企業領導者面臨著解決可持續發展目標的挑戰，包括減少碳足跡和管理能源消耗成本，同時還要確保其企業能夠利用快速變化的步伐和新的商業機會，推進技術，特別是人工智能，使每個部門都能實現。

作為英特爾大使，我很高興能繼續與英特爾在第四代?至強?可擴展處理器方面的合作，以及在經濟中擴展人工智能的潛力，同時幫助實現可持續發展目標。

通過內置加速器和軟件優化，第四代英特爾?至強?內置加速器已被證明在目標現實工作負載下提供領先的每瓦性能。這將導致更高效的CPU利用率、更低的電力消耗和更高的投資回報率，同時幫助企業實現其可持續發展目標。

我們現在處于廣義人工智能(ABI)時代，來自Microsoft、Google、OpenAI和其他企業的多模態、多任務轉換器，使某些深度學習算法能夠執行視覺和自然語言處理(NLP)任務。盡管如此強大的算法需要強大的中央處理器(CPU)和圖形處理單元(GPU)來擴展，以實現良好性能。

與上一代相比，英特爾第四代?至強?可擴展處理器可將AI工作負載加速3倍至5倍，用于SSD-ResNet34上的深度學習推斷，以及使用英特爾?高級矩陣擴展（英特爾?AMX）在ResNet50 v1.5上進行訓練時加速高達2倍。此外，在AI性能方面，第四代英特爾?至強?可擴展處理器通過內置AMX(BF16)為實時推理和訓練，提供比上一代高10倍的PyTorch性能。

隨著我們進入一個人工智能算法越來越強大的時代，例如具有自我意識和生成式人工智能的變形金剛以及人工智能的興起與物聯網(AIoT)相結合，我們將需要第四代英特爾?至強?可擴展處理器提供更高效、更強大的CPU，允許AI在低延遲用例中非常快速地擴展和處理大量數據，同時將能效和減少碳足跡作為關鍵目標。

人工智能如何幫助實現可持續發展和應對氣候變化?

Microsoft委托PWC撰寫了一份題為“人工智能如何實現可持續發展的未來”的報告，內容涉及人工智能在全球經濟四個領域的潛力：

• 能源
• 農業
• 水
• 運輸

該報告的結果表明，人工智能在推動減排方面具有巨大潛力，同時還能在報告中探討的四個領域增加就業和經濟增長:

• 全球二氧化碳排放量減少4%
• GPD增長4.4%，達到5.2萬億美元
• 就業增長，創造3800萬個就業崗位

溫室氣體減排潛力（全球高達4%）基于所有四個部門（水、能源、農業和交通）的假設，以及人工智能可能在這些部門發揮的作用，包括但不限于精準農業，精準監測，燃油效率，優化投入使用，提高生產率。

此外，美國EPA和BCG列出了獨立5G網絡帶來的收益（見上圖右側），由此產生的SA 5G網絡能夠大規模擴展AIoT(應用于物聯網設備和傳感器的人工智能)，以及機器對機器通信的自動化流程增加，可能會增加就業機會，并有可能減少溫室氣體排放。

最新的英特爾?加速器引擎和軟件優化有助于提高人工智能、數據分析、網絡和存儲的能效。與上一代產品相比，組織可以利用內置加速器將目標工作負載的平均性能每瓦效率提高2.9倍。這將帶來更高效的CPU利用率、更低的電力消耗和更高的投資回報，同時幫助企業實現可持續發展和碳減排目標。

促成變革

第四代英特爾?至強?可擴展處理器由于內置加速器的設計創新而提高了能效。這允許特定的工作負載消耗更少的能量，同時以更快的速度運行。

每瓦特結果（平均）是第三代英特爾至強處理器的2.9倍，同時還允許大規模擴展我們正在進入的AIoT新時代所需的工作負載，例如推理和學習增加了10倍、壓縮提高了2倍、數據分析增加了3倍，所有這些都減少了95%的內核。

