導讀：一文帶你了解CPU如何在人工智慧應用中大放異彩。
說到自動駕駛，許多人都會第一時間想到特斯拉。
沒錯，特斯拉作為一款顛覆性的電動車，不僅僅改變了傳統意義上大眾對於電動車的種種歧視和誤解，更是憑藉出色的自動駕駛技術吸引了不少目光。「你甚至不用自己開車、只要安然而坐就能穿行於車流中」，有位朋友在體驗後這樣對我說。
也正是在特斯拉的帶動下，電動汽車掀起了新一輪科技化的高潮，包括國產的蔚來、小鵬等新能源車型和眾多傳統汽車廠商都在自動駕駛層面下功夫，從之前的L2到如今的L3，自動駕駛的技術也在不斷成熟當中，自主泊車、60km/h以下的輔助駕駛已經不再是科幻電影中的場景。
但如果我們將視野放大，從汽車到飛機再到輪船，我們就會發現其實自動駕駛早已在公共運輸領域實現。眾所周知，我們日常乘坐的飛機都具備了完善的自動駕駛功能，除起飛與降落階段需要人工幹預之外，大部分飛行都是來自於飛機的自動巡航。
最難的恐怕就是船舶了。不要說相對於飛機，就是相對於汽車，船舶自動駕駛要晚一些，但是在發展速度上卻絲毫不遜色，可謂是「厚積薄發」。在2019年，芬蘭在帕拉寧和諾沃之間的一次航行中，公開展示了它所稱的「世界上第一艘完全自主駕駛的渡輪」，而主導並提供這次航行技術的公司業內大名鼎鼎的Kongsberg Group康士伯集團下屬企業羅爾斯-羅伊斯船務公司。
單獨提起羅爾斯-羅伊斯這個名字大家可能覺得有些陌生，但是看到這個公司的標誌所有人都會恍然大悟。沒錯，這家公司一直以生產頂尖產品著稱，比如陸上行駛的勞斯萊斯汽車，比如空中飛行的羅爾斯-羅伊斯發動機。而正是看中了羅爾斯-羅伊斯出色的技術能力，康士伯集團斥資5億美元對其進行了收購。
由此也有了「世界上第一艘完全自主駕駛的渡輪」。這裡我們需要說明的是，所謂的完全自主英文叫做「autonomous」，這裡的autonomous可以翻譯成自主或者自治。相對於我們常規理解「自動駕駛」來說，自主更強調了決策的能力，即船舶在無人幹預的情況下也能完成任務。不過考慮到閱讀與行文的方便，這裡我們統一使用「自動駕駛」的說法。
許多人可能對船舶的自動駕駛還存有疑惑。相對於飛機和汽車來說，船舶距離大多數人生活比較遠，而且許多人印象中船舶的航行速度並不快，似乎廣袤的海洋也沒有交通堵塞的問題。但其實，船舶航行也同樣會面臨交通風險，而且相對於只能在陸地二維平面行駛的汽車來說，船舶的行駛環境是三維的，因此更需要自動駕駛的能力。
最好的例子就是鐵達尼號。大家都知道鐵達尼號撞擊冰山沉沒，但很少有人知道這場悲劇其實可以避免——當鐵達尼號大副威廉·默多克發現遠在兩英裡外的冰山時，他立即向舵手羅伯特·希契斯發出了「右滿舵」的命令，如果希契斯按照指令正確操作，「鐵達尼號」完全有足夠時間避開迎面而來的冰山！
然而，希契斯在慌亂之中，竟理解錯了默多克的指令轉錯了方向舵！他沒有按照命令將船頭向左拐，而是將船頭往右拐！雖然大副默多克發現了希契斯的錯誤，並命令他立即糾正錯誤，可為時已晚。試想一下，如果是自動駕駛來控制遊輪，是否還會有撞上冰山的悲劇呢？
據安聯保險提供的《2018年安全與航運報告》顯示，2011至2016年間，有四分之三的航運保險損失是人為錯誤造成的，共計損失16億美元；過去10年間，有1129艘船舶在海上失蹤，而這其中海上擁堵就是重大風險因素。換句話說，無論是從規避人工風險還是提升航運效率、緩解擁堵的角度，船舶自動駕駛都是勢在必行。
如此也有了我們剛剛提到的康士伯集團在芬蘭的船舶自動駕駛測試。正如汽車自動駕駛需要車聯網、5G、邊緣計算等眾多技術的支持一樣，船舶自動駕駛更需要強大的計算能力。不過與汽車受限於空間不同，船舶的空間冗餘很多，特別是對於郵輪來說空間問題完全不在話下——最關鍵的是如何搭載強大的計算系統實現自動駕駛。
這也正是英特爾一直在考慮的問題。作為業界領先的計算解決方案提供商，英特爾旗下有包括至強可擴展家族在內的多款產品，加之特色的人工智慧優化平臺和軟體，能夠為康士伯集團提供軟硬體一體化的服務。也正因為如此，在雙方合作之後，康士伯集團的船舶自動駕駛平臺也從GPU轉向了CPU。
這可謂是人工智慧業界的一股「清流」。我們知道，如今許多汽車自動駕駛平臺都是基於GPU計算來實現的，包括許多圖像的處理都需要藉助於GPU的強大能力。但是在康士伯集團看來，GPU在應用層面過於繁瑣，還需要專業的優化。相比之下英特爾提供的CPU平臺無論是在適用性、易用性還是在性能表現上都遠遠超過GPU。
