搞醫學影像，為什么都青睞于CPU？

　　醫學影像，越來越需要AI的幫助了。

　　根據數據統計，目前我國醫學影像數據年增速在30%，但影像科醫生年增速卻只有4%，醫生面臨較大的工作壓力。

　　那么，AI醫學影像市場發展得如何呢?

　　AI影像行業，是人工智能在醫療領域里面探索最久的賽道之一，近年來人工智能輔助診斷三類證的獲批數量持續增長，整個人工智能醫學影像市場預計會在4年左右的時間突破百億，保持高增長。參考億歐智庫發布的《2023年中國人工智能醫學影像產品生態路線研究報告》，2023年我國AI醫學影像市場規模為24億元，2030年將達到 137.4億元，年復合增長率為33.8%。

　　雖然有了AI幫忙，能提升診療效率、改善患者就醫體驗，但同時也帶來一個問題：

　　醫院對于醫學影像系統的花費越來越高了，患者看病的成本也大幅提高。

　　所以在這個技術飛速進步的時代，醫院不是簡單采用新技術就能造福患者的，也要綜合考慮投入產出，才能關懷到每個病人。

　　在這樣的背景下，醫學影像系統如何在滿足功能、性能需求的同時降低總體擁有成本 (TCO)，就成了關鍵問題。

　　以東軟智慧醫學影像信息系統PACS/RIS為例，該系統提供了覆蓋檢查預約、到診排隊、用藥管理、檢查管理、影像診斷等在內的一體融合全醫學影像管理能力，可輔助醫生更好地開展工作。東軟在新一代的PACS/RIS產品中，就采用了基于CPU的方案運行三維可視化、AI推理等工作負載。

　　在三維可視化加持下，融合影像分析等技術，讓醫務人員通過旋轉、縮放、分割、圖像增強等操作，從多角度清晰了解到醫學影像中各結構之間的空間位置關系，在疾病診斷的可視化、術前評估、手術規劃、手術實時指導等方面發揮重要價值。

　　要知道三維可視化、AI推理都是非常吃硬件性能的，好在經過指令集、軟件等方面做性能優化后，東軟將PACS/RIS系統的三維可視化效率提升達2.45倍，AI推理性能提升高達8.49倍，并有效地控制了成本。

　　到這里看似圓滿結局了，但其實過程中還有更多的細節更值得關注和借鑒，比如系統性能是如何優化提升上去的，CPU又為什么是破局的關鍵?

　　##性能如何搞上去?

　　東軟集團相信大家并不陌生，作為中國第一家上市軟件公司，在醫療健康領域已深耕多年。

　　這次他們之所以選擇英特爾當合作伙伴，正是因為在三維可視化和AI推理這兩大性能殺手面前，第五代英特爾® 至強® 可擴展處理器擁有兩大法寶：

　　OpenMP與SSE4(Streaming SIMD Extensions 4)指令集，和英特爾® AMX加速器。

　　首先來看三維可視化部分。

　　東軟主要采用了體渲染(Volume Rendering)技術，通過OpenMP與SSE4指令集支持光線合成的實現。

　　SSE4指令集不僅擴展了Intel® 64指令集架構，還加入了圖形、視頻編碼及處理、三維成像等方面的指令，使涉及音頻、圖像和數據壓縮算法的應用程序性能大幅提升。

　　為了找出執行三維可視化任務時，其產品在部分應用中性能不足的瓶頸所在，東軟使用了英特爾提供的VTune™ Profiler工具，最終確定了瓶頸函數SafeGradz。該函數主要利用SSE4指令集進行三線性插值，從而實現光線上點的梯度計算。通過對該函數的代碼進行優化，東軟成功提升了三維可視化應用的性能。

　　在不同代英特爾® 至強® 可擴展處理器上進行測試，結果顯示，在處理器開通4并發8線程時，第五代英特爾® 至強® 鉑金8592+處理器的三維重建效率，相比第二代的英特爾® 至強® 銀牌4210R處理器提升達2.45倍，讓三維影像的交互更加流暢順滑。

　　圖注：PACS/RIS 系統的三維重建應用運行效率比較

　　值得注意的是，第五代英特爾® 至強® 鉑金8592+的主頻為1.90GHz，比第二代英特爾® 至強® 銀牌4210R的2.40GHz主頻還要低。

　　更進一步說明了，性能提升靠的不是主頻提升，而是靠適合工作負載的指令集和各種優化工作。

　　接下來看AI推理部分。

　　東軟借助處理器內置的英特爾® AMX(高級矩陣擴展)技術，讓CPU也能輕松駕馭深度學習任務。

　　英特爾® AMX針對廣泛的硬件和軟件進行了優化，在前代VNNI和BF16技術的基礎上，進一步增強了矩陣計算能力，最大限度地利用計算資源，改善高速緩存利用率，避免潛在的帶寬瓶頸。

　　東軟在第二代/第四代/第五代英特爾® 至強® 可擴展處理器上，測試了不同參數規模的AI模型在同步和異步模式下的推理表現。

　　測試數據顯示，對于參數量為31,185,568的較大模型，在BF16精度和異步模式下，第五代英特爾® 至強® 鉑金8592+處理器相比第二代英特爾® 至強® 銀牌4210R處理器，推理性能提升高達8.49倍。這意味著AI輔助診斷能以更快的速度為醫生提供洞見。

