英特尔：以开放、安全解锁AI生态挑战

集微网报道 迎接未来无处不在的AI，英特尔认为需要在考虑开放性和可靠性的情况下开发广泛的解决方案。为此，英特尔在全面打造AI硬件和软件产品组合——从CPU、GPU和加速器到oneAPI编程模型、OpenVINO开发工具包和支持AI生态的库，以支持AI快速的规模化部署。

不止着力于提供多元化的软件生态工具，英特尔还站得更高走得更远。在2023英特尔on技术创新大会的第二天，英特尔公司首席技术官Greg Lavender发表了主题演讲，详细介绍了英特尔“开发者优先，推进开放生态”的战略原则，以及在促进AI与安全融合层面的布局之道。

“英特尔的AI软件战略建立在开放生态系统和开放加速计算的基础之上，旨在让AI无处不在。”Greg Lavender强调道。

开放的生态系统利于AI部署

Greg Lavender认为，开发者在应用AI满足多样化行业需求方面发挥着至关重要的作用，如果开发者在硬件和软件的选择上受到限制，那将阻碍全球AI的应用和价值创造。因而，自由选择最适合其需求的硬件和软件将是解决之道。

从目前来看，业界在部署AI方案时面临众多制约，如缺乏专业知识、资源的限制和昂贵的专有平台等。为了应对这些挑战，除在峰会上英特尔宣布全面推出英特尔开发者云平台，以及面向客户端和边缘平台上开发者的OpenVINO工具之外，英特尔还着力于加强与业界的开放协作，推动创建更开放的生态系统，以便跨多种架构轻松部署。

作为Linux基金会统一加速基金会的创始成员，英特尔旨在简化跨平台部署的应用程序开发。Greg Lavender表示，英特尔将向UXL基金会贡献其oneAPI编程模型，使代码只需编写一次即可部署在在多种计算架构包括CPU、GPU、FPGA和其他加速器上运行。

通过与领先的软件供应商 Red Hat、Canonical和SUSE合作，英特尔还为其发布的企业软件提供经英特尔优化的发行版，以确保这些软件面向全新英特尔架构进行了性能优化。

此外，英特尔将继续为包括PyTorch和TensorFlow在内的AI与机器学习工具和框架做出贡献。Greg Lavender表示，英特尔已与100多家人工智能初创公司合作，以加快创建AI解决方案。

为进一步助力开发人员有效地扩展性能，英特尔Granulate正在为Kubernetes的pod资源合理化添加Auto Pilot。Greg Lavender介绍，这一容量优化工具将为Kubernetes用户提供自动、持续的容量管理建议，使他们能够减少满足容器化环境的性价比指标所需的投入。同时 Granulate还为Databricks工作负载增加了自主协调功能，这将在不修改代码的情况下平均降低30%的成本，减少23%的处理时间。

解锁安全与AI的融合

随着AI部署的加快，全球越来越依赖AI解决大型复杂问题及取得真正的商业成功，因而也愈发需要保护AI模型、数据及其运行平台免遭篡改、操纵和盗窃。

对此Greg Lavender以AI与安全的融合为题强调了英特尔对端到端安全性的关注，强调英特尔正着力从多重维度出发解决AI端到端的安全挑战，包括英特尔的透明供应链、用于验证硬件和固件的完整性以及用于保护内存中敏感数据的机密计算。

为保护AI模型、数据和平台免遭篡改和盗窃，Greg Lavender称英特尔计划开发一款专用集成电路 加速器，以降低仅利用软件的全同态加密 带来的百万倍性能开销增长。而且，英特尔还将推出加密计算软件工具包的测试版，该工具包将使研究人员、开发人员和用户社区能够学习和尝试FHE编码。该工具包将作为全面上线的英特尔开发者云平台的一部分，在2023年晚些时候推出。

加强平台的安全和数据的完整性保障，英特尔也在着力推出新的工具和服务，其中就包括全面启动一项全新的验证服务。该服务是全新安全软件和服务套件“英特尔Trust Authority”中的首个功能。该服务提供对可信执行环境完整性和策略执行的独立评估，增强多云、混合、本地和边缘环境的安全性。

据悉，英特尔Trust Authority着力实现包括多方协作在内的新用例，将成为机密AI不可或缺的增强功能，帮助确保机密计算环境值得信赖。在这些环境中，敏感的IP和数据会在机器学习应用和模型中进行处理，特别是在当前和未来几代英特尔至强处理器上运行的推理任务。

Trust Domain Extension作为英特尔一套软硬件结合的解决方案，可在虚拟机 层面实现更高的机密性，从而更好地保护数据隐私，提高数据控制力。Greg Lavender表示，英特尔已推出全新的TDX架构元素，进一步协助客户机操作系统和虚拟机应用的隔离，无法被云端主机、系统管理程序和平台的其他虚拟机访问。目前阿里、微软、谷歌、IBM等云基础架构已支持TDX的新功能。

尽管目前AI的开发者们面临着诸多挑战，但英特尔致力于在开放、选择、信任和安全的基础上，广泛采用“软件定义、芯片增强”的方法以及与全产业链的通力协作来应对这些挑战，未来AI的部署也将走向“加速度”。