毫無疑問，目前全球軟體行業有兩個重要的趨勢：一方面是“軟體現在吞噬一切”，每一家公司都正在變成軟體公司；另一方面是“開源也在吞噬一切”，越來越多的公司也都在擁抱開源，回饋開源。
英特爾也不例外，過去幾年英特爾開始開啟了由“以PC為中心”向“以資料為中心”的業務轉型，而在“以資料為中心”的業務轉型當中，英特爾又提出了包括製程與封裝、XPU架構、記憶體與儲存、互連、安全、軟體在內的六大技術支柱。
目前，英特爾在軟體領域已形成了涵蓋韌體IP與BIOS、硬體驅動、作業系統、虛擬化和雲計算編排、底層系統庫、中介軟體與框架層以及執行庫、應用程式在內的強大軟體棧生態圈；除此之外，英特爾擁抱開源也超過20多年的時間，特別是在Linux Kernel/KVM 兩大社群中，英特爾程式碼貢獻量更是常年高居第一。
從這個角度來說，軟體已深深地植入到英特爾的“基因”之中。那麼，在數智化轉型的浪潮之下，英特爾又如何釋放自身軟體和開源開放的力量，推動新架構、新技術和新業務的加速落地呢？
軟體優先
我們知道，在今年8月舉辦的英特爾“架構日2020”活動上，英特爾公佈了包括Tiger Lake SoC、Xe GPU、SuperFin電晶體工藝、FPGA路線圖、oneAPI框架等一系列最新的技術進展，特別是Xe GPU的出現，也正式宣告英特爾完成了Scalar（CPU）、Vector（GPU）、Matrix（ASIC）、Spatial（FPGA）四大計算型別晶片的全覆蓋。
一是，軟體優先。從計算的角度來看，英特爾過去幾十年在CPU上構建的軟體生態是一筆寶貴的“財富”，這讓英特爾無論是在程式語言、系統庫還是工具鏈方面都有著強大的生態支援，但Xe GPU畢竟剛剛“嶄露頭角”，未來在圖形、多媒體、計算領域都需要更強大的軟體支撐，在這方面英特爾則可以利用現有的軟體生態作為基礎，為Xe GPU下一步的發展打下一個更好的起點和基礎。
三是，全新的計算負載和使用者場景。目前，面對越來越多樣化的工作負載和應用場景，傳統的軟體和解決方案已“疲於應對”，因此英特爾軟體未來的重點和方向，將是發展新的計算負載和使用者場景，這是未來的大勢所趨，也是英特爾差異化的價值所在。
不僅如此，在英特爾全新軟體策略的落地中，oneAPI無疑也扮演了一個十分關鍵的角色。在今年稍早之前，英特爾釋出了oneAPI的全新規範，12月又釋出了oneAPI的Gold版本，全新版本中核心是Data Parallel C++ （DPC++），這是建立在 C++ 和 Khronos SYCL 標準之上的語言，除了基於 LLVM/Clang 的 DPC++ 編譯器工具鏈外，oneAPI 還包含了許多庫，如深度學習的 oneDNN、作為數學核心庫的oneMKL、用於分析的oneDAL、用於執行緒的oneTBB，以及用於影片處理的oneVPL 等軟體元件。
謝曉清認為，oneAPI能夠給開發者帶來三個方面的價值：包括能給開發者一個非常友好的程式設計環境，使得開發者可以自由選擇它的硬體平臺；英特爾提供的編譯器、系統都是高度最佳化的，因此開發者可以實現最大化的硬體產能，並且能以最優的方式支援不同異構計算的硬體加速。此外，它的開發模式非常快速、高效，這樣就使得原碼的維護成本可以達到最低。
“oneAPI的口號是‘No Transistor Left Behind’，而今年12月份推出的全新Gold版本將會率先支援CPU和GPU，今後oneAPI還會陸續支援其他的AI硬體加速以及FPGA等計算晶片，這樣就能讓開發者可以更快速有效的完成軟體的開發工作。”她說。
由此可見，在“軟體優先”策略的推動之下，同時藉助oneAPI這樣全新的開發工具，英特爾正在使未來多計算架構的軟體普及化變為“新常態”，相信也能夠更好的支援更廣泛的行業生態系統和更多的開發者，在統一軟體架構的賦能之下，實現應用開發創新的“新演進”。
開源開放
除了強化軟體的價值之外，面對資料、演算法、算力共同驅動的人工智慧浪潮的興起，英特爾也在開源開放方面加大了投入，其中最為標誌性的事件就是去年6月英特爾在中國宣佈設立了大資料分析和人工智慧創新院，希望加快統一的大資料分析和人工智慧技術的創新和應用。
在英特爾大資料技術全球CTO、大資料分析和人工智慧創新院院長戴金權看來，AI已成為了當下中國產業升級和企業數字化轉型中的新動能和驅動力，但是AI要走向更為廣泛的產業應用，其實是一項非常複雜的精細化工程。
