最近一段時間，有人提出：“未來3年，只有含AI量高的企業，才能活下來。”之所以有這樣的觀點，是因為這今年，AI真的不一樣了。

雖然行業一直在熱捧AI，但實際上，AI這個概念實際已經轉動了好幾輪，并且歷經了三次低潮。而這一次，當行業力大磚飛地用大參數量驅動模型“智能涌現”，使得生成式AI成為現實，AI也愈發具備生產力。

未來AI會無處不在，打個比方，比如進家門后，你順手就把背包掛在了門口的掛鉤上，但你平時從來察覺不到它的存在，有當包掉到地上你才知道有這么一個掛鉤。未來的AI，一定會潛移默化地影響你的生活，融入到你的生活和工作中。而這一切，都需要每個企業進行改變。

企業AI，是英特爾最新提出的概念。日前，英特爾對其企業AI進行了一次詳細解析，同時其合作伙伴也宣布了其與英特爾合作的最新進展。

企業AI，英特爾三步走

英特爾中國軟件技術合作事業部唐炯認為，讓AI無處不在，需要加速創新、價值最大化、靈活部署，英特爾企業AI的戰略也圍繞這三點進行。

首先，在加速創新方面，英特爾的關鍵詞是開放、多樣、可靠性和規模化。

開放指的是圍繞軟件、應用，面向個人和企業開發者提供更加開放的資源平臺，比如在工具層面提供PyTorch、TensorFlow、Python等可編程開放環境，幫助更多人實現應用創新。

多樣指的是在算力層面提供了oneAPI、OpenVINO等開源工具，支持一次編程，適配XPU異構平臺，無需重新編程。

可靠性指的是通過不同的軟件模塊提高推理的準確性和可靠性。目前AI推理還存在一定問題，對于企業級AI，90%或95%的準確率往往不可接受，尤其在醫療領域，因此這是英特爾重點關注的問題。

規模化指的是為客戶提供更多低門檻的POC機會，讓創新者能在可靠的平臺上進行測試、驗證和優化，因為在創新的過程中，測試和POC（概念驗證）成本較高，阻礙了很多開發者。

其次，在價值最大化方面，英特爾會將最合適的工作負載放到最合適的平臺上。

在AI時代，云計算的傳統邏輯被打破，無論是AI加速器還是GPU，都幾乎沒有空閑時間。因此，為了實現價值最大化，必須在云、邊、端等不同場景靈活部署AI解決方案。

例如，醫院的數據需要在邊緣設備上處理，PC的算力也可以用于分擔云端的AI成本，這有助于優化整體部署成本。

最后，在靈活部署與運行方面，英特爾會解構現有解決方案，以便讓每個合作伙伴專注于其最擅長的領域，并通過透明、靈活的部署減少手動編碼的需求。這種解構將幫助企業提供最合適的AI解決方案，實現真正的能力落地。

根據唐炯的解析，如今整個AI堆棧都非常復雜，涉及不同層次的算力基礎、操作系統、大數據和應用等，因此如何靈活部署AI解決方案成為關鍵。英特爾提出了 OPEA（Open Platform for Enterprise AI）的概念，即通過開放的平臺，匯聚各方代碼和模塊，形成完整的企業級AI應用。

OPEA在今年上半年正式推出，吸引了全球頭部ISV和國內廠商的參與。隨著未來更多異構計算、創新應用和數據管理解決方案通過開源社區共享與優化，這種開放、透明的配置方式能夠減少應用的風險，使其更加靈活和高效。“期待更多中國軟件行業合作伙伴加入，共同為開源社區貢獻力量。”唐炯如是說。

企業AI來到了云、邊、端

戰略不能只停留在概念階段，企業AI目前已經惠及到產業，東方國信、海鑫智圣、星環科技便分享了自己與英特爾的合作。

東方國信副總裁兼CTO查禮表示，AI時代會有三點變革，一是硬件環境的變革，從原來主要集中在通算密集型應用的硬件環境，切換到XPU密集型計算，也就是包含GPU、ASIC等的密集型計算；二是交互體驗的變革，從原來的圖形界面，點按鈕、點菜單，變成自然語言NLP交互；三是開發模式的變革，現在可以利用提示詞，讓大模型幫忙生成代碼，譬如一些代碼注釋、測試用例，或是相應文檔；四是應用構建的變革，就比如英特爾的OPEA項目便是一種應用構建的變革。

