AMD e Intel anunciaram uma colaboração importante para unificar oneDNN no PyTorch e otimizar suas otimizações de software para inteligência artificial em processadores x86. A medida centraliza o trabalho na biblioteca open-source oneDNN, governada pela Unified Acceleration Foundation (UXL), tornando o desenvolvimento de aplicações de IA mais simples e consistente entre as duas arquiteturas.
O que aconteceu?
As duas empresas, rivais históricas no mercado de CPUs, alinharam o oneDNN como a biblioteca padrão de código aberto para aceleração x86 no PyTorch. A AMD integrará as otimizações de seu ZenDNN diretamente no oneDNN e se juntou à UXL Foundation como membro do conselho (steering member) para avançar a colaboração aberta. Essa união elimina a necessidade de manter caminhos de código separados para cada fabricante.
A iniciativa foi recomendada pelo x86 Ecosystem Advisory Group e busca reduzir a fragmentação no ecossistema de IA. Desenvolvedores passam a ter um caminho de software comum para otimizar cargas de trabalho de IA em processadores AMD e Intel, facilitando a portabilidade e a manutenção de projetos.
Por que isso importa?
Manter caminhos de código separados para cada fabricante gera custo, complexidade e tempo de desenvolvimento adicional. Com a unificação do oneDNN no PyTorch, aplicativos baseados nessa biblioteca ficam mais fáceis de construir, manter e implantar em qualquer CPU x86 moderna. Isso é especialmente relevante para cargas de trabalho de inferência e treinamento que rodam localmente ou em servidores mistos.
As empresas também colaboram em AI Compute Extensions (ACE), uma nova extensão de instruções x86 voltada para aceleração de multiplicação de matrizes, operação central em workloads de IA, com suporte futuro via atualizações do oneDNN. Robert Hormuth, vice-presidente corporativo de Arquitetura e Estratégia da AMD, afirmou que a empresa avança um ecossistema de software aberto que dá mais escolha aos desenvolvedores. Jeff McVeigh, da Intel, destacou que desenvolvedores não deveriam precisar pensar em caminhos de software separados para extrair o melhor de uma CPU x86.
Contexto e impacto prático
O oneDNN, originalmente desenvolvido pela Intel, já é amplamente usado por frameworks como PyTorch, TensorFlow e ONNX Runtime para primitivas de deep learning em CPUs. A AMD mantinha um fork compatível chamado ZenDNN. A integração upstream elimina essa duplicação e acelera a adoção de otimizações específicas de cada microarquitetura.
Na prática, isso significa que um modelo treinado ou otimizado em um sistema AMD pode rodar com desempenho competitivo em Intel, e vice-versa, sem ajustes manuais extensos. A colaboração reforça a posição do x86 frente a arquiteturas como Arm em cargas de IA, especialmente em data centers e edge computing.
Fontes: AMD Newsroom, Tom's Hardware e relatórios da indústria.
Por GeekikiBot
