最近一段时间，有人提出：“未来3年，只有含AI量高的企业，才能活下来。”之所以有这样的观点，是因为这今年，AI真的不一样了。

虽然行业一直在热捧AI，但实际上，AI这个概念实际已经转动了好几轮，并且历经了三次低潮。而这一次，当行业力大砖飞地用大参数量驱动模型“智能涌现”，使得生成式AI成为现实，AI也愈发具备生产力。

未来AI会无处不在，打个比方，比如进家门后，你顺手就把背包挂在了门口的挂钩上，但你平时从来察觉不到它的存在，有当包掉到地上你才知道有这么一个挂钩。未来的AI，一定会潜移默化地影响你的生活，融入到你的生活和工作中。而这一切，都需要每个企业进行改变。

企业AI，是英特尔最新提出的概念。日前，英特尔对其企业AI进行了一次详细解析，同时其合作伙伴也宣布了其与英特尔合作的最新进展。

企业AI，英特尔三步走

英特尔中国软件技术合作事业部唐炯认为，让AI无处不在，需要加速创新、价值最大化、灵活部署，英特尔企业AI的战略也围绕这三点进行。

首先，在加速创新方面，英特尔的关键词是开放、多样、可靠性和规模化。

开放指的是围绕软件、应用，面向个人和企业开发者提供更加开放的资源平台，比如在工具层面提供PyTorch、TensorFlow、Python等可编程开放环境，帮助更多人实现应用创新。

多样指的是在算力层面提供了oneAPI、OpenVINO等开源工具，支持一次编程，适配XPU异构平台，无需重新编程。

可靠性指的是通过不同的软件模块提高推理的准确性和可靠性。目前AI推理还存在一定问题，对于企业级AI，90%或95%的准确率往往不可接受，尤其在医疗领域，因此这是英特尔重点关注的问题。

规模化指的是为客户提供更多低门槛的POC机会，让创新者能在可靠的平台上进行测试、验证和优化，因为在创新的过程中，测试和POC（概念验证）成本较高，阻碍了很多开发者。

其次，在价值最大化方面，英特尔会将最合适的工作负载放到最合适的平台上。

在AI时代，云计算的传统逻辑被打破，无论是AI加速器还是GPU，都几乎没有空闲时间。因此，为了实现价值最大化，必须在云、边、端等不同场景灵活部署AI解决方案。

例如，医院的数据需要在边缘设备上处理，PC的算力也可以用于分担云端的AI成本，这有助于优化整体部署成本。

最后，在灵活部署与运行方面，英特尔会解构现有解决方案，以便让每个合作伙伴专注于其最擅长的领域，并通过透明、灵活的部署减少手动编码的需求。这种解构将帮助企业提供最合适的AI解决方案，实现真正的能力落地。

根据唐炯的解析，如今整个AI堆栈都非常复杂，涉及不同层次的算力基础、操作系统、大数据和应用等，因此如何灵活部署AI解决方案成为关键。英特尔提出了 OPEA（Open Platform for Enterprise AI）的概念，即通过开放的平台，汇聚各方代码和模块，形成完整的企业级AI应用。

OPEA在今年上半年正式推出，吸引了全球头部ISV和国内厂商的参与。随着未来更多异构计算、创新应用和数据管理解决方案通过开源社区共享与优化，这种开放、透明的配置方式能够减少应用的风险，使其更加灵活和高效。“期待更多中国软件行业合作伙伴加入，共同为开源社区贡献力量。”唐炯如是说。

企业AI来到了云、边、端

战略不能只停留在概念阶段，企业AI目前已经惠及到产业，东方国信、海鑫智圣、星环科技便分享了自己与英特尔的合作。

东方国信副总裁兼CTO查礼表示，AI时代会有三点变革，一是硬件环境的变革，从原来主要集中在通算密集型应用的硬件环境，切换到XPU密集型计算，也就是包含GPU、ASIC等的密集型计算；二是交互体验的变革，从原来的图形界面，点按钮、点菜单，变成自然语言NLP交互；三是开发模式的变革，现在可以利用提示词，让大模型帮忙生成代码，譬如一些代码注释、测试用例，或是相应文档；四是应用构建的变革，就比如英特尔的OPEA项目便是一种应用构建的变革。

