快节奏的生活和移动互联网的普及,

让移动短视频成为人们的移动应用新宠.
来自分析机构的数据指出:截止到2018年6月,短视频综合平台与短视频聚合平台的活跃用户规模分别达到了4.
72亿人和1.
61亿人1.
而北京快手科技有限公司(以下简称"快手*")无疑是这一市场中的佼佼者.
诞生于2011年的快手,以有趣的使用体验和良好的交互模式,在短短数年间,就成长为日活跃用户数(DailyActiveUser,DAU)过亿的行业独角兽.
良好用户反馈的背后,是快手强大的技术支撑能力.
从成立伊始,快手就积极组建AI团队,推出智能推荐、人脸识别、自动美颜、视频即时特效等功能,深得用户青睐.
随着业务的高速增长,尤其当其日播放量已达百亿次级,日上传视频量已达千万条级时2,快手的AI平台也开始经受严峻的性能考验,亟需寻求更强劲的计算力和更优化的算法予以应对.
针对快手的需求,引领AI领域计算平台创新的英特尔为其提供了从产品到技术的全方位支撑.
一方面,英特尔向快手提供了包括英特尔至强可扩展处理器在内的各类先进硬件产品,为快手AI平台打造算力更为强劲的基础设施,另一方面,为其导入英特尔数学核心函数库(IntelMathKernelLibrary,英特尔MKL)以及来自英特尔的高性能编译器,来帮助快手进一步优化其AI算法.
双方的通力协作取得了良好效果,一系列测试与实际部署数据都表明,英特尔产品与技术的引入,无论是在图像检索、还是在语音识别能力上,都帮助快手AI平台获得了数倍的性能提升,这为快手业务的进一步拓展与用户体验的改善,提供了良好的技术助力.
英特尔至强可扩展处理器人工智能移动短视频英特尔技术助力快手AI平台显著提升内容感知和理解能力更高效处理海量视频、图片和语音"快手的愿景,是以科技实现每个人独特的幸福感.
帮助用户记录自己的生活,让每个人都有机会被世界看到,这些都离不开背后AI系统的支撑.
通过对海量视频、图片和语音进行高速处理,快手实现了通过一个小小的应用,来拉近人与人之间的距离,提升用户的幸福感.
英特尔产品与技术的加入,尤其是新一代英特尔至强可扩展处理器的采用,帮助我们更好地实现了这一目标.
"李岩多媒体内容理解部负责人北京快手科技有限公司对于快手人而言,他们更愿意称自己的公司为AI公司而非短视频聚合平台.
快手基于用户行为的AI特征分析会随着用户的深入使用变得越来越细致、越来越具体,而用户则惊喜地发现,他们总是能够刷到喜欢的短视频,上传的短视频也能得到更多的点赞.
这背后,是快手AI平台对数十亿视频内容的深刻理解.
内容理解,是快手在AI领域的核心技术之一,通过快速解析用户上传的短视频内容,对内容的各个维度进行精确量化,从而衍伸出匹配、推荐、搜索、广告投放、安全监控等一系列功能.
事实上,AI平台已成为快手实现各类酷炫功能时不可或缺的基础平台.
但构建强大高效的AI平台并非易事.
众所周知,在深度学习等AI方法中,随着数据处理量的增加,所需的计算力将呈几何级数增长.
早在2012年GoogleBrain*进行的一次测试中,为了利用深度神经网络来识别视频中的猫,系统共使用了16,000个通用处理器3.
如今,快手的短视频发布总量已达70亿条,每天新增视频达到千万量级4,其所面临的计算量可想而知.
因此,要应对这一挑战,快手AI平台需要做的是:配备更强的计算力,对AI算法进行更深入的优化.
新一代处理器提供更强算力无论是智能推荐,还是精准营销,或者是智能鉴黄,短视频应用背后的AI平台,都需要对用户上传的视频进行有效的分析和感知.
图像和语音是其中两个核心维度.
在图像维度,通过图像检索技术,平台可以实现内容特征库的构建,并建立高效的特征库索引;在语音维度,通过语音识别技术,平台可以对人物的情绪、年龄等属性进行精准分析.
因此,图像检索和语音识别是目前快手AI平台的两大核心功能.
K-Means*聚类算法是目前快手AI平台重要的图像检索算法之一.
通过对图像内的信息进行向量转化,再通过K-Means聚类算法计算聚类中心,从而快速得到索引.
利用这一算法,快手AI平台可以迅速将用户上传的视频进行索引归类,加入特征库,并通过推案例研究|更高效处理海量视频、图片和语音荐系统向用户推荐匹配度和相关性最高的视频.
可以说,AI平台图像检索的处理速度,将直接影响快手多项用户功能的使用体验.
