中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院賽西實(shí)驗(yàn)室依據(jù)國(guó)家標(biāo)準(zhǔn)《人工智能服務(wù)器系統(tǒng)性能測(cè)試規(guī)范》（征求意見稿）相關(guān)要求，使用AISBench 2.0測(cè)試工具，完成了第五代英特爾至強(qiáng)可擴(kuò)展處理器的AI大模型推理性能和精度測(cè)試。測(cè)試中，第五代英特爾至強(qiáng)在ChatGLM V2-6B（60億參數(shù)）以及 Llama2-13B（130億參數(shù)）兩個(gè)模型上均展現(xiàn)出卓越推理性能，能夠滿足輕量級(jí)大語言模型的實(shí)時(shí)推理要求。

測(cè)試結(jié)果：此次單機(jī)性能測(cè)試中，在滿足人類正常閱讀速度要求（生成延遲小于100毫秒）的情況下，在封閉測(cè)試場(chǎng)景中構(gòu)造數(shù)據(jù)集，基于第五代英特爾至強(qiáng)的服務(wù)器可實(shí)現(xiàn)：

• 在60億參數(shù)的ChatGLM V2模型通用推理中，當(dāng)輸入輸出序列為256時(shí)可達(dá)每秒 2493 token的性能，當(dāng)輸入輸出序列為2048時(shí)可達(dá)每秒926 token。
• 在130億參數(shù)的Llama2模型通用推理中，當(dāng)輸入輸出為256時(shí)可達(dá)每秒513 token，當(dāng)輸入輸出序列為2048時(shí)可達(dá)每秒 132 token¹。

作為通用處理器，第五代英特爾至強(qiáng)在人工智能、網(wǎng)絡(luò)、存儲(chǔ)、數(shù)據(jù)庫(kù)等關(guān)鍵工作負(fù)載均能提供出色性能。AISBench 2.0的測(cè)試結(jié)果驗(yàn)證了英特爾至強(qiáng)在運(yùn)行輕量級(jí)大語言模型時(shí)展現(xiàn)出的優(yōu)異推理性能，使得客戶可以使用基于至強(qiáng)的服務(wù)器，構(gòu)建一個(gè)通用AI系統(tǒng)進(jìn)行數(shù)據(jù)預(yù)處理、模型推理和部署，從而獲得兼具AI性能、效率、準(zhǔn)確性和可擴(kuò)展性的組合。這也彰顯了英特爾至強(qiáng)可以為企業(yè)提供“開箱即用”的功能，即可以在通用系統(tǒng)上部署一部分AI工作負(fù)載，從而為客戶帶來更佳的總體擁有成本（TCO）優(yōu)勢(shì)。

軟硬結(jié)合，至強(qiáng)展現(xiàn)AI優(yōu)勢(shì)

英特爾至強(qiáng)的內(nèi)置AI加速器使其成為在通用處理器上運(yùn)行部分AI工作負(fù)載的理想解決方案，不僅如此，英特爾還配備了經(jīng)過優(yōu)化的、易于編程的開放軟件，可降低客戶和生態(tài)伙伴在數(shù)據(jù)中心部署從云到智能邊緣各種基于AI的解決方案的門檻。

• 第五代英特爾至強(qiáng)可擴(kuò)展處理器充分發(fā)揮了系統(tǒng)級(jí)優(yōu)勢(shì)（包括緩存、內(nèi)存等），因此推理速度實(shí)現(xiàn)了大幅提升。

• 其內(nèi)置的AI加速器——英特爾^?高級(jí)矩陣擴(kuò)展（AMX），通過提供專用的矩陣運(yùn)算加速模塊（TMUL），以及支持INT8和BF16這類低精度數(shù)據(jù)類型，可實(shí)現(xiàn)對(duì)計(jì)算資源的充分利用，從而大幅提升運(yùn)算效率。

• xFasterTransformer（簡(jiǎn)稱xFT）是英特爾提供的在CPU平臺(tái)上部署大語言模型的深度優(yōu)化開放解決方案，通過C++和Python兩種API接口，更易于用戶使用和將其集成到自有業(yè)務(wù)框架中。

zhupb