東方國信與英特爾的合作已經持續五年，在各種各樣前沿計算技術領域都與英特爾開展合作，包括數據庫、大數據、判別式AI和生成式AI。舉個典型的合作案例，在大數據方面，東方國信一個工作內容是Spark集成英特爾Gluten + Velox + 英特爾QAT/AVX512，即利用現有CPU上向量化的指令集來加速數據處理的性能，它能在不增加用戶投資的前提下，提升一倍以上的性能，換句話說，原來需要一個小時的數據加工，現在半小時就可以做完。

另外，目前東方國信和英特爾合作還包括幕僚產品體系的訓推一體機，這個一體機應用在企業級層面與OPEA不謀而合，企業級AI平臺就是希望有一個自有的、專有的、私有化部署的硬件平臺，和這樣的一個行業模型，把這些軟、硬件打包在一起，開箱即用端到端交付給企業級用戶，這是目前正在和英特爾合作的一個重要內容。

海鑫智圣總經理孟凡軍表示，與英特爾的合作中，會通過各種各樣的算法去處理器數據集，如果把云端的算法放到具體的場景中，其精度會發生很多變化。作為AI廠商不能把所有的理論停留在紙上，而是要給用戶解決問題，所以在AI推行過程當中，如何實現云邊端的精度統一非常難。解決方案是“向上管理與合作”，只有在云、邊、端都和芯片公司有了很好的合作，做了底層擬合，才能實現數據集、精度集云邊端的統一，所以這是一個很難的工程。

舉個典型案例來說，此前在第三代至強CPU推出時，海鑫智圣有一個課題是云廠商第一次擁抱AI，對云廠商來說，又要提高成本，也沒看到收入，所以當時云廠商對AI是猶豫的。所以當初與英特爾合作中，他們認為這其實是一個簡單的“二八法則”，即20%的典型場景是需要新的設備加速的方式去解決（如部署GPU），而傳統的80%的場景是通過新的軟件技術和CPU推出一些新的特性來橫向擴展，在原來的基礎把根本問題就解決掉。所以在大家都在采用各種各樣高大上的GPU去解決問題的時候，海鑫智圣在英特爾新推出的CPU上，用英特爾提供的OpenVINO和oneAPI軟件提高了CPU適用的寬度，并提高了AI推理性能。

星環科技生態合作部總經理張雷表示，從成立之初，就與英特爾結緣，這些年中隨著英特爾CPU不斷發布，其產品也在實時的同步更新。比如，去年推出的Hippo向量數據庫產品，對第五代英特爾至強可擴展處理器進行了性能調優，與第三代的產品性能相比有2.07倍的提升。

有了向量數據庫之后，也在行業應用場景上進行打磨，并且在去年年底推出了TKH（Transwarp Knowledge Hub），這個產品有兩款比較核心的應用，即無涯·問知和無涯·問數。無涯·問知分為云、邊、端三面，在端側，星環科技與英特爾聯合打造了無涯·問知AI PC版，它解決了云端算力不足的問題，能夠在端側提供充足的算力。

從云時代到AI時代

唐炯表示，進入AI時代，與云時代相比有了很大變化。云時代底層邏輯更多關注任務的調度，而AI時代不僅僅是調度的問題，更重要的是如何充分發揮有限算力的潛力。在異構環境中，如何協調不同的負載放在合適的平臺上至關重要。同時，從底層基礎軟件到應用軟件的匹配也變得更為復雜。

如何在數據安全和可靠性方面設計更高效的接口，實現“熱插拔”的靈活性是關鍵。例如，某些應用可能需要一個大模型，而其他應用則可能需要不同的模型，能否實現靈活插拔，減少部署過程中對代碼和應用的修改，是英特爾面臨的挑戰。在此方面，英特爾將繼續加大投入，貢獻更多資源來支持開源社區的發展。

當然，為了讓AI更好地在企業中有效運作，英特爾也考慮了很多。唐炯認為企業需要通過類似RAG向量數據庫等工具來優化，并通過前端應用進行調整。

就像一名新入職的員工，需要在新的工作環境中適應、調整，并使用前人的知識庫作為資源。通用大模型雖然強大，但要在企業中落地應用，需要進一步調整、培訓和優化，才能為特定行業服務。在應用AI時，企業往往低估了“培訓”和“實習”過程中的成本。

通過解構這個過程，可以清楚地識別出哪些環節的成本可以降低。在英特爾的OPEA框架下，可以通過優化不同環節，進一步減少總體擁有成本，這超出了技術成本下降的市場趨勢，并為企業提供了具體的成本控制措施。