随笔:AI PC这概念要“跑得快”,可能还是得看英特尔

2023-12-15 13:52

本文主要是介绍随笔:AI PC这概念要“跑得快”,可能还是得看英特尔,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

来源 | 购机帮你评
作者 | 牛大叔

最近,PC圈儿都在热炒AI PC概念,无论是英特尔、AMD,还是PC厂商,都在大力宣传AI PC,意思大概是“AI PC是个人电脑未来的发展方向”。所以自然而然的,大家就开始热议一个话题——AI PC的未来发展,或者说领军厂商,到底是英特尔?AMD?抑或是NVIDIA?

▲今年9月,英特尔CEO帕特·基辛格在创新大会上祭出了AI PC大旗,然后AI PC概念就遍地开花了。

▲联想作为PC厂商也在力推AI PC概念,并提出了“2024年是AI PC元年”的说法。

很多人看好NVIDIA,因为“事实呈现在眼前”,NVIDIA强大的GPU的确是当下AI大算力的主力军。也有人分析处理器技术,说PC处理器中AMD从锐龙7000开始就已引入了AI构架。也有人看好英特尔,说新的酷睿Ultra处理器甚至引入了NPU神经处理单元,专为AI而生……而我认为这并不是简单的技术问题、架构问题,也不是谁的核心多、谁的频率高决定的。要推动个人电脑朝着AI的方向发展,是一个宏大的产业项目。而且,AI PC这个东西最终呈现给消费者的,不是算力高低,而是“实实在在的AI应用”。说简单点就是:AI PC的推进和发展,是要靠硬件、系统、软件厂商共同努力,靠着全产业链的共同努力去推进的!从这个维度看,谁有能力推动产业链快速向前,谁才是未来AI PC的“大玩家”。

AI概念,从Evo认证诞生之初就已开始

而说到“有能力推动PC产业链快速向前”,我第一时间想到的是英特尔的Evo认证。这个基于“雅典娜计划”的个人电脑体验提升项目,如今已有4个年头,其本质就是推动着整个PC产业链(包含零组件供应商等)“向前走”,通过提升每个零配件、零组件的规格和档次,提升整体硬件配置,从每个细微之处不断改进、优化体验,进而提升整个PC的用户体验。

而且,在Evo认证之初就已引入了AI应用概念,比如麦克风的AI降噪(如今的笔记本麦克风降噪已达到了相当高的水准,就和英特尔对产业链的推动密不可分),AI语音识别和输入等。进而,在推动笔记本的摄像头达成1080P分辨率普及后(有些机型甚至用上了500万像素摄像头),英特尔又推进了摄像头的AI应用,包括背景虚化、背景更替、美颜等……时至今日,Evo认证也是和AI应用紧密相连的。所以,基本上可以这样理解:首先,AI PC的“发起者”其实就是英特尔。其次,从目前的情况看,PC界的领军企业依然是英特尔,只有英特尔才有能力和实力推动整个产业链快速向前!

专注PC,引领PC业界

“仅从AI PC概念始于英特尔,就得出PC业界的领军企业是英特尔,是不是有些草率?”或许有技术派会这样问这是个好问题!而显然,我给出这个观点,的确不仅仅是因为AI PC概念始于英特尔。大家可以回想过去20多年,其实英特尔是整个PC行业的代名词,是PC业界的“事实标准”,无论是硬件发展,还是PC软件的开发,都是围绕和基于英特尔平台的。而由此带来的行业影响力和积累的经验、实力(包括现金实力^__#),都是竞争对手在短时间内难以撼动的。这里再分享一个数据:全球范围内,有1200万名开发者是围绕着英特尔生态的。可能会有人觉得我“只看过往”,那么这里我就说点实在的,说说当下:以占据PC出货量重头的笔记本为例,其中很大一部分是商用本(基于采购的量非常大)。而2023年,商用本中影响力最大的ThinkPad系列,竟只有凤毛麟角的机型采用了最新的锐龙平台,其他锐龙款型还停留在锐龙6000系列,貌似暂停了锐龙7000系列的更新?而全球第三大PC厂商戴尔,其Latitude商用本干脆就没有锐龙平台,全是英特尔酷睿——这,应该很有说服力了吧!其实,从另一个角度也很容易看出英特尔的“老大哥实力”:它是半导体业界为数不多的“集设计生产制造于一身的企业”,时至今日,英特尔的处理器也是“自产为主”,同时还给其他客户提供芯片代工业务。而其竞争对手AMD则依靠代工。而别看两者美股市值相差不大,但营收却是数倍差异!而具体到AI PC的推进力度和专注程度,英特尔无疑也是领先于对手的。这里我就说一个大家都看得明白的例子▼:

▲在AMD对于AI的宣传还停留在“开发者竞赛”这个相对单一的形式时(最上图),英特尔却已经在给大众科普AI PC概念,从告诉大家“什么是AI PC?AI PC能怎么用?”开始,到具体的行业应用宣传(后多图),其推进力度和“站的高度”完全不在一个档次上。所以,就是我前面标题的那句话:英特尔专注PC(当然也不止是PC)、引领PC业界。而如今,它打算继续引领PC朝着AI化的方向大踏步前进!对了,这里还必须提到NVIDIA。是的,如今只要和AI沾边的“大规模运算”,比如深度学习、大模型啥的,NVIDIA的确已占领了“云端高地”。从这个角度来说,AI PC似乎应该是NVIDIA当老大?但,也正因为它的GPU产品已经成为了AI大算力的主力,所以它的兴趣点似乎主要在行业端、在云端,在大型和超大型AI运算领域(利润更高嘛).对于PC这个“终端产品”,NVIDIA“似乎还没有跳到前台的意思”。所以,AI PC概念的真正竞争还是AMD和英特尔(当然了,英特尔和AMD肯定也不甘于只在终端和传统的工作站、服务器处理器领域,不过这是后话啦)。