另一項創新是優化電源模式功能，啟用后可節省20%的能源（在雙路系統上可節省140瓦），同時對性能的影響微乎其微（在特定工作負載上影響2-5%）。

獨立(SA)5G網絡的融合將大幅增加設備連接和超低延遲環境，允許物聯網(IoT)的大規模擴展，與互聯網連接的設備和傳感器與人類用戶和彼此通信(機器對機器)。越來越多的物聯網設備將嵌入人工智能(在網絡邊緣)。

此外，Statista預測，到2025年，將有驚人的750億臺聯網設備，即地球上每人超過9臺！IDC Seagate預測，生成的數據量將從2020年的64澤字節增加到2025年的近三倍，達到175澤字節，其中三分之一的數據是實時消耗的!應用人工智能對于有效管理網絡和理解數據，并為用戶提供近乎實時的響應至關重要。

此外，這個新時代將使我們能夠測量、分析評估和動態響應環境，無論是醫療保健、能源、智慧城市的交通、制造業等。人工智能能力和推理性能將是我們正在進入的這個時代取得成功的關鍵。

英特爾?至強?可擴展處理器以更低的延遲提供更多網絡計算，同時幫助保持數據完整性。通過TCP使用NVMe時，每秒存儲I/O(IOPS)提高79%，延遲降低45%，與沒有加速的軟件錯誤檢查相比，使用Intel?數據流加速器(Intel?DSA)加速CRC32C錯誤檢查。

BCG在一篇題為“利用人工智能的力量減少碳排放和成本”的文章中預測，將人工智能技術應用于企業可持續發展目標可能會減少2.6至53億噸或1至3萬億美元的增加值。

實現這一目標的過程包括：

• 監測排放
• 預測排放
• 減少排放

BCG認為，由于人工智能的應用，溫室氣體減排潛力最大的行業包括：工業產品、交通運輸、制藥、消費品、能源和公用事業。

英特爾的愿景是加速從制造到產品再到解決方案的可持續計算，以實現可持續發展的未來。組織可以通過選擇第4代英特爾?至強?可擴展處理器來幫助減少范圍3的溫室氣體排放，這些處理器采用90-100%的可再生能源制造，工廠擁有最先進的水回收設施，在2021年回收了28億加侖的水。為避免疑問，需要指出的是，本段中提供的統計數據涉及與隱含碳相關的不影響運營碳排放的范圍3排放，然而，范圍3還包括運營碳，其中服務器在等式中占較大比例。

將AIoT應用于可持續發展的用例示例包括：

• 傳感器可檢測房屋是否有人，從而關閉燈和空調，或將溫度降至較低的水平。
• 傳感器可以在供暖運行時，將開關的窗戶關閉。
• 在問題發生之前進行預測，如水管破裂、監控意外中斷、交通擁堵點以及嘗試重新安排交通路線，或修改交通燈順序以減少擁堵
• 在農業方面，在無人機上應用計算機視覺來確定作物何時成熟以收割，以減少浪費的作物，并檢查干旱和蟲害的跡象
• 森林砍伐，非法砍伐的近實時分析。
• 可再生能源，無人機應用來自深度學習算法的計算機視覺，可以檢查風力渦輪機的葉片和太陽能發電場的太陽能電池板是否有裂縫和損壞，從而延長資產壽命并增加發電量。
• 使用機器學習算法優化儲能，以最大限度地提高電池儲能的運行性能和投資回報率。

Rolnick等人在2019年發表了一篇題為“用機器學習應對氣候變化”的論文，由Demis Hassabis、Andrew Y Ng和Yoshua Bengio等領先的人工智能研究人員合著，闡述了通過在企業的整個制造運營中應用人工智能來減少排放的潛力，從設計階段到生成設計和3D打印、供應鏈優化以及優先選擇低溫室氣體排放選項，利用可再生能源供應改善工廠能源消耗，通過檢測排放來提高效率(包括預測性維護)，并采取后續行動，減少供暖和制冷的排放，并優化運輸路線。

