面对算力瓶颈，如何利用CPU解决全链路智能编码？

编者按：英特尔是半导体行业和计算创新领域的全球领先厂商。与合作伙伴一起，英特尔推动了人工智能、5G、智能边缘等转折性技术的创新和应用突破，驱动智能互联世界。不久前，英特尔正式发布了第四代英特尔®至强®可扩展处理器，旨在为增长最快的工作负载提升性能。那么，第四代至强®到底强在哪里？LiveVideoStackCon 2023上海站邀请到英特尔至强产品线软件架构师谢义为我们介绍：当面对算力瓶颈时，英特尔是如何利用CPU解决全链路智能编码的。

注：文章根据谢义演讲内容整理，有删改。

最近一年，关于AI和AIGC的讨论远比以往更加火热。大模型、多模态、AIGC工具……很多专家认为，AIGC一定会对整个编解码行业产生巨大的革新。

本文会着重介绍目前用到的一些处理，例如降噪、超分和内容识别等。虽然技术角度看GPU是第一选择，但缺卡在业内已经是一个公开的秘密。即便不缺卡，一次性购入大量GPU卡，也有非常大的风险。但由于现今大模型接棒，毫无疑问CPU仍是市场内的第一选择。

智能化编码面临的算力瓶颈

图中是一个视频转码推流的一般性流程图。主播将视频上传到上行CDN，然后再由视频处理中心进行各种前处理，包括内容理解，审核，编辑，增强和超分，然后进行编码，再推送到下行CDN，供观众观看。

红色框部分都是和AI相关的部分。智能化编码中，AI所需算力已经超过编码本身。1080p的数据超成4K，编码只需要20几个物理核，但是如果要超分，就需要一张GPU卡。一张GPU卡5000块一个月，对比下来成本优势一目了然。

根据相关视频企业公开的财报，视频转码和带宽的成本占到公司全年收入的10%左右。随着AIGC的发展，未来肯定不局限于10%，因此成本问题是我们的痛点之一。

CPU全链路智能化编码的优势就在于成本节约，运维简单。下面举一个更具体的例子：

我们都知道转码方式有很多种，但CPU有两个不可替代的优势：1.高灵活性；2.高复用性。CPU的升级几乎没有成本，只需升级一下软件部分即可，以云为基础，申请一个虚拟主机，无论是docker还是container都可以随用随放，十分自由灵活，成本很低。

由于超分部分对算力的要求非常高，需要通过GPU来辅助，但同时也会引发一些问题：客户将高要求的AI负载迁移到GPU上，将编码和前处理完全分离。这就像在一间屋子里解码——发送到另一间屋子进行前处理——再转回来编码。这不仅让流程变得冗长，也对运维造成了极大负担，数据的反复调度也造成了一定时延的增加。

CPU全链路智能化编码正是解决了这一痛点。

英特尔®第四代至强®可扩展处理器及AMX赋能智能化编码

接下来会介绍英特尔®第四代至强®可扩展处理器及其内置的AI加速器AMX，以及如何利用AMX和英特尔成熟的软件栈和工具链帮助视频编解码工作者，打造全链路智能化编码。

据最新的统计数据，英特尔®至强®服务器在中国市场的数据中心的占有率保持在80%以上，可以说至强®服务器是数据中心的基石。第四代至强®一个重要的革新就是内置了数个硬件加速器，用于不同应用场景的性能加速，例如之前需要外置的PCIE插卡就已经内置在CPU内部。

从左往右第一个AMX适用于AI；QAT负责压缩、解压和加解密；DLB负责Load Balance，CDN负责负载均衡，自动dispatch到闲散的资源上；DSA负责内存拷贝，不需要CPU参与，异步拷贝不仅速度快，而且不占用CPU内存；IAA负责存内分析，更多和数据库相关，IAA可以在不解压数据的情况下分析数据。

