提升。

軟件生態方面，Intel提供了全方位的開發支持與優化，尤其加大了對主流大模型、AI框架的支持，特別是PyTorch、TensorFlow等等，在AI訓練、實時推理、批量推理等方面，基于不同算法，性能提升最多可達40％，甚至可以處理340億參數的大模型。

根據Intel提供的數據，五代至強SPECInt整數計算性能提升21％，AI負載性能提升最多達42％，綜合能效也提升了多達36％。

具體到細分領域，圖像分割、圖像分類AI推理性能提升最多分別42％、24％，建模和模擬HPC性能提升最多42％，網絡安全應用性能提升最多69％。

網絡與云原生負載能效提升最多33％，基礎設施與存儲負載能效提升最多24％。

有趣的是，Intel指出五代至強也有很高的性價比，其中一個評估標準就是同時支持的用戶數，五代至強可以在BF16、INT8精度下同時滿足8個用戶的實時訪問需求，延遲不超過100ms。

五代至強的優秀，也得到了合作伙伴的驗證，比如阿里云、百度云都驗證了五代至強運行Llama 2 700億參數大模型的推理，其中百度云在四節點服務器上的結果僅為87.5毫秒。

再比如京東云，Llama 2 130億參數模型在五代至強上的性能比上代提升了多達50％。

接下來，Intel至強路線圖推進的速度同樣飛快，今年內會陸續交付Granite Rapids、Sierra Forest兩套平臺，均升級為全新的Intel 3制程工藝。

其中，Sierra Forest首次采用E核架構，單芯片最多144核心，雙芯整合封裝能做到288核心，今年上半年就能問世。

Sierra Forest主要面向新興的云原生設計，可提供極致的每瓦性能，符合國家對設備淘汰換新的要求，而且因為內核比較精簡，可以大大提高同等空間內的核心數量。

緊隨其后的Granite Rapids，則依然是傳統P核設計，具備更高頻率、更高性能。

Granite Rapids針對主流和復雜的數據中心應用進行優化，尤其是大型程序，可以減少對虛擬機的依賴。

到了2025年，Intel還會帶來再下一代的至強產品，代號Clearwater Forest，無論制程工藝還是技術特性抑或性能能效，都會再次飛躍。

那么問題就來了，Intel至強的更新換代如此頻繁，尤其是五代至強似乎生命周期很短，它究竟值不值得采納部署呢？適合哪些應用市場和場景呢？

五代至強發布之初，Intel從工作負載優化性能、高能效計算、CPU AI應用場景、運營效率、可擴展安全功能和質量解決方案五個方面進行了介紹。

現在，我們再換一個維度，從另外五個方面了解一下五代至強的深層次價值。

一是制程工藝改進。

五代、四代至強都是Intel 7工藝，都采用了Dual-poly-pitch SuperFin晶體管，但也改進了關鍵的技術指標，特別是在系統漏電流控制、動態電容方面，它們都對晶體管性能有很大影響。

通過這些調整，五代至強在同等功耗下的整體頻率提升了3％，其中2.5％來自漏電流的減少，0.5％來自動態電容的下降。

二是芯片布局。

受到芯片集成復雜度、制造技術的限制，現在主流芯片都不再是單一大芯片，而是改為多個小芯片整合封裝。

四代至強分成了對稱的四個部分，做到最多60核心，五代至強則變成了鏡像對稱的兩部分，核心數反而提升到最多64個。

之所以如此改變，是因為切割的小芯片越多，彼此互相通信所需要的控制器、接口和所占用的面積也更多，還會額外增加功耗，并降低良品率。

通過芯片質量控制，五代至強可以更好地控制芯片面積，并且在相對較大的面積下獲得很好的良率，鏡像對稱的布線也更靈活。

這是五代至強單個芯片的布局圖，可以看到中間是33個CPU核心和二三級緩存，其中一個核心作為冗余保留。

左右兩側是DDR5內存控制器，上方是PCIe、UIPI控制器，以及DLB、DSA、IAA、QAT等各種加速器，底部則是EMIB封裝和通信模塊，用于雙芯片內部高效互連。

說到連接，五代至強使用了高速內部互連Fabric MDF，包括七個SCF(可擴展一致性帶寬互連)，每一個都有500Gbps的高帶寬，讓兩顆芯片在邏輯上實現無縫連接。

