斗了50年！刚刚，英特尔、AMD突然联手！

争夺AI推理
围剿英伟达！黄仁勋迎来新对手？CPU双雄联手！

深科技 deeptek｜全球半导体观察

全球CPU市场两大老对手，正在AI时代走向更深层次的合作。

近日，英特尔（Intel）与AMD宣布，将双方针对PyTorch的x86 CPU优化成果整合至开源深度学习库oneDNN，为开发者提供统一的AI软件开发路径。

这意味着，未来开发者在英特尔和AMD处理器上开发、优化和部署PyTorch应用时，有望减少针对不同硬件平台进行重复适配的工作。

更值得关注的是，双方还将合作推进面向AI计算的新一代x86指令集扩展。

从CPU架构到软件生态，英特尔与AMD正在试图解决一个共同的问题：当全球AI计算资源越来越向GPU和专用加速器集中，x86 CPU如何在AI时代继续保持竞争力？

一、英特尔、AMD突然结盟

英特尔与AMD是全球x86处理器市场最重要的两家企业，长期在服务器、个人电脑和高性能计算市场展开激烈竞争。

但在AI软件生态方面，两家公司面临着相似的挑战。

目前，PyTorch已成为全球AI模型开发的重要框架。开发者不仅关注处理器的硬件性能，也越来越重视底层算子库、编译优化和软件兼容性。

过去，英特尔与AMD分别维护面向自身处理器的优化技术。不同的优化路径虽然能够充分发挥各自硬件的性能，但也增加了开发者跨平台部署和维护AI应用的复杂度。

此次合作的核心，就是将双方优化能力进一步整合至oneDNN，让开发者通过更加统一的软件接口，利用不同x86 CPU的计算能力。

这并非两家公司首次在x86生态层面展开合作，但将合作深入至PyTorch底层加速库，意味着双方正在进一步推动AI软件标准化。

二、统一oneDNN

oneDNN是面向深度学习应用的开源性能库，主要提供矩阵运算、卷积等高性能计算能力，并针对不同处理器架构进行优化。

根据双方公布的信息，英特尔与AMD已就oneDNN达成一致，将其作为PyTorch中x86 CPU加速的默认开源库。

AMD计划把自身ZenDNN中的优化成果整合进oneDNN，同时以指导委员会成员身份加入统一加速基金会（UXL Foundation），参与相关技术路线与生态建设。

对开发者而言，这项合作最直接的价值是降低软件适配成本。

例如，一家企业在英特尔至强服务器上开发AI推理应用，未来将同一套PyTorch工作负载迁移至AMD EPYC服务器时，有望减少因底层性能库不同而产生的重复开发工作。

当然，统一软件路径并不意味着两种CPU拥有完全相同的性能。实际运行效率仍取决于处理器架构、指令支持、内存带宽以及具体模型。

但从产业角度看，减少软件碎片化，有利于整个x86平台争取更多AI开发者。

三、升级指令集

除了oneDNN，双方还宣布围绕AI Compute Extensions（AI计算扩展）展开合作。

这是一项面向x86处理器的下一代指令集扩展方向，重点提升矩阵乘法等AI计算任务的执行效率。

矩阵运算是深度学习模型训练和推理的重要基础。无论是Transformer模型中的线性层，还是大量传统机器学习计算，都依赖高效的矩阵处理能力。

近年来，CPU厂商持续增加面向AI的专用计算能力。英特尔已经在部分至强处理器中引入AMX等矩阵加速技术，AMD也在不断增强Zen架构的AI计算与向量处理能力。

此次合作意味着，双方希望通过更加一致的技术方向和软件支持，让未来x86 CPU的AI计算能力更容易被PyTorch等主流框架调用。

根据公布的计划，相关能力未来将通过oneDNN更新进一步集成至PyTorch。

不过，AI Compute Extensions仍属于后续推进方向，具体实现时间、硬件支持范围和性能提升幅度，有待进一步披露。

四、争夺AI生态

为什么两家长期竞争的CPU巨头，会选择在这个时间点加强合作？

一个重要背景是，AI产业的竞争正在从单纯的芯片性能比拼，转向硬件、软件和开发者生态的综合竞争。

英伟达之所以能够在AI加速计算市场建立强大优势，不仅依靠GPU硬件，也得益于CUDA、cuDNN等软件工具形成的成熟生态。

与此同时，谷歌TPU、亚马逊Trainium等专用AI芯片也在不断完善与PyTorch的兼容能力，希望降低开发者从GPU迁移到其他计算平台的门槛。

对于英特尔和AMD而言，CPU虽然仍然承担数据预处理、任务调度、内存管理以及大量通用计算任务，但如果缺少统一、易用的AI开发环境，其硬件能力就难以充分转化为开发者优势。

因此，两家公司选择共同完善oneDNN，本质上是在增强x86平台作为一个整体的吸引力。

值得强调的是，此次合作主要面向CPU上的AI计算，并非直接针对英伟达CUDA推出替代品，也不能简单理解为CPU将取代GPU。

CPU、GPU和专用AI加速器在未来很长一段时间内，仍将承担不同类型的计算任务。

五、x86新战场

从更长远的产业发展来看，英特尔与AMD此次合作释放了一个重要信号：AI时代的竞争，不仅发生在芯片厂商之间，也发生在不同计算架构及其软件生态之间。

对于数据中心运营商而言，统一的软件路径有助于提高硬件选择的灵活性，降低应用迁移和长期维护成本。

对于AI开发者而言，底层性能库的整合，有望让更多优化能力通过PyTorch直接获得，而不必分别维护多套针对不同CPU的实现。

对于英特尔和AMD而言，这种合作虽然不会改变双方在CPU市场的直接竞争关系，却有助于扩大整个x86生态在AI计算领域的应用空间。

这一趋势对中国AI芯片产业同样具有参考价值。无论是国产CPU、GPU，还是其他AI加速器，除了提升硬件性能，还需要持续完善PyTorch兼容、算子库、编译器及开发工具，才能真正降低客户部署成本。

深科技观察：

过去，英特尔与AMD争夺的是CPU市场份额；进入AI时代，两家公司开始意识到，只有让x86平台更容易开发、更容易优化、更容易部署，才能在多元化AI计算市场中保持长期竞争力。

此次合作未必立即改变AI芯片市场格局，却可能成为x86软件生态整合的重要一步。

AI芯片的竞争，最终不仅是谁的算力更强，更是谁能让开发者更容易用起来。