在上一篇中，我们介绍了 UAI-Service 借力英特尔技术如何让使用 AI 服务像使用云主机一样便捷等技术问题。在这一篇中，我们将继续就 UAI-Service 如何以低 TCO 获取高效 AI 服务等问题展开讨论。
UAI-Service 另一个重要优势是平台内数据的安全性
1. 首先，由于 UAI-Service 在每个虚拟机上只部署一个 AI 节点，因此做到了各个 AI 任务之间的隔离；
2. 其次，由于平台本身并不涉及 AI 训练数据以及训练方法，在运行时仅需模型文件及接口代码，杜绝了数据外泄的可能；
3. 最后，UCloud 还基于 SDN 技术实现了网络链路层的隔离，使每个客户的 UAI- Service 项目子网之间相互隔离，提升了网络安全性。
在 UAI-Service 中，用户之间的 AI 模型和接口代码是安全隔离的，全自动化的部署过程使运维人员无权访问敏感数据，进一步提升了数据的安全性。
UAI-Service 的通用性优势，解决了企业面对不同 AI 框架时的“选择障碍症”。UAI-Service 对主流的 AI 框架，包括 TensorFlow*、Keras*、Caffe* 和 MXNet* 等都提供良好的支持，企业可以根据自己的业务需求来选择不同的 AI 框架进行接入。
在传统的 AI 框架以外，UAI-Service 还与英特尔一起，引入了性能更佳的 AI 框架：面向英特尔®架构优化的 Caffe 框架。这一版本的 Caffe 框架与传统 AI 框架相比，能更好地支持英特尔®至强®处理器产品家族和英特尔®至强融核™处理器产品家族，并集成了最新版本的英特尔®数学核心函数库 2017，能更高效地利用英特尔®AVX 的处理能力。
源自 UCloud 的一系列测试结果表明，借助面向英特尔®架构优化的 Caffe 框架，测试系统同时运行的线程数量可以得到显著增加。基于该框架，测试系统的执行时间也能从最初未修改前的 37 秒缩短至优化后的 3.6 秒，整体执行性能提高了 10 倍以上。事实证明，通过采用这一框架，UAI-Service 的 AI 在线服务效率得到了极大的跃升。
以低 TCO 获取高效 AI 服务
现阶段，致力于 AI 开发和创新的企业，多为初创型企业，或者是正在谋求业务转型和升级的传统企业，因此对 TCO 的控制尤为敏感。如何获取高性价比的在线 AI 能力是企业用户们普遍关心的热点话题。
由于在图像识别、自然语言处理等 AI 正在发挥重要作用的领域中，往往需要用到大量的浮点运算，因此在人们的传统观念里，只针对浮点计算提供加速的 GPU 平台，似乎更适于 AI 系统的构建。但在 AI 模型的部署实践中，GPU 动辄高达数万元人民币的售价极其昂贵，而且由于其扩展性不足，一旦部署，通常就只能固定执行单一的计算工作，难以随时根据工作任务的调整和变化实现及时的适配。
这样一来，UCloud 就盯上了数据中心内大量部署的、每台服务器都会配备的通用处理器。“通过技术分析，我们发现虚拟云主机中的处理器，处于工作状态的主要都是简单指令集，而英特尔®至强®处理器集成的英特尔®AVX 则并没有被充分利用。”UCloud 叶理灯表示：“这意味着以浮点计算性能著称的英特尔®AVX 的能力，或许可以为我们提供更适用的解决方案。”
英特尔®AVX 是一套完整的单指令多数据（Single Instruction Multiple Data，SIMD）指令集规范，其最大的优势在于支持 256 位矢量计算，大大提升了处理器的浮点计算性能。其具备的增强数据重排能力，也能更有效地存储、读取数据。在充分认识到了英特尔®AVX 及其处理单元的特性和优势之后，UCloud 的工程师们开始了一项大胆的创新：利用各个虚拟机中此前未能“物尽其用”的英特尔®AVX 能力，来满足 AI 在线服务的计算需求。
