Intel与AMD两年联手成果：PyTorch x86加速统一至oneDNN

Intel、AMD这对老冤家虽然经常在市场上杀得刺刀见红，但其实更多是相爱相杀。必要的时候两家也会站到一起——毕竟同属 x86 阵营，时不时要面对共同的“敌人”。

早在 2024 年 10 月 16 日，Intel、AMD 就联合宣布共同成立 x86 生态系统顾问小组（x86 Ecosystem Advisory Group），拉上十大行业巨头，一起推动 x86 计算架构的未来。

根据官方介绍，x86 生态系统顾问小组的任务是：

汇集行业领导者，通过更统一的指令集和架构接口，推动开发者创新，提升 x86 产品间的兼容性、可预测性、一致性，推动创建统一、兼容的关键 x86 架构特性和编程模型，横跨数据中心、云、客户端、边缘、嵌入式等全领域。

翻译成大白话就是：共同消除在一些通用 x86 技术上的分歧和碎片化，促进 x86 生态的健康、快速发展。 这个目标听起来抽象，落到开发者身上却很实际——写一次代码，跑在两家 CPU 上都能有好性能，这谁不想要？

顾问小组的预期成果包括：

1、为客户在硬件和软件方面提供更多选择和更强的兼容性，使其更快地受益于全新的尖端功能带来的提升。

2、简化架构指南，以提升 Intel、AMD x86 产品系列在软件一致性和接口方面的表现。

3、使新功能能够更广泛、更高效地集成到操作系统、框架和应用程序中。

顾问小组的创始成员，个个都是响当当的行业巨头：博通、戴尔、谷歌、慧与（HPE）、惠普、联想、Meta、微软、甲骨文、红帽。

顾问小组还保持开放姿态，积极向 x86 硬件和软件社区征求关于核心功能和特性的技术意见。因此，Linux 系统内核之父 Linus Torvalds、虚幻引擎之父/Epic Games CEO Tim Sweeney 两位技术传奇大牛，都受邀加入。

时任 Intel CEO 的帕特·基辛格，还和 AMD 董事长兼 CEO 苏姿丰合影留念。放在几年前，这画面怕是没几个人敢想。

成立两年来，x86 生态系统顾问小组在多个技术领域取得了实质性进展，推动了 x86 架构的标准化和技术创新。

2025 年 10 月，双方“在一起”一周年之际，就公布了一大批关键的技术突破里程碑：

FRED：

全称灵活返回与事件交付机制（Flexible Return and Event Delivery），是 Intel 设计的新一代 x86 底层中断与系统调用架构，属于对 x86 沿用数十年的中断/异常/系统调用切换机制的一次重构。

它统一了传统零散的事件切换路径——中断、异常、系统调用、虚拟化等所有事件共用一套入口和返回逻辑，同时大幅降低了内核切换开销，扩展性也更强，是提升低延迟性能的关键特性之一。从第一代酷睿 Ultra（Meteor Lake）、第四代至强可扩展（Sapphire Rapids）开始支持。

AVX10：

Intel 的新一代融合型矢量指令集，也是 AVX-512 的大一统继任者，彻底解决了 AVX-512 只有 P 大核才能支持的尴尬。

它分为两个档位：AVX10/256 全系标配，可在 256 位宽度下实现完整的 AVX-512 能力；AVX10/512 则仅支持高端 P 核，面向服务器、工作站的重负载场景。未来将在至强处理器上首先落地，然后下放至酷睿处理器。

ChkTag：

Intel、AMD 联合制定的 x86 统一内存安全硬件规范，用于硬件级内存标签防护，专门解决缓冲区溢出、释放后重用、野指针等经典内存安全漏洞。

因为是在硬件层原生支持，它的性能损耗极低，不会像软件校验那样引入明显开销。同时保持向下兼容，开启 ChkTag 的软件也可以在不支持的旧款 CPU 上正常运行，只是不启用安全防护。

ACE：

全称 AI 计算扩展（AI Compute Extensions），在 AVX10 的基础上针对 AI 方向做补充，是 x86 平台原生的 AI 矩阵加速指令集。它支持 AI 领域的主流精度标准，包括 BF16、INT8、OCP FP8、OCP MXFP8、OCP MXINT8 等等。

相比传统的 AVX10 乘加运算，ACE 的矩阵计算密度可提升最多 16 倍，能效更高，主打端侧大模型推理和 AI 工作负载加速，软件适配也在推进中。

到了两周年，x86 生态系统顾问小组又放出了最新成果：

将双方针对 PyTorch 框架的 x86 CPU 优化成果，共同整合到开源深度学习库 oneDNN，并由统一加速基金会（UXL）管理，从而提升 AI 工作负载在 Intel、AMD CPU 上的通用性和运行效率。

PyTorch 是 Meta AI 开发并开源的 Python 原生深度学习框架，核心优势是动态计算图、开发门槛低，支持 NVIDIA CUDA、AMD ROCm、x86/Arm CPU 等多硬件加速，是当前全球学术研究、工业落地最主流的 AI 开发框架之一，覆盖模型训练、推理、部署全流程。

Intel oneDNN 是 x86 生态里最主流的开源 CPU 深度学习加速库，具备跨硬件、跨厂商的特点，向上对接 PyTorch、TensorFlow 等主流框架，向下调度各类 x86 指令集做硬件加速。

AMD ZenDNN 则是基于 Intel oneDNN 二次开发的，专门针对 AMD 锐龙、EPYC 处理器的多核心、大缓存特性做深度调优，主打服务器端和端侧 CPU AI 推理。

根据 x86 生态系统顾问小组的建议，Intel 和 AMD 已经就 oneDNN 达成一致，将其认定为 PyTorch x86 加速的默认开源库，AMD ZenDNN 的优化则会整合进入 oneDNN。

同时，AMD 以指导委员会成员的身份加入 UXL 基金会，通过开放协作推动这项工作的进一步落地。

对开发者而言，这次合并意味着可以通过一个统一入口，同时获得面向 Intel 和 AMD 处理器的 PyTorch CPU 优化，在不同的 x86 平台上获得一致的开发体验。PyTorch 应用在 x86 CPU 上的开发、维护和部署流程大幅简化，不必再为两套平台分别做优化、两次开发。

此外，Intel 和 AMD 正在 ACE 方面深入合作，未来它将通过 oneDNN 更新，进一步集成至 PyTorch。

顾问小组强调，Intel 和 AMD 围绕 oneDNN 的共同投入，减少了软件碎片化，为现有和未来的 x86 AI 能力提供更完善的支持，树立了新的合作典范。

红帽首席技术官办公室副总裁兼杰出工程师、PyTorch 大使 Stephen Watt 对这次合作评价很高。他说：“无缝、统一的开发和运维体验，是开源创新持续发展的重要基础。AMD 与 Intel 携手，通过 PyTorch 中的 oneDNN，让 x86 CPU 的优化标准化，这是减少生态碎片化的重要一步。作为 PyTorch 社区的一员，红帽很高兴看到这样的开放协作，它将帮助开发者更轻松地在不同 x86 架构上，以一致的方式构建、优化和部署 AI 工作负载。”