医学影像，越来越需要AI的帮助了。
根据数据统计，目前我国医学影像数据年增速在30%，但影像科医生年增速却只有4%，医生面临较大的工作压力。
那么，AI医学影像市场发展得如何呢?
AI影像行业，是人工智能在医疗领域里面探索最久的赛道之一，近年来人工智能辅助诊断三类证的获批数量持续增长，整个人工智能医学影像市场预计会在4年左右的时间突破百亿，保持高增长。参考亿欧智库发布的《2023年中国人工智能医学影像产品生态路线研究报告》，2023年我国AI医学影像市场规模为24亿元，2030年将达到 137.4亿元，年复合增长率为33.8%。
虽然有了AI帮忙，能提升诊疗效率、改善患者就医体验，但同时也带来一个问题：
医院对于医学影像系统的花费越来越高了，患者看病的成本也大幅提高。
所以在这个技术飞速进步的时代，医院不是简单采用新技术就能造福患者的，也要综合考虑投入产出，才能关怀到每个病人。
在这样的背景下，医学影像系统如何在满足功能、性能需求的同时降低总体拥有成本 (TCO)，就成了关键问题。
以东软智慧医学影像信息系统PACS/RIS为例，该系统提供了覆盖检查预约、到诊排队、用药管理、检查管理、影像诊断等在内的一体融合全医学影像管理能力，可辅助医生更好地开展工作。东软在新一代的PACS/RIS产品中，就采用了基于CPU的方案运行三维可视化、AI推理等工作负载。
在三维可视化加持下，融合影像分析等技术，让医务人员通过旋转、缩放、分割、图像增强等操作，从多角度清晰了解到医学影像中各结构之间的空间位置关系，在疾病诊断的可视化、术前评估、手术规划、手术实时指导等方面发挥重要价值。
要知道三维可视化、AI推理都是非常吃硬件性能的，好在经过指令集、软件等方面做性能优化后，东软将PACS/RIS系统的三维可视化效率提升达2.45倍，AI推理性能提升高达8.49倍，并有效地控制了成本。
到这里看似圆满结局了，但其实过程中还有更多的细节更值得关注和借鉴，比如系统性能是如何优化提升上去的，CPU又为什么是破局的关键?
##性能如何搞上去?
东软集团相信大家并不陌生，作为中国第一家上市软件公司，在医疗健康领域已深耕多年。
这次他们之所以选择英特尔当合作伙伴，正是因为在三维可视化和AI推理这两大性能杀手面前，第五代英特尔® 至强® 可扩展处理器拥有两大法宝：
OpenMP与SSE4(Streaming SIMD Extensions 4)指令集，和英特尔® AMX加速器。
首先来看三维可视化部分。
东软主要采用了体渲染(Volume Rendering)技术，通过OpenMP与SSE4指令集支持光线合成的实现。
SSE4指令集不仅扩展了Intel® 64指令集架构，还加入了图形、视频编码及处理、三维成像等方面的指令，使涉及音频、图像和数据压缩算法的应用程序性能大幅提升。
为了找出执行三维可视化任务时，其产品在部分应用中性能不足的瓶颈所在，东软使用了英特尔提供的VTune™ Profiler工具，最终确定了瓶颈函数SafeGradz。该函数主要利用SSE4指令集进行三线性插值，从而实现光线上点的梯度计算。通过对该函数的代码进行优化，东软成功提升了三维可视化应用的性能。
在不同代英特尔® 至强® 可扩展处理器上进行测试，结果显示，在处理器开通4并发8线程时，第五代英特尔® 至强® 铂金8592+处理器的三维重建效率，相比第二代的英特尔® 至强® 银牌4210R处理器提升达2.45倍，让三维影像的交互更加流畅顺滑。
图注：PACS/RIS 系统的三维重建应用运行效率比较
值得注意的是，第五代英特尔® 至强® 铂金8592+的主频为1.90GHz，比第二代英特尔® 至强® 银牌4210R的2.40GHz主频还要低。
更进一步说明了，性能提升靠的不是主频提升，而是靠适合工作负载的指令集和各种优化工作。
接下来看AI推理部分。
东软借助处理器内置的英特尔® AMX(高级矩阵扩展)技术，让CPU也能轻松驾驭深度学习任务。
英特尔® AMX针对广泛的硬件和软件进行了优化，在前代VNNI和BF16技术的基础上，进一步增强了矩阵计算能力，最大限度地利用计算资源，改善高速缓存利用率，避免潜在的带宽瓶颈。
东软在第二代/第四代/第五代英特尔® 至强® 可扩展处理器上，测试了不同参数规模的AI模型在同步和异步模式下的推理表现。
测试数据显示，对于参数量为31,185,568的较大模型，在BF16精度和异步模式下，第五代英特尔® 至强® 铂金8592+处理器相比第二代英特尔® 至强® 银牌4210R处理器，推理性能提升高达8.49倍。这意味着AI辅助诊断能以更快的速度为医生提供洞见。