为了实现这一创举，UCloud 与英特尔的工程师们携手优化了英特尔®AVX 在 AI 在线服务中的应用表现，经过反复的优化与验证，AI 在线服务的重要技术指标——时延被成功降低到了数百毫秒，完全能够满足 UCloud 用户的实际应用需求。
在时延这一性能指标达标的同时，英特尔®至强®E5 处理器产品家族出色的可扩展性也开始释放其强大的应用潜力。在数据中心内、服务器中配备的无数英特尔处理器都可以被扩展到系统中，来进一步强化 AI 在线服务所需的浮点计算能力，这是一种远比 GPU 方案经济高效得多的解决方案，毕竟，这些处理器节点已经是 UCloud 的既有投资，无需再为此多支出一分钱。
“这就是英特尔处理器强大的可扩展性带来的力量。在云计算平台上，处理器资源能够迅速地进行海量扩容，按我们目前的解决方案，即在每一个虚拟机上都部署一个 AI 在线服务计算节点，这意味着我们的 AI 在线服务未来可以根据用户需求得到迅速且海量的扩容能力，同时还不需要额外支付太多成本。”UCloud 叶理灯满意地说。
为了对这一创新成果进行验证，UAI-Service 已在 200 多个基于英特尔®至强®E5 处理器产品家族的虚拟机节点上部署了 AI 在线服务计算节点，验证测试的结果表明：基于英特尔至强处理器的 AI 在线服务计算节点完全能满足用户对性能的要求，在帮助用户有效降低 TCO 的同时，也顺应了数据中心环保节能的发展方向。
最新进展：让机器更快识别”喜怒哀乐”
在前期成功开发和测试的基础上，UAI-Service 最近又在人脸识别技术的应用上实现最新进展。人脸识别一直是人工智能的一个重要研究方向，而基于英特尔至强服务器平台，利用英特尔®AVX 来支持的 UAI-Service，已在人脸表情识别的一系列测试中达成了优异的表现，验证了其能帮助零基础用户获得强大 AI 能力的潜能。
在测试中，UCloud 选用了 Tensorflow 提供的 TF-Slim 实验库以及人脸表情识别公开数据库 fer2013，其中共包含 35887 张人脸图片，各测试样本在年龄、面部等方面有较大差异性，这使该项技术测试具备了巨大的挑战性。
而测试结果表明：在有并发的前提下，UAI-Service AI 在线服务的性能普遍高于 8 核 8G 云主机的性能。刚刚得到的测评数据表明: 目前并发数为 8-16 个节点时，AI 在线服务在性能上基本与基于 GPU 的方案相仿。
这不仅说明在 UAI-Service AI 在线服务上部署人脸表情识别应用可以带来出色的成效，还证明基于英特尔®AVX 支持的 UAI-Service 在人工智能应用中完全具备了与传统方案相媲美的能力。
结论
以此前在 UAI-Service 上的成功协作为基础，UCloud 未来还计划进一步深化与英特尔的创新协作，包括将最新的、面向英特尔处理器优化的 AI 框架引入 UAI-Service 在线服务平台。
并将充分发掘新一代英特尔®至强®可扩展处理器的能力，特别是其集成的全新英特尔®AVX-512 带来的更为强悍的浮点运算能力，来进一步优化 AI 在线服务。让专注于 AI 创新和应用的企业用户，能继续在合理的成本条件下，获取更强的 AI 计算能力支持。
经 验
AI 在线服务的普及，不仅需要在技术上予以突破，其部署的便捷性、与现有云计算能力的结合程度以及在分布式集群上部署的可行性，也在深刻影响着企业用户的 AI 研发和应用进程。正是因为准确捕捉到了用户的痛点和具体需求，UCloud 的 UAI-Service 才赢得了用户的青睐。
受数据中心内普遍存在的处理器计算资源闲置现象的启发，创造性地将其空闲的浮点计算能力投入到 AI 在线服务中，这不仅是技术上的创新，也是 AI 处理工作模式上的全新探索和尝试，它既能有效帮助企业用户降低 TCO，也顺应了数据中心环保节能的发展趋势。
本文转载自公众号 UCloud 技术（ID：ucloud_tech）。
原文链接：
评论