oneAPI能否成为英特尔逆袭的杀手锏？

电子发烧友网报道（文/周凯扬）根据EvansData全球开发调查报告22.1公布的数据，有48%的开发者着手的都是使用不止一种处理器的异构系统，因为他们需要更高效的多架构编程方案来提高负载的应用范围。然而，像CUDA之类的专用编程模型，虽然生态成熟度更高，但缺乏移植性，所以英特尔就拿出了oneAPI这一统一开放的编程模型。

oneAPI将最大化利用英特尔的新一代硬件

去年12月，英特尔发布了全新的InteloneAPI工具2023版本，新版本的工具将支持第4代XeonScalable处理器、XeonCPU Max系列，以及英特尔的数据中心GPU，包括Flex和Max两大系列。

oneAPI对英特尔产品线的支持/英特尔

在英特尔AMX、AQT、AVX-512和矢量引擎等硬件特性的支持下，oneAPI进一步提高了这些英特尔硬件的深度学习处理性能和效率。比如在oneAPI的深度神经网络神经库下，XeonMaxCPU在MLPerfDeepCAM深度学习和推理下的性能，都要高出AMD的EPYC CPU，甚至高于英伟达的A100 GPU。在OpenMC、miniBUDE等计算负载下，英特尔的Max系列GPU也能实现两倍于英伟达A100 GPU的性能。

英特尔也开始联合开发社区，针对Tensorflow、PyTorch、Anaconda等常用框架进行优化。根据Tensorflow官方公布的数据，在英特尔和谷歌对oneAPI的oneDNN优化下，他们得以充分利用第四代XeonScalable处理器的性能，在使用该处理内置的AMX扩展后，相较上一代处理器，不少AI模型的运行速度实现了至高19倍的提升。随着oneAPI的oneDNN库均已被集成到最新版的TensorFlow和PyTorch中，相信更多开发者会选择转投英特尔的怀抱。

对第三方GPU的支持

对于软件开发人员来说，摆脱专有接口而转用开放标准的话，无疑可以兼容更广泛的平台和架构，但实现这一点需要的开发成本并不低。在英特尔收购了Codeplay之后，其软件开发进度也逐步加快。去年年底，Codeplay宣布扩展oneAPI对第三方API的支持，让多架构多供应商的编程变得更加简单，于是对于英伟达GPU和AMD GPU的oneAPI插件也就面世了。

提供给第三方GPU的oneAPI可以与英特尔的oneAPI DPC++/C++编译器，以及诸多流行的库无缝衔接，这样就能将不同的处理器的编程统一到开放标准上来。但同样需要注意的是，oneAPI对第三方GPU的支持还不算很完善，比如对于AMD GPU的支持仍处于beta测试阶段。而且当下oneAPI对已知的GPU支持相当有限，比如英伟达GPU正式支持的型号有RTX2060和A100，AMD GPU正式支持的型号只有Radeon Pro W6800。

虽然Codeplay称第一版oneAPI应该可以支持到更多的英伟达和AMD GPU，但他们并没有在这些硬件平台上进行测试，所以不能保证正确的运行。而且对于英伟达GPU来说，目前仅支持通用Linux系统，因为CUDA并不支持macOS，而支持Windows的版本将在未来推出。同样的兼容性说明也适用于AMD的GPU，而且Codeplay已经在AMD MI50、MI100和RadeonRX6700XT这些GPU上进行了测试，但AMD的HIP目前并不支持Windows或macOS，所以只有Linux一种操作系统选项。

小结

对于英特尔来说，直接与声势浩大的CUDA正面交锋无疑不是一个明智的选择，可有了oneAPI这个开放编程标准，绕过乃至实现CUDA移植可以为开发者提供更大的吸引力。毕竟如今的数据中心市场硬件换代速度快，又纷纷采用了异构集成设计，如果英特尔坚持只为自己的硬件提供支持的话，那么非英特尔的CPU、GPU、FPGA和AI加速器都将继续选择自研或是公开的编程方案。而开放的oneAPI，在为其他硬件提供支持的前提下，充分利用英特尔硬件的核心优势，才能做到异军突起。