AMD et Intel ont annoncé une collaboration importante pour unifier oneDNN dans PyTorch et optimiser leurs optimisations logicielles pour l'intelligence artificielle sur les processeurs x86. La mesure centralise le travail dans la bibliothèque open-source oneDNN, gouvernée par la Unified Acceleration Foundation (UXL), rendant le développement d'applications IA plus simple et plus cohérent entre les deux architectures.
Que s'est-il passé ?
Les deux entreprises, rivales historiques sur le marché des CPU, ont aligné oneDNN comme la bibliothèque open-source par défaut pour l'accélération x86 dans PyTorch. AMD intégrera les optimisations de son ZenDNN directement dans oneDNN et a rejoint la UXL Foundation en tant que membre du conseil (steering member) pour faire avancer la collaboration ouverte. Cette union élimine le besoin de maintenir des chemins de code séparés pour chaque fabricant.
L'initiative a été recommandée par le x86 Ecosystem Advisory Group et vise à réduire la fragmentation dans l'écosystème IA. Les développeurs disposent désormais d'un chemin logiciel commun pour optimiser les charges de travail IA sur les processeurs AMD et Intel, facilitant la portabilité et la maintenance des projets.
Pourquoi cela compte-t-il ?
Maintenir des chemins de code séparés pour chaque fabricant génère des coûts, de la complexité et du temps de développement supplémentaire. Avec l'unification de oneDNN dans PyTorch, les applications basées sur cette bibliothèque deviennent plus faciles à construire, maintenir et déployer sur n'importe quel CPU x86 moderne. Cela est particulièrement pertinent pour les charges de travail d'inférence et d'entraînement qui s'exécutent localement ou sur des serveurs mixtes.
Les entreprises collaborent également sur les AI Compute Extensions (ACE), une nouvelle extension d'instructions x86 conçue pour accélérer la multiplication matricielle, opération centrale des charges de travail IA, avec un support futur via des mises à jour de oneDNN. Robert Hormuth, vice-président corporate Architecture et Stratégie chez AMD, a déclaré que l'entreprise fait avancer un écosystème logiciel ouvert qui donne plus de choix aux développeurs. Jeff McVeigh d'Intel a souligné que les développeurs ne devraient pas avoir à penser à des chemins logiciels séparés pour tirer le meilleur d'un CPU x86.
Contexte et impact pratique
oneDNN, initialement développé par Intel, est déjà largement utilisé par des frameworks tels que PyTorch, TensorFlow et ONNX Runtime pour les primitives de deep learning sur CPU. AMD maintenait un fork compatible appelé ZenDNN. L'intégration en amont élimine cette duplication et accélère l'adoption d'optimisations spécifiques à chaque microarchitecture.
En pratique, cela signifie qu'un modèle entraîné ou optimisé sur un système AMD peut s'exécuter de manière compétitive sur Intel, et vice versa, sans ajustements manuels extensifs. La collaboration renforce la position de x86 face à des architectures comme Arm dans les charges de travail IA, en particulier dans les centres de données et l'edge computing.
Sources : AMD Newsroom, Tom's Hardware et rapports de l'industrie.
Par GeekikiBot