实施K-Means聚类算法时,AI平台需要执行大量的迭代计算.
当需要处理的图像数据集达到一定规模后,快手发现,其AI平台在多线程计算处理上开始显现出不足.
为此,英特尔团队一方面帮助快手对其算法进行优化,通过重构数据结构和完全矢量化的方法,使算法的数据处理效率得以提高.
另一方面,英特尔为快手AI平台提供的新一代英特尔至强可扩展处理器,也极大地提升了K-Means聚类算法的处理效率,拥有多达28个内核的英特尔至强可扩展处理器,可以轻松应对上文所述的多线程计算能力不足问题.
同时,其全新的内核微架构,包括所有内核共用末级高速缓存(LastLevelCache,LLC)、六内存通道以及多达48个PCIe*通道等特性,也能有效地对K-Means聚类算法的优化内容予以支持,令其在处理海量图像数据时获得更优性能.
在英特尔至强金牌6130处理器上进行的一项图像检索对比测试中,基准测试组与优化测试组分别采用优化前后的K-Means聚类算法对10亿张图片进行图像检索处理.
测试数据如图一所示,经过优化的K-Means聚类算法,可使快手AI平台的性能增至原有的2.
22倍5.
12.
22x优化测试组基准测试组图一K-Means聚类算法用于图片检索处理的对比测试全方位算法优化释放平台潜能针对海量视频内容进行语音识别也是快手AI平台的重要职责之一.
目前,快手采用业界流行的Kaldi*语音识别工具箱来进行这一2工作.
而在Kaldi处理语音的各个环节中,有多处需要用到大量的矩阵计算.
传统上,Kaldi会调用其内置的BLAS*/LAPACK*模块来执行这些计算,但实践证明,这些模块还有大量值得优化的空间.
为帮助快手AI平台进一步提升在语音识别上的工作效能,除引入新一代的英特尔至强可扩展处理器外,英特尔还为快手提供了英特尔MKL与高性能编译器两项"尖端武器",前者包含了一系列经过深度优化、线程化和矢量化的数学函数,能够最大化地发挥基于英特尔架构的处理器的性能潜力,同时其也能与Kaldi中的其它模块相互兼容.
来自英特尔的高性能编译器自带的大量高性能可用设置,也可与新一代英特尔至强可扩展处理器相互配合,为矩阵计算带来更高的计算效率,从而大大提高语音识别在解码等流程上的性能.
为验证优化后的效果,快手基于最新的英特尔至强金牌6148处理器对语音识别优化前后的性能进行了对比测试.
基准测试组采用了操作系统内置的GCC编译器和Kaldi内置的BLAS/LAPACK模块,而优化测试组采用了英特尔MKL与高性能英特尔编译器的组合,并根据快手在不同场景下语音识别需求,结合不同算法和数据集设计了6种工作负载.
测试数据如图二所示,经过优化的语音识别,处理性能可提升至优化前的1.
92倍到2.
46倍不等6.
图二优化前后的语音识别对比测试更多部署方案,更大发展空间快手科技CEO宿华曾提到,对快手来讲,是要构建一整套以AI技术为核心的基础设施,能够用科技的力量提升每一个人独特的幸福感觉,能够让每一个人更多更好地感受这个世界,也能够更好地被这个世界所感受到7.
快手与英特尔的工程师们正携起手来,以先进的产品与技术为这一愿景添砖加瓦.
现在,快手已开始引入英特尔至强金牌6130处理器作为其AI平台的核心计算引擎,并逐渐引入性能更为强劲的英特尔至强金牌6148处理器.
未来,双方还计划在AI基础设施构建,软件、算法优化等多个维度开展更深层次的合作,以技术之"芯",帮助人们记录和分享在这个美好世界中的点点滴滴.
12.
46x1.
92x2.
02x2.
01x2.
26x2.
03x基准测试组优化测试组1优化测试组3优化测试组5优化测试组2优化测试组4优化测试组63案例研究|更高效处理海量视频、图片和语音案例研究|更高效处理海量视频、图片和语音1该数据来自易观发布的《中国短视频市场商业化发展专题分析2018》研究报告.
2、4、7该数据引自快手CEO宿华在2018年中国图灵大会上的演讲.
3数据摘自纽约时报刊文(June25,2012):"HowManyComputerstoIdentifyaCat16,000".
5、6测试数据来自快手与英特尔未公开的合作项目.
英特尔技术特性和优势取决于系统配置,并可能需要支持的硬件、软件或服务才能激活.
没有计算机系统是绝对安全的.
更多信息,请见Intel.
com,或从原始设备制造商或零售商处获得更多信息.
描述的成本降低情景均旨在在特定情况和配置中举例说明特定英特尔产品如何影响未来成本并提供成本节约.