第4代英特爾?至強?可擴展處理器還具有電源管理工具，可實現更多控制并節省更多運營成本。例如，平臺BIOS中新的優化電源模式，可為選定工作負載節省高達20%的插座電源，而性能影響不到5%。

此外，Rolnick等人的論文，闡述了企業如何處理零售商的未售出庫存問題。據估計，時尚業每年為此花費1200億美元！這既是一種經濟浪費，也是一種環境浪費。有針對性的推薦算法來匹配供應和需求，以及應用機器學習來預測需求和生產需求也可能有助于減少這種浪費。

在AIoT的世界中，客戶可以沿著商業街或購物中心行走，機器學習算法可以根據其附近的商店提供個性化的產品推薦。

零售和制造示例都需要AI算法的近實時響應，這就是為什么CPU內的加速器是提供增強性能的重要因素。

AIoT的世界將要求能夠在電力受限的環境下工作，并能夠近乎實時地響應用戶需求。

英特爾使組織能夠根據計算需求的波動進行動態調整以節省電力。英特爾?至強?可擴展處理器內置遙測工具，可提供重要數據和AI功能，以幫助智能監控和管理CPU資源，構建有助于預測數據中心或網絡峰值負載的模型，并在需求較低時調整CPU頻率以減少用電量。這為節省更多電力打開了大門，當可再生能源可用時，可以選擇性地增加工作量，并有機會降低數據中心的碳足跡。

此外，只有英特爾提供針對液冷系統優化的處理器SKU，并提供浸入式冷卻保修附加條款，幫助組織進一步推進其可持續發展目標。

人工智能將無處不在，遍及我們使用的設備和傳感器，實現大規模的超個性化，對客戶用戶進行近乎實時的即時響應。然而，為了利用這些機會，企業領導者需要確保其投資于能夠滿足業務及其客戶需求的適當技術。

我們正在進入一個接近即時響應的時代，在機器對機器通信的世界中，與客戶接觸和動態響應是必要的。

英特爾?高級矩陣擴展(英特爾?AMX)允許高效擴展AI能力，以響應用戶和網絡的需求。

借助英特爾?高級矩陣擴展（英特爾?AMX）顯著加速CPU上的人工智能功能。英特爾AMX是一種內置加速器，可提高第四代英特爾?至強?可擴展處理器上深度學習訓練和推理的性能，是自然語言處理、推薦系統和圖像識別等工作負載的理想選擇。

第四代英特爾?至強?可擴展處理器擁有市場上所有CPU中最多的內置加速器，可在AI、分析、網絡、存儲和HPC中快速增長的工作負載類型中，提供性能和能效優勢。借助所有新的加速矩陣乘法運算，第四代英特爾?至強?可擴展處理器具有卓越的AI訓練和推理性能。

其他無縫集成的加速器可加速數據移動和壓縮，以實現更快的網絡連接，提高查詢吞吐量，以實現更靈敏的分析，以及卸載調度和隊列管理，以動態平衡多個內核之間的負載。為啟用新的內置加速器功能，英特爾為生態系統提供了操作系統級別的軟件、函數庫和API。

第四代英特爾?至強?可擴展處理器的性能提升包括以下內容：

• 使用更少的內核和更快的加密運行云和網絡工作負載。與在沒有加速的CPU內核上運行的軟件相比，使用RSA4K的英特爾?QuickAssist技術（英特爾?QAT）在開源NGINX Web服務器上，將客戶端密度提高4.35倍。
• 在開源的RocksDB引擎中，使用英特爾內存分析加速器(英特爾?IAA)，與沒有加速解決方案的內核上的軟件壓縮相比，數據解壓吞吐量提高了1.91倍，提升了數據庫和分析性能。使用英特爾數據流加速器(英特爾?DSA)，與前一代直接內存訪問相比，內存對內存傳輸增加了8.9倍。
• 對于5G vRAN部署，與上一代相比，通過新的指令集加速將網絡容量提高多達2倍。

