罕见联手！AMD与Intel在x86 CPU上达成AI软件同盟

最近，AMD与Intel这对儿在x86服务器市场缠斗了十余年的老对手，做出了一个出乎很多人意料的决定：双方将各自针对PyTorch的x86 CPU优化工作，统一整合进开源深度学习加速库oneDNN。AMD同时宣布，将其自研的ZenDNN优化方案并入oneDNN，并以指导成员的身份加入Linux基金会旗下的UXL基金会。

这不是一次产品层面的合作，而是x86阵营在AI时代对软件生态的一次“集体对齐”。其背后的直接推手，是Agentic AI（智能体AI）负载对CPU通用算力的重新估值，以及ARM阵营在数据中心端步步紧逼的竞争压力。

开发者只需面对一套优化路径

要理解这次合作的意义，先要搞清楚oneDNN是什么。

oneDNN是一个开源的深度学习加速库，由Intel主导开发，目前交由UXL基金会管理，在PyTorch内部充当x86 CPU的加速引擎。简单来说，就是让PyTorch框架能把x86 CPU的硬件性能“吃干榨净”。

在此之前，AMD和Intel各自维护着一套针对自家x86处理器的PyTorch优化分支：Intel有oneDNN，AMD则有自己的ZenDNN。开发者如果想同时在AMD EPYC和Intel Xeon上优化AI推理，就得分别适配两套代码路径，维护成本高企。

这次合并之后，AMD将ZenDNN的优化能力整合进oneDNN，使其成为PyTorch内x86 CPU的默认开源加速库。开发者只需对接一个软件接口，就能同时享受到AMD和Intel两代处理器的底层优化，这对消除生态碎片化极为重要。

Agentic AI让CPU重回舞台中央

AMD与Intel之所以愿意放下竞争姿态、统一软件栈，直接原因就是AI负载正在发生结构性变化。

过去几年，AI基础设施的叙事几乎完全围绕GPU展开。但进入Agentic AI阶段后，智能体需要不断进行任务拆解、逻辑判断、工具调用和上下文调度，这些工作恰恰是CPU的传统强项。行业数据显示，领先的Agentic数据中心配置中，CPU与GPU的部署比例正从过去的1:8向1:1靠拢。Arm CEO Rene Haas甚至给出过一个更激进的测算：传统AI数据中心每GW容量约需3000万颗CPU核心，而AI Agent时代这一数字将升至1.2亿颗，增长4倍。

这意味着，CPU不再只是GPU旁边的“配角”，而是Agentic AI编排层的关键算力节点。AMD数据中心战略副总裁Robert Hormuth直言，行业正在围绕通用x86处理器的AI能力形成新的共识。当CPU本身成为AI推理和编排的重要载体，软件栈的碎片化就成了整个x86阵营共同的敌人。

ACE下一代指令集才是重头戏

oneDNN整合只是“面子”，双方在指令集层面的合作才是“里子”。

据悉，AMD与Intel正在共同开发名为AI Compute Extensions（ACE）的下一代x86指令集扩展。ACE的设计目标非常明确，那就是加速矩阵乘法，而矩阵乘法正是AI训练和推理最核心的数学运算。

目前，AI矩阵乘法加速主要依赖GPU的Tensor Core或专用NPU。ACE相当于在x86指令集层面原生加入对矩阵运算的硬件级支持，让CPU在不需要GPU协助的情况下也能高效执行AI算子。按照计划，ACE相关能力将通过后续的oneDNN版本更新，逐步集成到PyTorch框架中。

Intel数据中心战略项目副总裁Jeff McVeigh表示，通过oneDNN这条统一管道，未来包括ACE在内的新能力都能被PyTorch社区一致地获取。这实际上是x86阵营在指令集架构（ISA）层面的一次自我革新，用统一的底层指令定义，去匹配AI工作负载的新需求。

x86必须在ARM攻势前守住软件生态

从宏观的角度看，这次合作更多是补全自身的防御短板。Arm在今年10月刚发布了AGI CPU，并联合Fujitsu、Meta、OpenAI推出了新的CPU评测方法论，声称其方案在每机架性能上可达主流x86服务器处理器的2倍。而NVIDIA也在5月发布了定位为“Agent CPU”的Vera处理器，宣称比x86方案任务完成速度快1.8倍。市场研究机构的预测更不乐观：到2030年ARM定制/ASIC在服务器CPU价值份额中的占比预计将达到约37%，而Intel和AMD各约28%。

ARM阵营的差异化竞争，不再只拼硬件性能，而是围绕“为AI从头打造”的新故事展开，从最底层的指令集到上层软件栈实现系统性重塑。面对这种攻势，x86阵营最不能输的就是开发者生态。如果开发者需要为AMD和Intel分别维护两套AI优化代码，迁移到ARM平台的成本优势就会变得更加诱人。而把oneDNN统一为默认路径，则等于告诉开发者：你在x86上写的AI代码，AMD和Intel都能跑，而且越跑越快。

这正是x86生态系统咨询小组此前推荐以oneDNN作为PyTorch默认x86加速库的深层逻辑：用软件栈的统一，对冲硬件架构上的分裂风险。

总的来说，AMD和Intel的这次联手，不会立刻改变AI算力市场的格局。GPU依然是训练和推理的主力，x86 CPU在AI加速中的角色更多是“协同”而非“主导”。但它释放了一个清晰的信号：在AI时代，x86阵营正在从“各自优化”走向“统一标准”。oneDNN的整合降低了开发者的适配成本，ACE指令集为未来的硬件协同铺平了道路。对于企业用户和开发者而言，这意味着在x86平台上部署AI应用的门槛正在降低，选择空间也在变得更大。