图注：BF16 精度下的异步推理性能比较
之所以选择第五代英特尔® 至强® 可扩展处理器，除了其本身性能够强之外，还有一些额外的好处。
比如辅以英特尔提供的OpenVINO™ 工具套件优化和部署各类模型，还可跨英特尔® 硬件扩展计算机视觉和非视觉工作负载，从而大幅提高性能，达到软硬协同的效果。
又比如第五代至强® 与上一代产品在软件和平台上兼容，因此在部署新系统时可以大大减少测试和验证工作。
……
在减少测试和验证这里，其实也起到一些节省成本的效果了。
不过在省钱这件事上，除了与具体技术优化相关，还有更多行业经验可以分享。
##成本怎么打下来
其实医疗行业在选择硬件这件事上，CPU早已成为各大玩家们眼中的“香饽饽”。
原因也是很简单，GPU固然在性能方面存在一定的优势，但“硬伤”也是比较明显，那便是成本过高。
并且从宏观角度来看，大模型的火热确实催动了GPU需求的激增，在训练阶段尤甚;但现如今到了以推理为主的阶段，如何能让AI“快好省”地用起来成为了关键点。在部署时盲目堆GPU不仅可能会造成算力过剩，出现“大炮打蚊子”的现象，更是会导致成本的“水涨船高”。
而诸如第五代英特尔® 至强® 这样的高端CPU，不仅能够很好地跟上性能的脚步，在成本的控制方面也是给出了满足成本条件的更加可行、更符合实际的方案。
一言蔽之，高性价比才是关键中的关键。
其次，CPU也算找准了“赛道”——部分医疗场景的AI推理具备批处理特性，对AI推理时延性能不敏感，更适合采用CPU进行推理。
具体到性能方面，第五代英特尔® 至强® 的“打开方式”是这样的：
●整体性能提升：21%
●推理性能提升：42%
●内存速度提升：16%
●三级缓存提升：2.7倍
●每瓦性能提升：10倍
也正因如此，第五代英特尔® 至强® 在处理多样化的任务负载时，可以显著提升每瓦特性能，尤其在人工智能、数据中心管理、网络操作和科学计算领域，而且还能显著降低总体拥有成本(TCO)。
而这也还仅是东软等医疗行业选择CPU的原因之一，广泛的兼容性和成熟的技术也是不可忽视的。
众所周知，CPU技术的发展相对来说较为成熟，几乎所有软件应用和操作系统都能在CPU上良好运行。
而在医疗行业中，存在大量基于传统架构开发的软件，这些软件通常设计为在标准的CPU上运行。因此，使用CPU可以确保与现有系统和软件的广泛兼容性。
其次，CPU易于维护和升级也是重要的一点，而GPU在这方面会显得更为复杂。医疗行业依赖于稳定运行的系统来保证服务的连续性，因此更倾向于选择维护简便、升级路径明确的硬件解决方案。
加之CPU早已在医疗行业上岗，广泛用于电子病历系统、医院资源规划系统等，培养出成熟的技术团队，也建立了完善的采购流程。
因此，为什么医疗行业青睐于CPU、为什么越来越多的人会选择CPU做AI推理，也就不难理解了。
在这一点上，或许也正应了英特尔CEO帕特·基辛格曾经表达过的观点：
>从经济学的角度看推理应用的话，很多客户并不需要高端的GPU设备，因为它成本太高，耗电太多，并且需要构建新的技术架构，以及新的IT设施，一切都是全新的挑战。
>如果我能在标准版的英特尔芯片上运行AI应用且满足需求，就不会出现这些问题。
##能用起来才是硬道理
如果说东软选择第五代英特尔® 至强® 这件事是一个“点”，它其实能够带出来的是一个更大的“面”——
技术，需得广泛用起来，这才是硬道理。
诚然现在是以大模型为主流的时代，但回看2023年至今的发展，其实也是在印证着这一点。
起初大模型的发展先是掀起了以训练为主的百模大战，而后又迅速转向了推理阶段，也就是技术要落地。
到了今年，这一趋势也是越发明显，不论是OpenAI、谷歌等巨头，还是乘AIGC东风起家的初创，都在发力于如何让AIGC更好地用起来。
一言蔽之，现在已然是应用为王的阶段。
而要让前沿技术做到真正落地，就必须要在性能和成本之间做好平衡;或许这也正是近期国内大厂们掀起疯狂“价格战”的原因之一。
但无论AI如何发展，算力，永远是绕不开的一个话题。
因此，站在现在这个“AI一日，人间一年”的时代，纵使技术日新月异，要想让它们广泛被用起来，性能和成本之间的这杆秤，需是得从最底层的基础设施抓起。
而东软和英特尔的合作模式，是一个可以值得借鉴的“范本”了。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