隨著SA 5G網絡的擴展和規模化，安全成為AIoT時代的關鍵問題。

無論是在本地、邊緣還是云端部署，企業都需要保護數據并遵守隱私法規。第四代英特爾?至強?可擴展處理器為業務協作和洞察開辟了新機遇，即使是敏感或受監管的數據。機密計算提供了一種解決方案，通過基于硬件的隔離和工作負載的遠程證明來幫助保護使用中的數據。英特爾?軟件保護擴展(英特爾?SGX)是當今市場上研究、更新和部署最多的數據中心機密計算技術，與當今數據中心任何機密計算技術相比，其信任邊界最小。開發人員可以在安全區內運行敏感數據操作，以幫助提高應用安全性和保護數據機密性。

英特爾的Bosch案例研究提供了物聯網領域安全應用的示例。

該案例研究觀察到，訪問原始數據集是開發基于人工智能的分析的理想選擇。該示例闡述了Bosch的自動駕駛汽車部門如何使用在英特爾SGX上運行的開源項目Gramine，來降低與數據或IP泄漏相關的風險。

到本十年末，我們可能會經歷道路上先進的電動汽車和自動駕駛汽車（EV/AV）數量的大幅增加。

隨著更多的可再生能源進入電網，電池存儲將變得更加重要。帶有內置加速器的強大CPU可以幫助機器學習技術跨電池存儲設施擴展，以優化能源和電池性能的可用性。這與有電源和電池限制的邊緣和網絡場景相關，例如智能家居和制造設施中的電動汽車和電源優化設備。

在這個世界上，由AIoT實現的大規模超個性化將允許與客戶近乎實時地即時互動，并提高效率，從而減少浪費，因為機器學習和數據科學將能夠從將創建的大量數據中更好地預測客戶需求。

可以想象，用戶在上下班途中從事零售或娛樂活動，而EV/AV通過深度學習的計算機視覺識別乘客，并根據用戶配置文件個性化汽車環境（娛樂等）。自動駕駛汽車將根據不同的用戶進行調整，并允許用戶有效地利用其時間(工作、娛樂)。然而，即使在更先進的EV/AV到來之前，企業也有很多機會在AIoT時代利用與客戶近乎實時的互動，同時減少浪費。例如更好地匹配供需，改進需求預測，識別和匹配供應鏈和制造流程。

第四代英特爾?至強?可擴展處理器為跨網絡邊緣開發物聯網服務和應用提供了一個更安全的環境，從而使企業能夠在安全方面更有信心地創造新的機會。

這種擴展和實現安全AIoT的愿景與我個人的愿景一致，即應用AI和相關數據分析和數字技術來實現可持續發展目標，同時提供真正大規模超個性化的世界，使企業能夠真正響應客戶的需求實時條件下的需求，并根據個人客戶的需求進一步定制產品。

從今年開始，我們將進入一個激動人心的新時代，在這十年的剩余時間里，人工智能將迅速擴展到我們周圍的設備和傳感器，以及遠程云服務器，這些服務器將繼續對訓練算法保持重要地位，充當數據湖，并使歷史數據分析能夠改善人工智能的學習結果，改善服務的個性化，或確定進一步提高組織運營效率的機會。

我們將能夠測量和評估周圍的排放和能源消耗，識別浪費并減少低效率。

整個網絡邊緣的AI算法將需要節能的CPU來在電力受限的環境中運行，并實現減少碳足跡。第四代英特爾?至強?可擴展處理器使組織能夠擴展AI功能，大規模提供超個性化，并更有效地管理邊緣的內部運營，同時還有助于實現安全性和可持續性目標。