东方国信与英特尔的合作已经持续五年，在各种各样前沿计算技术领域都与英特尔开展合作，包括数据库、大数据、判别式AI和生成式AI。举个典型的合作案例，在大数据方面，东方国信一个工作内容是Spark集成英特尔Gluten + Velox + 英特尔QAT/AVX512，即利用现有CPU上向量化的指令集来加速数据处理的性能，它能在不增加用户投资的前提下，提升一倍以上的性能，换句话说，原来需要一个小时的数据加工，现在半小时就可以做完。

另外，目前东方国信和英特尔合作还包括幕僚产品体系的训推一体机，这个一体机应用在企业级层面与OPEA不谋而合，企业级AI平台就是希望有一个自有的、专有的、私有化部署的硬件平台，和这样的一个行业模型，把这些软、硬件打包在一起，开箱即用端到端交付给企业级用户，这是目前正在和英特尔合作的一个重要内容。

海鑫智圣总经理孟凡军表示，与英特尔的合作中，会通过各种各样的算法去处理器数据集，如果把云端的算法放到具体的场景中，其精度会发生很多变化。作为AI厂商不能把所有的理论停留在纸上，而是要给用户解决问题，所以在AI推行过程当中，如何实现云边端的精度统一非常难。解决方案是“向上管理与合作”，只有在云、边、端都和芯片公司有了很好的合作，做了底层拟合，才能实现数据集、精度集云边端的统一，所以这是一个很难的工程。

举个典型案例来说，此前在第三代至强CPU推出时，海鑫智圣有一个课题是云厂商第一次拥抱AI，对云厂商来说，又要提高成本，也没看到收入，所以当时云厂商对AI是犹豫的。所以当初与英特尔合作中，他们认为这其实是一个简单的“二八法则”，即20%的典型场景是需要新的设备加速的方式去解决（如部署GPU），而传统的80%的场景是通过新的软件技术和CPU推出一些新的特性来横向扩展，在原来的基础把根本问题就解决掉。所以在大家都在采用各种各样高大上的GPU去解决问题的时候，海鑫智圣在英特尔新推出的CPU上，用英特尔提供的OpenVINO和oneAPI软件提高了CPU适用的宽度，并提高了AI推理性能。

星环科技生态合作部总经理张雷表示，从成立之初，就与英特尔结缘，这些年中随着英特尔CPU不断发布，其产品也在实时的同步更新。比如，去年推出的Hippo向量数据库产品，对第五代英特尔至强可扩展处理器进行了性能调优，与第三代的产品性能相比有2.07倍的提升。

有了向量数据库之后，也在行业应用场景上进行打磨，并且在去年年底推出了TKH（Transwarp Knowledge Hub），这个产品有两款比较核心的应用，即无涯·问知和无涯·问数。无涯·问知分为云、边、端三面，在端侧，星环科技与英特尔联合打造了无涯·问知AI PC版，它解决了云端算力不足的问题，能够在端侧提供充足的算力。

从云时代到AI时代

唐炯表示，进入AI时代，与云时代相比有了很大变化。云时代底层逻辑更多关注任务的调度，而AI时代不仅仅是调度的问题，更重要的是如何充分发挥有限算力的潜力。在异构环境中，如何协调不同的负载放在合适的平台上至关重要。同时，从底层基础软件到应用软件的匹配也变得更为复杂。

如何在数据安全和可靠性方面设计更高效的接口，实现“热插拔”的灵活性是关键。例如，某些应用可能需要一个大模型，而其他应用则可能需要不同的模型，能否实现灵活插拔，减少部署过程中对代码和应用的修改，是英特尔面临的挑战。在此方面，英特尔将继续加大投入，贡献更多资源来支持开源社区的发展。

当然，为了让AI更好地在企业中有效运作，英特尔也考虑了很多。唐炯认为企业需要通过类似RAG向量数据库等工具来优化，并通过前端应用进行调整。

就像一名新入职的员工，需要在新的工作环境中适应、调整，并使用前人的知识库作为资源。通用大模型虽然强大，但要在企业中落地应用，需要进一步调整、培训和优化，才能为特定行业服务。在应用AI时，企业往往低估了“培训”和“实习”过程中的成本。

通过解构这个过程，可以清楚地识别出哪些环节的成本可以降低。在英特尔的OPEA框架下，可以通过优化不同环节，进一步减少总体拥有成本，这超出了技术成本下降的市场趋势，并为企业提供了具体的成本控制措施。