在此過程中，開發者往往會遭遇兩大挑戰：一方面是資料量非常龐大，開發者面臨著如何將AI演算法應用到複雜的資料中去；另一方面是資料非常複雜，不同行業的AI演算法定製程式碼工作量大，耗時長，無法快速實現業務上線，比如在資料標註與準備階段，資料標註與準備就非常耗時費力，約佔整體開發時間50%，所以業界常說“沒有人工就沒有智慧”，因此如何將AI直接應用到大資料的生產環境之中，並且能夠無縫的進行大規模的擴充套件，以達到最好的AI應用效果是目前的“當務之急”。
面對這種行業難題，英特爾也開源了一款大資料 AI 的開源軟體平臺Analytics Zoo，Analytics Zoo構建在oneAPI底層的加速庫最佳化框架之上，能夠將資料做並行化處理，無論開發者用的是TensorFlow、PyTorch、spark，Flink、Ray都可以很容易地實現部署，而不用再去做最佳化，最後Analytics Zoo都會自動完成叢集排程和分散式計算，讓整個AI的開發過程變得“行雲流水”。
戴金權表示，Analytics Zoo具備端到端大資料+AI的軟體能力，其中底層提供資料流水線的能力，能夠幫助開發者直接無縫的將AI模型執行在其分散式大資料上；中間層提供機器學習的工作流，能夠將很多人工的作業、人工的任務自動化起來；最上層，則構建了非常多的不同應用場景，包括推薦系統、時間序列分析、計算機視覺以及自然語言處理等，這也意味著大資料+AI能夠以一站式開發的全新方式，進入高度自動化、智慧化的新時代。
客觀的說，Analytics Zoo不僅實現了賦能行業大資料+AI的應用開發者，更全面提升行業了AI的開發效率和落地效果。“我們一直致力於將前沿的創新技術帶給開發者，無論是2016年開源的BigDL，還是兩年前開源的Analytics Zoo，目的都是希望把端到端的大資料和AI打通，在此基礎上我們又陸續加入了AutoML等新技術，這些開源平臺、開源專案的出現，可以讓更多的開發者輕鬆構建實際的應用場景。”戴金權告訴我。
不難看出，當英特爾透過oneAPI打通了底層的架構之後，又透過Analytics Zoo等開源軟體平臺提供了一種全新的行業AI落地方式，可以說無論是對行業開發者，還是對AI走進千行百業而言，都會產生巨大的作用和價值，真正讓大資料+AI“無所不及”。
賦能創新
今天，隨著軟體優先和開源開放策略的落地，英特爾的行業賦能創新之路也越走越寬、越走越有力量。
例如，英特爾oneAPI和最新發布的GPU—SG1就在整個安卓雲遊戲的框架中就起了非常多的作用，這一方案有望在騰訊雲上率先完成產品化。據介紹，在CPU端英特爾用容器的技術把安卓應用跑到輕量級的容器當中，這樣就能充分利用英特爾至強的計算能力，提供雲端協同的殺手級應用。在此基礎上，英特爾Server GPU強大的圖形渲染能力以及多媒體編解碼能力，則能夠幫助使用者利用獨立GPU把雲遊戲的圖形介面在雲端直接渲染，並且利用流媒體的方式，把它編碼之後直接釋出到終端。
騰訊先遊雲遊戲平臺副總經理Allen Fang，就對該方案就給予了很高的評價，認為在至強可擴充套件處理器和獨立顯示卡的支援下，英特爾提供了高密度、低延遲、低功耗、低TCO的解決方案，一個有兩張SG1顯示卡的至強伺服器就能執行超過100個遊戲例項，包括《傳說對決》和《王者榮耀》這類流行的遊戲。
再如，金風慧能也基於Analytics Zoo為紐帶，利用深度學習與機器學習的方法，結合風機級氣象預報、風軌跡模擬等氣象預報資料，以多模型組合的方式來構建用於功率預測的全新智慧方案。
該方案中透過Analytics Zoo，金風慧能把Spark、TensorFlow、Keras及其軟體和框架無縫整合到同一管道中，這樣就能更好的將資料儲存、資料處理以及訓練推理的流水線整合到統一的基礎設施上，減少用於硬體管理及系統運維的成本。
此外，Analytics Zoo不僅可為方案提供統一的端到端分散式方案，還能幫助使用者提升系統的開發部署效率和可擴充套件性，特別是在時序資料分析方面提供更強的助力。測試資料顯示，金風慧能最終的風電功率的準確率從最初的59%左右提升到79%左右，在提高風電功率預測準確率的同時，也大大提高了端到端訓練的效率。
總的來看，異構計算的興起，結合無處不在的海量資料，以及利用深度學習不斷演進的演算法催生出的智慧化浪潮，其所產生的實際應用效果和商業影響力遠遠超出了以往。
在此過程中，英特爾透過不斷的創新，透過oneAPI提供的統一平臺和Analytics Zoo的開源開放，無疑最大化的幫助企業快速構建了一套端到端的資料分析加AI的解決方案，徹底解決了從底層架構、資料收集、資料預處理、訓練到模型部署的所有問題，不僅實現了快速響應不同行業、不同場景的定製需求，更讓行業“普惠AI”之路從夢想真正變為了現實，其價值可謂“不止於眼下，更關乎未來。”