提升AIGC端侧算力利用率 英特尔让AI走进千家万户

　　很多人都在欢呼AI时代的到来，但其实AI这个概念早在20世纪50年代就诞生了，而且一直都在高速发展和演化，并不是什么新鲜事物。

　　只不过，几十年来，AI一直都基本停留在专业领域或者特定行业，距离普通用户比较遥远，一般人很难真切感受到AI的力量。

　　ChatGPT最大的功劳，恰恰是将AI——确切地说是生成式 AI(AIGC)——带到了普通人的生活中。

　　有了ChatGPT和类似的应用，任何人只需一部普通的电脑或者手机，就能感受到AI给我们工作生活、娱乐休闲所带来的种种便利——一问一答就能获得自己想要的问题答案、几分钟就能完成一份漂亮的PPT……

　　另一方面，虽然这个时候几乎人人都在谈论AI，从跨国大企业到初创小公司似乎一夜之间都在完全围着AI做事，但是正如巴菲特的那句名言：“只有退潮了，才知道谁在裸泳。”也只有经历最初的喧嚣，才能看出谁才是认真做AI，谁才真正有实力做好AI。

　　近日，Intel举办了一场年度技术创新大会，AI自然是关键词中的关键词，“AI Everywhere”不仅体现在整个大会上，也体现在Intel的全线产品和解决方案中，这个话题我们之前也从不同角度探讨过很多次。

　　当然，作为软硬件实力都在这个星球上属于顶级行列的Intel，自然也是最有资格谈论AI的巨头之一。

　　正如刚才所说，AI无处不在，从产品到技术再到应用都有截然不同的丰富场景，普通用户能够最直接感受到的当属AIGC，包括文生文、文生图、图生图、文生视频、图生视频等等。

　　而要想实现足够实用的AIGC，从算力强大的硬件到参数丰富的大模型，从精确合理的算法到高效便捷的应用，缺一不可。

　　我们知道，在过去，AIGC更多在云侧服务器上，虽然性能、模型、算法都不是问题，但一则需要大量的资金投入，二则存在延迟、隐私等方面的不足。

　　因此，AIGC正越来越多地下沉到终端侧，让普通的PC电脑、智能手机也能跑AIGC，甚至可以离线执行。

　　Intel中国技术部总经理高宇先生在接受采访时就表示，关于终端侧运行AIGC的研究已经取得了丰硕的成果，比如最新的13代酷睿电脑，经国有化已经可以流畅运行70亿到180亿参数的大模型，尤其是70亿到130亿参数的运行效果相当好。

　　当然这些现在还处于起步阶段，目前的优化主要针对CPU处理器，下一步会充分发挥GPU核显的性能潜力，而代号Meteor Lake的下一代酷睿Ultra除了有更强的CPU、GPU算力，还会首次集成NPU单元，一个专用的AI加速器，峰值算力超过11TOPS，三者结合可以达到更好的效果。

　　对于PC端侧运行AIGC应用的具体落地实现，高宇举了个例子，Intel正在打造的一个开源框架BigDL-LLM，专门针对Intel硬件的低比特量化设计，支持INT3、INT4、INT5、INT8等各种低比特数据精度，性能更好，内存占用更少。

　　基于这个框架，使用i9-12900K处理器，只开启4个核心来运行ChatGLM2 60亿参数模型，生成效果就是相当迅速的，而打开全部8个P核、8个E核，效果更是堪称飞快，输出性能达到了每个Token 47毫秒左右，已经不弱于很多云侧计算。

　　之所以对比两种情况，因为有时候需要将全部算力投入AI模型的运算，而有时候可能还得兼顾其他任务。

　　可以看出，无论哪种情况，Intel PC侧都已经可以很好地完成相应的AI工作，提供令人满意的算力和效率。

　　此外，在LLaMA2 130亿参数大语言模型、StarCoder 155亿参数代码大模型上，Intel酷睿处理器也都能获得良好的运行速度。

　　换到Arc GPU显卡上，Intel硬件跑端侧AI同样神速，甚至更快，无论是ChatGLM2 60亿参数，还是LLaMA2 130亿参数、StarCoder 155亿参数，都是如此，ChatGLM2模型中甚至可以缩短到20毫秒以下。

　　当然，以上说的大模型可能距离普通人还有些远，而任何一项技术要想大范围普及，关键还是颠覆用户的切身工作、生活、娱乐体验，AI当然也不例外。

　　在高宇看来，基于以上大模型，AI在端侧的典型应用还是相当丰富的，而且会越来越多，有时候效果会更胜于运行在云侧。

　　比如超级个人助手，通过低比特量化，在PC侧可以获得更好的效果。

　　比如文档处理，包括中心思想提炼、语法错误纠正等等，PC侧不仅可以很好地运行，还有利于保护个人隐私和数据安全。

　　再比如如今大火的Stable Diffusion和衍生模型的文生图、文生视频应用，PC侧的算力也是足够的。

　　使用Arc A730M这样的笔记本独立显卡，就可以在几秒钟内完成高质量的文生图、图生图、图像风格转换等，从而极大地节省工作量，将更多精力放在创意上。

　　这足以证明，一台普通的笔记本在端侧运行大模型，使用普通独显甚至集显，依然可以获得足够快的响应速度和良好的体验，当然这也得益于Intel的专项优化。

　　当然，归根到底，AIGC应用在PC端侧的普及，离不开足够多、足够好用的生态软件。

　　这样的软件，一方面可以来自各种商业软件，他们本身就可以集成中小尺寸大语言模型，提供各种AIGC内容，一些创作软件甚至可以集成Stable Diffusion。

　　另一方面可以来自各家PC OEM品牌厂商，在自己的电脑中集成专门开发、优化的AIGC软件，预装提供给用户，让AIGC真正可用。

　　当然，端侧运行AIGC也不是万能的，一是算力不像云端那么强大，二是内存有限。

　　目前主流内存容量还是16GB，哪怕明后年普及32GB，可以承受的模型参数量也是有限的(130亿以下)，这就需要进行低比特处理，比如FP16转成INT4，还好在大语言模型中的问题回答质量只会有个位数的稍许下降，而在Diffusion模型中参数又不是很大，可以继续跑FP16精度。

　　事实上，AI研究虽然已经取得相当丰富的成果，未来必然影响每个行业、每个人，但AI依然处在早期阶段，广泛的AI工作负载涉及到不同的模型规模、模型类型、整体基础架构的复杂性，还要面临云侧、端侧、混合等不同环境的适应性，这些都要持续探索和优化。

　　相信随着像Intel这样有实力的大企业不但在AI应用上取得突破，尤其是将越来越多的AIGC应用带到端侧，让越来越多的人感受到AI的魅力，它必然会更加广泛、细致地深入我们的工作和生活，成为人们日常不可或缺的一部分，甚至在不知不觉中享受AI带来的便利。

　　这，才是技术造福人类的本源。