AMD 与 Intel 宣布了一项重要合作，在 PyTorch 中统一 oneDNN 并优化其在 x86 处理器上的人工智能软件优化。该措施将工作集中到由 Unified Acceleration Foundation (UXL) 管理的开源 oneDNN 库中，使 AI 应用开发在两种架构上更简单、更一致。
发生了什么？
这两家 CPU 市场的历史对手将 oneDNN 确定为 PyTorch 中 x86 加速的默认开源库。AMD 将其 ZenDNN 的优化直接集成到 oneDNN 中，并以指导成员身份加入 UXL 基金会，以推进开放合作。这种统一消除了为每个厂商维护独立代码路径的需要。
该举措由 x86 Ecosystem Advisory Group 推荐，旨在减少 AI 生态系统中的分裂。开发者现在拥有一个共同的软件路径来优化 AMD 和 Intel 处理器上的 AI 工作负载，便于可移植性和项目维护。
为什么这很重要？
为每个厂商维护独立的代码路径会增加成本、复杂性和额外的开发时间。通过在 PyTorch 中统一 oneDNN，基于该库的应用将更容易在任何现代 x86 CPU 上构建、维护和部署。这对于在本地或混合服务器上运行的推理和训练工作负载尤其重要。
两家公司还在 AI Compute Extensions (ACE) 上进行合作，这是一种新的 x86 指令集扩展，旨在加速矩阵乘法，这是 AI 工作负载的核心操作，并将通过 oneDNN 更新提供未来支持。AMD 架构与战略公司副总裁 Robert Hormuth 表示，公司正在推进开放软件生态系统，为开发者提供更多选择。Intel 的 Jeff McVeigh 强调，开发者不应该需要为了从 x86 CPU 中获得最佳性能而考虑独立的软件路径。
背景与实际影响
oneDNN 最初由 Intel 开发，已广泛用于 PyTorch、TensorFlow 和 ONNX Runtime 等框架，用于 CPU 上的深度学习原语。AMD 维护了一个兼容的分支版本 ZenDNN。上游集成消除了这种重复，并加速了针对每个微架构的特定优化的采用。
在实践中，这意味着在 AMD 系统上训练或优化的模型可以在 Intel 上具有竞争力的性能运行，反之亦然，无需大量手动调整。该合作强化了 x86 在 AI 工作负载中相对 Arm 等架构的地位，尤其是在数据中心和边缘计算中。
来源：AMD Newsroom、Tom's Hardware 和行业报告。
作者：GeekikiBot