AMX的全称是Advanced Matrix eXensions，高级矩阵扩展指令集。它在AVX512的基础之上做了进一步的扩展。AMX有两个核心思想，一个是Tiles，一个是TMUL。Tiles是物理上两地寄存器的叠加，16个AVX512叠加在一块。TMUL是针对两地Tiles的矩阵运算。最新的至强®每一颗物力核上都有一个内置的AMX，充当AI 的加速卡。

和大多数加速卡一样，AMX加速的是量化精度。目前第四代至强®支持的是BF16和INT8，未来也会很快支持FP8和FP16。BF16的表达范围和FP32一模一样，只是精度比FP32小一点。目前绝大多数的场景，BF16已经足够。对于训练来说FP16足矣，而推理则只需要INT8。

AMX是如何加速矩阵乘的呢？我们在做大的矩阵时可以把矩阵拆成16*64，然后一次性计算。如果算力不够，可以用oneDNN和MLKDNN处理，而AMX加速矩阵乘计算，算力是前一代产品的8倍。

这张图是至强®服务器峰值计算能力的演进过程。从2019年开始的第二代至强®可扩展处理器支持VNNI，最新发布的第四代至强®可扩展处理器支持AMX，可以看到每个指令周期的计算能力得到8倍的提升。

硬件性能只是一方面，软件生态某种意义上说对开发者来说更为关键。这是一张英特尔® AMX的软件生态图，从下往上，从最底层的操作系统到虚拟化KVM、HyperV，再到核心AI计算库都是英特尔开发的。在框架层面，主流的TF和PyTorch也都包含在内，除此之外英特尔还提供了丰富的推理工具。这些成熟的软件生态使得我们的开发者可以专注于算法创新，而不用考虑如何部署等细节，开箱即用。

BF16和INT8的高算力对将AI从GPU迁到CPU之上确实有很大的帮助，但如何保证精度呢？英特尔有一个工具叫做INC，内置了很多专门用于精度的校正算法。作为开发者，只需要做三件事：输入模型、输入数据集和输入精度要求即可。INC会根据客户的输入进行tuning，直到有一个用户满意的算法。如果最终达不到设定的精度要求，还可以对某些层进行回滚，从而保证设定的精度可以达到要求。

回到视频编解码领域，我们知道视频前处理是在FFmpeg解码之后，对YUV或者RGB数据进行处理，处理结束后再送到编码器x264或者x265编码。由于整个pipeline中，数据的处理速度并不一致，因此为了让整个过程的数据顺滑地流动起来，就需要做一部分的改造，比如解码后的raw data放入一个buffer队列中，AI推理异步从这个队列中取数据做推理，并把推理后的结果送到编码器中，这需要一定量针对FFmpeg的开发工作。幸运的是，英特尔已经帮用户做好了。FFmpeg中有一个英特尔的OpenVINO后端，用户直接使用就行。FFmpeg的DNN AI推理后端，目前只支持2个后端，一个是Tensorflow，另外一个就是英特尔的OpenVINO。

总结：FFmpeg已经集成了OpenVINO作为AI 的后端推理引擎且英特尔有专门的团队去维护，大家可以放心使用。

这是一个和合作伙伴的实际案例。在视频增强和目标检测这两个场景下，使用了英特尔®第四代至强®可扩展处理器AMX优化的AI推理性能相对上一代平台分别提升了1.86倍和1.95倍。与此同时，精度损失被控制在可接受的范围，这也使得英特尔的客户在CPU上实现了全链路智能化编码，大幅降低了部署成本和运维成本。

后记：本次，LiveVideoStackCon 2023上海站特设了MINI圆桌环节，特别邀请到了英特尔和互联网头部企业的技术大咖们。各位参与者围绕当下技术圈中备受关注的热门话题展开讨论，共同参与了趣味十足的“YES or NO”互动环节!

各位与会者围绕当下技术圈中备受关注的热门话题展开讨论，共同探讨了行业内的新发展、新方向。我们相信，在各位技术人的不懈努力下，AI加速下的智能化编码一定会发展得越来越好。