基於這一點，康士伯集團很快將原有設備更換為英特爾至強鉑金8153處理器平臺，搭配英特爾針對AI工作負載的專業軟體，加之英特爾工程師團隊的調優，使得康士伯集團原有的TensorFlow自動駕駛模型得到了大大加強，性能較未優化之前提升了4.8倍。
這是一個了不起的數字，也充分證明了CPU在人工智慧應用中同樣可以大放異彩，甚至打破了客戶對於GPU的「迷信」。TensorFlow是目前最常用的開源深度學習平臺，這次測試更說明英特爾至強處理器對於人工智慧應用有著較好的適應性，未來也會有更多TensorFlow的用戶加入其中。
那麼，英特爾是如何做到這一點的呢？這就不能不提到OpenVINO，它是英特爾推出的一款全面的工具套件，用於快速部署應用和解決方案，支持計算機視覺的CNN網絡結構超過150餘種。依託卷積神經網絡 (CNN)，OpenVINO能夠跨英特爾硬體（包括加速器）擴展工作負載，大幅提高性能，幫助開發人員創建模擬人類視覺的解決方案。
比如我們進行某項人工智慧的應用研究。當模型訓練結束後，上線部署時，就會遇到各種問題，比如模型性能是否滿足線上要求、模型如何嵌入到原有工程系統、推理線程的並發路數是否滿足等等，這些問題決定著投入產出比。只有深入且準確的理解深度學習框架，才能更好的完成這些任務，滿足上線要求。實際情況是，新的算法模型和所用框架在不停的變化，這個時候恨不得工程師什麼框架都熟練掌握，令人失望的是，這種人才目前是稀缺的。
OpenVINO的出現就解決了這個問題。OpenVINO可以同時兼容各種開源框架訓練好的模型，擁有算法模型上線部署的各種能力，只要掌握了該工具，你可以輕鬆的將預訓練模型在英特爾至強平臺上快速部署起來。這也使得原本對於使用人員的要求大大降低了，藉助於OpenVINO即便是新手也能應付自如。
在AI工作負載中，OpenVINO提供了深度學習推理套件（DLDT)，該套件可以將各種開源框架訓練好的模型進行線上部署，除此之外，還包含了圖片處理工具包OpenCV，視頻處理工具包Media SDK。正是有著如此豐富的功能和可操作、易上手的應用特性，才使得OpenVINO能夠在實際應用中大放異彩。當然對於康士伯集團這樣龐大的應用來說，僅有OpenVINO還是不夠，英特爾還為其配置了另一款神器——英特爾Python分發版。
Python是目前許多人接觸編程的第一關，也是最普遍的程式語言。英特爾Python分發版則為用戶提供了一個例程集合，為常見的數據科學相關任務(如線性代數或快速傅立葉變換)提供更好的性能。相對於傳統編程的繁瑣，英特爾Python分發版只需微調代碼即可提高 Python 應用程式的性能、加速 NumPy、SciPy和 scikit-learn庫、訪問最新的矢量化和多線程指令等等。
全新的工具也為康士伯集團的船舶自動駕駛帶來了全新的發展機會。經過測試，全新部署的至強可擴展平臺與未經優化的平臺相比吞吐量提升了4.5倍，而單靠英特爾OpenVINO工具套件分發版依然可以獲得2.4倍的性能提升。正如康士伯集團項目經理Jaakko Saarela所說的那樣：「英特爾為我們提供了新工具和新的做事方法，讓我們能夠挖掘更多可能性，收穫使用更為標準化的伺服器平臺的種種好處」。
如今，在英特爾至強可擴展處理器和OpenVINO、Python分發版等一眾軟硬體結合的平臺支持下，康士伯集團自主研發的Intelligent Awareness產品已經有了長足的進步。藉助於雷達探測遠距離物體，Intelligent Awareness用高清攝像頭拍攝船舶前方海域180度視野景象，並高亮顯示任何潛在危險，尤其是在黑暗環境或惡劣天氣條件下，這款產品無疑大大降低了航海者的風險。
可以說，無論是汽車、飛機還是船舶，自動駕駛都是大有裨益的。對於康士伯集團這樣業界頂尖的企業來說，一方面自動駕駛可以讓航行變得更安全、船員可以根據系統建議選擇適合自己的方式，另一方面自動駕駛也可以幫助集團節省大量的人員開支和燃油消耗，有效降低企業運營成本。
當然這背後，都是得益於英特爾強大的計算能力和軟體優化能力，這也代表了英特爾不僅在以往能夠成為業界的領軍者，在智能化、數位化的未來也同樣能夠引領人工智慧應用的發展。
正如Saarela所說：「我原以為我們永遠都擺脫不了GPU，但這些結果改變了我的想法，讓我看到了使用CPU的可能性。」
英特爾，正在成為自動駕駛領域的「領航者」。