　　圖注：BF16 精度下的異步推理性能比較

　　之所以選擇第五代英特爾® 至強® 可擴展處理器，除了其本身性能夠強之外，還有一些額外的好處。

　　比如輔以英特爾提供的OpenVINO™ 工具套件優化和部署各類模型，還可跨英特爾® 硬件擴展計算機視覺和非視覺工作負載，從而大幅提高性能，達到軟硬協同的效果。

　　又比如第五代至強® 與上一代產品在軟件和平臺上兼容，因此在部署新系統時可以大大減少測試和驗證工作。

　　……

　　在減少測試和驗證這里，其實也起到一些節省成本的效果了。

　　不過在省錢這件事上，除了與具體技術優化相關，還有更多行業經驗可以分享。

　　##成本怎么打下來

　　其實醫療行業在選擇硬件這件事上，CPU早已成為各大玩家們眼中的“香餑餑”。

　　原因也是很簡單，GPU固然在性能方面存在一定的優勢，但“硬傷”也是比較明顯，那便是成本過高。

　　并且從宏觀角度來看，大模型的火熱確實催動了GPU需求的激增，在訓練階段尤甚;但現如今到了以推理為主的階段，如何能讓AI“快好省”地用起來成為了關鍵點。在部署時盲目堆GPU不僅可能會造成算力過剩，出現“大炮打蚊子”的現象，更是會導致成本的“水漲船高”。

　　而諸如第五代英特爾® 至強® 這樣的高端CPU，不僅能夠很好地跟上性能的腳步，在成本的控制方面也是給出了滿足成本條件的更加可行、更符合實際的方案。

　　一言蔽之，高性價比才是關鍵中的關鍵。

　　其次，CPU也算找準了“賽道”——部分醫療場景的AI推理具備批處理特性，對AI推理時延性能不敏感，更適合采用CPU進行推理。

　　具體到性能方面，第五代英特爾® 至強® 的“打開方式”是這樣的：

　　●整體性能提升：21%

　　●推理性能提升：42%

　　●內存速度提升：16%

　　●三級緩存提升：2.7倍

　　●每瓦性能提升：10倍

　　也正因如此，第五代英特爾® 至強® 在處理多樣化的任務負載時，可以顯著提升每瓦特性能，尤其在人工智能、數據中心管理、網絡操作和科學計算領域，而且還能顯著降低總體擁有成本(TCO)。

　　而這也還僅是東軟等醫療行業選擇CPU的原因之一，廣泛的兼容性和成熟的技術也是不可忽視的。

　　眾所周知，CPU技術的發展相對來說較為成熟，幾乎所有軟件應用和操作系統都能在CPU上良好運行。

　　而在醫療行業中，存在大量基于傳統架構開發的軟件，這些軟件通常設計為在標準的CPU上運行。因此，使用CPU可以確保與現有系統和軟件的廣泛兼容性。

　　其次，CPU易于維護和升級也是重要的一點，而GPU在這方面會顯得更為復雜。醫療行業依賴于穩定運行的系統來保證服務的連續性，因此更傾向于選擇維護簡便、升級路徑明確的硬件解決方案。

　　加之CPU早已在醫療行業上崗，廣泛用于電子病歷系統、醫院資源規劃系統等，培養出成熟的技術團隊，也建立了完善的采購流程。

　　因此，為什么醫療行業青睞于CPU、為什么越來越多的人會選擇CPU做AI推理，也就不難理解了。

　　在這一點上，或許也正應了英特爾CEO帕特·基辛格曾經表達過的觀點：

　　>從經濟學的角度看推理應用的話，很多客戶并不需要高端的GPU設備，因為它成本太高，耗電太多，并且需要構建新的技術架構，以及新的IT設施，一切都是全新的挑戰。

　　>如果我能在標準版的英特爾芯片上運行AI應用且滿足需求，就不會出現這些問題。

　　##能用起來才是硬道理

　　如果說東軟選擇第五代英特爾® 至強® 這件事是一個“點”，它其實能夠帶出來的是一個更大的“面”——

　　技術，需得廣泛用起來，這才是硬道理。

　　誠然現在是以大模型為主流的時代，但回看2023年至今的發展，其實也是在印證著這一點。

　　起初大模型的發展先是掀起了以訓練為主的百模大戰，而后又迅速轉向了推理階段，也就是技術要落地。

　　到了今年，這一趨勢也是越發明顯，不論是OpenAI、谷歌等巨頭，還是乘AIGC東風起家的初創，都在發力于如何讓AIGC更好地用起來。

　　一言蔽之，現在已然是應用為王的階段。

　　而要讓前沿技術做到真正落地，就必須要在性能和成本之間做好平衡;或許這也正是近期國內大廠們掀起瘋狂“價格戰”的原因之一。

　　但無論AI如何發展，算力，永遠是繞不開的一個話題。

　　因此，站在現在這個“AI一日，人間一年”的時代，縱使技術日新月異，要想讓它們廣泛被用起來，性能和成本之間的這桿秤，需是得從最底層的基礎設施抓起。

　　而東軟和英特爾的合作模式，是一個可以值得借鑒的“范本”了。