人工智能和高性能计算为创新

有了大规模分布式并行数据仓库处理海量的结构化数据，企业还需要在同一平台上处理各类非结构化数据，并应用人工智能和高性能数据分析等，为企业业务创新打开新的空间。过去，企业采用不同的架构处理高性能计算与人工智能计算，而现在的技术进展而让企业可以统一融合处理不同类型的数据和计算。

　　高性能计算集群是为人工智能（包括机器学习和深度学习）和高性能数据分析等领域内的严苛工作负载提供大规模计算资源的理想平台——这些工作负载都有着相似的需求，即在与高性能网络结构关联的强大计算内核上高效运行以及高性能共享储存。随着企业和学术机构必须支持不断增长且日趋复杂的人工智能和数据分析工作负载，就催生了采用高性能计算基础设施运行这些工作负载的需求。

　　而若要将多种类型的工作负载聚集到单个集群基础设施，就会导致资源管理、网络使用和存储使用等领域面临多重挑战。从根本上来说，这些挑战源自于每种类型工作负载的资源管理器在设计之初并没有考虑彼此之间的互操作性。但例如在计算机视觉等需要深度学习网络基础设施的应用领域，其实并不需要全天运行这些工作负载，这意味着专用基础设施经常处于空闲状态，可能会给组织带来高昂的成本。与用高昂的专用硬件专用环境相比，采用基于英特尔架构的通用服务器构建而成的共享集群，要更加高效得多。

　　越来越多的企业和机构开始在融合集群上运行仿真和建模、人工智能与数据分析的工作负载。英特尔正在开发功能和解决方案架构，希望能够在不干扰生产应用和工作负载的同时，帮助简化工作流程。第二代英特尔至强可扩展处理器旨在实现跨工作负载的更可靠计算集群，包括：先进的高性能计算性能，在一项近期的测试中，与3年机龄的系统相比，基于第二代英特尔至强可扩展处理器的平台在高性能计算CPU基准测试中可使平均性能提高多达3.7倍，而与竞争处理器相比则在LINPACK CPU基准测试中可将性能提升高达5.8倍；改进的人工智能推理，测试显示，与竞争处理器相比，集成了英特尔深度学习加速的第二代英特尔至强可扩展处理器可使图像分类推理性能提升高达25倍；可通过英特尔傲腾数据中心级持久内存提升工作负载性能，借助该创新的内存技术可以将更大量的数据移到更接近处理器的位置，企业组织可快速地、大规模地处理数据密集型高性能计算和人工智能工作负载。

　　英特尔和软件生态系统成员的研发工作正帮助越来越多的组织将仿真和建模、人工智能和数据分析工作负载成功融合到单个基础设施上，以更低成本、更高效率、更易管理来实现智能助手、聊天机器人、增强诊断、药物开发、智慧城市、自动驾驶等人工智能与高性能计算场景。例如，英特尔与谷歌建立了长期联合研发合作，共同优化TensorFlow。

　　计算、内存、网络和存储性能增强后的融合，再加上软件生态系统的优化，使英特尔至强可扩展处理器成为全面虚拟化的软件定义数据中心的理想平台，无论是在内部部署、通过网络部署还是在公有云中部署，数据中心都能根据工作负载的需求，动态地自动配置资源。 由于无需构建和运行多个集群，融合可显著减少数据中心的资本支出。而搭载集成式英特尔QAT和英特尔PlatformTrust技术的英特尔密钥保护技术，可通过在空闲、使用中、忙碌三种状态下提供高效的密钥和数据保护，从硬件层面增强平台的安全性。

　　标签：数据管理分析平台