三是性能與能效。

看一下五代至強的關鍵性能指標：

－ CPU架構升級到Raptor Cove，13/14代酷睿同款。

－ 核心數量增加，最多60核心來到最多64核心。

－ 三級緩存擴容，平均每核心從1.875MB增加到5MB，這是歷代提升最大的一次。

－ DDR5內存頻率從4800MHz提升到5600MHz。

－ UPI總線速度從16GT/s提供到20GT/s。。

－ 芯片拓撲結構更改，四芯片封裝改為雙芯片。

－ 待機功耗降低，通過全集成供電模塊(FIVR)、增強主動空閑模式等技術實現。

四是三級緩存。

至強處理器以前每核心的三級緩存都只有1-2MB，這次直接來到了5MB，總容量最多達320MB。

在數據集不是很大的情況下，三級緩存本身就可以基本承載，無需轉移到系統內存，從而帶來極大的性能提升。

但是，緩存容量并不是單純堆起來的，因為大緩存會面臨可靠性問題，尤其是在大規模數據中心里存在一個比特反轉的軟故障，緩存越大，故障幾率越高，當錯誤足夠多而無法糾正的時候就會導致系統宕機。

這就需要超強的糾錯機制，五代至強就采用了新的編碼方式DEC、TED，一個緩存行出現兩個位錯誤的時候也可以糾正，三個位錯誤的時候也可以檢測，比傳統單位糾錯、兩位檢錯有著更強的容錯性，此外還有一些新的數據修復方案。

五是內存IO。

DDR5-4800升級到DDR5-5600，看似幅度不大，但其實很不容易，因為內存速度提升后，從芯片到基板需要全線進行優化匹配，包括供電和噪音控制等。

為了保證高頻下的信號完整性，五代至強還加入了4-tap DFE功能，盡可能減少碼間干擾(ISI)。

最后再單獨說說基于至強這樣的通用處理器的AI負載應用，以及相應的解決方案。

其實，AI應用并非只是大模型，還有大量的傳統非大模型AI應用，都非常適合在CPU上部署。

比如基因測序這樣的科學計算，2018年至今，至強每一代都有顯著提升，因為科學計算很多時候就是“暴力”計算，最考驗CPU的處理能力。

除了硬件上的支持，Intel還有強大的軟件生態優化，包括基于OpenVINO對整個模型進行優化、量化，在推薦、語音識別、圖像識別、基因測序等方面Intel都做了大量的優化。

比如模型非常大的推薦系統、稀疏矩陣等應用，CPU的效率其實優于GPU，因為單個GPU不夠用的時候就得跨GPU，或者和CPU頻繁交互傳輸，而在與內存互通方面CPU的效率是更高的。

其他像是網絡、數據服務、存儲等等，至強無論性能還是能效都在行業處于領先地位，更關鍵的是系統故障率非常低。

對于通用的AI工作負載，Intel采用了AMX、AVX-512兩個指令集，并基于OpenVINO進行優化。

AMX適合處理BF16、INT8數據類型，比如推薦系統、自然語言處理、圖像識別與目標檢測等等。

AVX-512適合處理FP32、FP64數據類型，比如數據分析、機器學習等等。

在推理的過程中，指令集還可以進行靈活切分，通過加速器定向加速某一部分，替代基于GPU的AI模型是完全沒有問題的。

事實上，AI只是工作負載的一部分，更多的是通用負載，很多深度學習模型也都是“混合精度”，四代、五代至強運行它們的時候都可以根據需要在AMX、AVX-512之間靈活無縫切換。

針對大模型的加速，Intel也推出了自己的框架BigDL LLM，有很多框架層針對CPU進行了大量的優化，并針對模型做了量化。

另外，Intel擁有開放的生態，行業伙伴和友商都可以直接納用，這對Intel自身來說也是一件好事，可以帶動整個生態的發展，讓Intel的解決方案得到更廣泛的普及。

總的來說，在這個AI時代，CPU、GPU、NPU等各種計算引擎都有自己的獨特優勢，都有自己的適用場景和領域，不存在誰取代誰，更多的是靈活的選擇與協同的高效，需要結合具體業務的能效、成本等多方面綜合考慮。

CPU作為最傳統的通用計算引擎，始終都會占據不可替代的地位，無論是作為整個計算平臺的中心樞紐，還是對各種通用負載、AI負載的靈活處理，未來依然可以橫刀立馬！