▲NVIDIA官网首页,你甚至看不到“PC”这个字眼,都是行业、云端话题。

和软件(应用)厂商的紧密合作

文章开篇我就提到了:AI PC关键是应用。消费者能够实实在在用得到什么,这才是关键。这看似纯属软件开发商的活儿,但其实“最终体验的效果如何、效率如何”,和硬件厂商与之的合作紧密程度息息相关!

比如大家都知道,时至今日,在Adobe的专业视频编辑、专业图像编辑领域,依然是英特尔平台更具优势。“英特尔处理器+NVIDIA独显”的效果始终优于“AMD处理器+NVIDIA独显”的组合。而这,就是典型的“数十载与软件(应用)厂商深度合作”的结果。

▲专业视频剪辑的导出环节,英特尔平台相较AMD平台依然更具优势。

而在AI应用领域,英特尔的启动也远早于AMD。还记得数年前我率先引入的TOPAZ Labs(公司名)的《Gigapixel AI》图像放大+AI细节重塑应用(测试)吗?如今,TOPAZ Labs旗下的《Photo AI》、《Video AI》、《Sharpen AI》、《DeNoise AI》和《Gigapixel AI》早已在图像和视频编辑/优化领域名声大燥。而依托于OpenVINO技术,英特尔的Iris Xe核显数年前就能以数倍的效率领先AMD平台完成图像的放大+AI细节重塑。近期AMD的Radeon集显性能爆发扳回一城,但即将到来的酷睿Ultra平台依托于Arc核显又将实现反超(我还不能说太多,毕竟还没发布呢^__#)。

简单说就是:如今大量的图形图像应用,创意类应用,都在基于大模型、深度学习进行智能化,大幅提升可以达成、实现的效果和效率,甚至是完成创意工作。但不同的硬件平台,在体验上还是有较大差异的:效率不同、达成的效果不同,甚至正确率都有差异。而这一点,就全取决于硬件厂商和软件(应用)厂商的合作深入程度。而在“合作深入程度”的能力上,恐怕大家都有一致的认同。

▲英特尔与AI应用软件厂商(也包含大量游戏厂商)的合作力度是非常大的。

▲英特尔有自己的本地化的大语言模型应用,简称:放在本机中的创意百科。

▲在英特尔酷睿平台上,通过SKYLUM的AI应用《Luminar Neo》可秒速实现照片的风格转换和特效。

▲在英特尔酷睿平台上,Photoshop 2024依托于AI神经网络滤镜能疾速实现超多的特效,比如风景照片的春夏秋冬交替。

酷睿Ultra:拥抱AI的全新架构和新制程威力

文初我提到“AI PC不仅仅取决于硬件技术”,但不可否认,硬件技术的确也是重要一环!而在PC的处理器平台技术方面,AMD这些年发展很快,制程也领先。英特尔这些年貌似有些被动,在锐龙处理器都进入4nm制程后,酷睿平台还在靠10nm技术支撑。但,如果你仔细研究,就会发现有趣的现象(其实通过我们的评测也可以发现),那就是即便是10nm,英特尔竟也能与AMD锐龙打个来来回回,部分应用上甚至依然胜过锐龙平台(这也佐证了前面提到的“和产业界深度合作的价值”),两家的平台目前并非“哪家独大”。然而,马上,英特尔7nm制程(Intel 4工艺)的新一代酷睿Ultra处理器就要登场了,这是一次大的制程跨越!而它整合的集成显卡(核显)甚至是台积电的5nm工艺!这注定会带来极大的性能提升,有些指标甚至会翻倍增长(相信我,我可不会凭空乱说)。

▲Arc集显加持下的Stable Diffusion文生图速度,英特尔平台将大提速。

​与此同时,英特尔酷睿Ultra启用了全新的架构,率先引入了NPU神经网络处理单元,旨在以低功耗高效率执行更多的AI应用相关计算。实际上,众多软件(应用)厂商早已开始了与英特尔的合作,目的就是要把部分甚至全部的本地AI运算导入到NPU中,达成更高的效率,或者说更高的效能比。简单总结就是:即将登场的酷睿Ultra是全新制程、全新工艺、全新架构的三重优势加持,直奔AI应用而来!那么接下来,优势的天枰会如何倒向何方呢?

▲英特尔早已开始与AI应用软件开发商进行酷睿Ultra的优化。

​OK,这个随笔就说到这里啦,几个方面相信大家也都看明白了,其实我就想表达一个观点:AI PC这事儿的推动速度、进展速度和普及速度,可能更多是取决于“依然是PC头羊”的英特尔!您怎么看呢?欢迎来探讨。​​​​

这篇关于随笔:AI PC这概念要“跑得快”,可能还是得看英特尔的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/496671

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态,生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案,则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时,算法停止。 — Choose k successors randomly, biased towards good ones — Close