AMD dan Intel mengumumkan kolaborasi teknologi pada 20 Oktober 2026 untuk menyederhanakan pengembangan aplikasi kecerdasan buatan berbasis prosesor x86 menggunakan PyTorch. Kedua perusahaan sepakat menyatukan optimalisasi CPU melalui oneDNN, pustaka perangkat lunak terbuka untuk mempercepat pekerjaan deep learning. Dalam kerja sama tersebut, AMD akan mengintegrasikan teknologi ZenDNN ke dalam oneDNN yang juga digunakan Intel. Langkah ini bertujuan mengurangi perbedaan jalur optimalisasi perangkat lunak antara kedua produsen prosesor. Pengembangan bersama tersebut diharapkan mempermudah programmer membangun, memelihara, dan menjalankan aplikasi AI pada beragam sistem komputer tanpa harus mengandalkan pengaturan khusus untuk setiap merek CPU.
AMD dan Intel Menyatukan Optimalisasi AI untuk Prosesor x86
Kesepakatan kolaborasi antara AMD dan Intel menghadirkan perkembangan penting dalam ekosistem prosesor x86. Dengan menggabungkan kemampuan kedua perusahaan, AMD dan Intel berupaya menyederhanakan dukungan pemrosesan AI pada CPU. Sebelumnya, pengembang prosesor tersebut mengandalkan optimalisasi yang berbeda. Perbedaan teknologi ini sering menghadirkan kompleksitas pengembangan. Dengan memanfaatkan pustaka bersama, kedua perusahaan berusaha menghadirkan lingkungan optimalisasi yang konsisten. Dengan demikian, programmer AI berpotensi memperoleh optimalisasi yang lebih mudah dikelola.
Kolaborasi tersebut mengikuti rekomendasi x86 Ecosystem Advisory Group. Kelompok tersebut dibentuk untuk memperkuat ekosistem x86 yang lebih terbuka. Walaupun kedua perusahaan memiliki produk yang saling berkompetisi, kerja sama pada standar perangkat lunak mampu menawarkan nilai tambah bagi industri. Pada pengembangan AI saat ini, kompatibilitas perangkat lunak menjadi semakin relevan. Karena itu, pengembangan jalur perangkat lunak bersama diharapkan dapat membatasi fragmentasi teknologi tanpa membatasi pilihan prosesor pengguna.
Teknologi oneDNN Mendukung Pemrosesan AI pada Arsitektur x86
Teknologi yang menjadi pusat kerja sama adalah oneDNN, yaitu perangkat lunak akselerasi komputasi AI yang berfungsi mendukung pengoptimalan pekerjaan machine learning. Teknologi oneDNN memiliki berbagai operasi komputasi yang dioptimalkan untuk kebutuhan deep learning. Sebagai contoh, oneDNN dirancang mengoptimalkan pengolahan tensor yang sering digunakan dalam model pembelajaran mendalam. Dengan dukungan framework PyTorch, pengembang dapat memanfaatkan optimalisasi CPU tanpa mengembangkan semua operasi matematika sendiri. Rancangan ini berpotensi mengurangi proses pengembangan.
Melalui kesepakatan bersama, AMD dan Intel menetapkan oneDNN sebagai jalur pustaka terbuka standar CPU x86 dalam PyTorch. Pendekatan bersama tersebut diharapkan menyediakan dukungan perangkat lunak yang lebih terpadu pada sistem komputer dari kedua produsen. Ketika aplikasi AI dijalankan pada sistem komputasi x86, komponen perangkat lunak percepatan dapat memilih implementasi yang sesuai. Berkat pendekatan ini, pengembang tidak harus menulis ulang komponen pemrosesan untuk setiap CPU. Walaupun integrasi ini menjanjikan, tingkat percepatan dipengaruhi oleh karakteristik model AI yang digunakan.
Penggabungan ZenDNN dan oneDNN Memperkuat Kompatibilitas x86
Tindakan utama dalam kerja sama adalah penggabungan optimalisasi AMD ke dalam oneDNN. Pustaka ZenDNN dirancang membantu pengoptimalan pekerjaan jaringan saraf pada perangkat keras berbasis AMD Zen. Pada pendekatan yang digunakan terdahulu, kemampuan percepatan AMD dikelola melalui pustaka terpisah. Melalui integrasi terbaru, AMD akan mengintegrasikan optimalisasi yang telah dikembangkan ke pustaka bersama. Integrasi teknologi tersebut berpotensi mendukung pemeliharaan satu basis perangkat lunak. Berkat integrasi ini, pengguna prosesor AMD berpotensi memanfaatkan penyesuaian performa prosesor melalui ekosistem pustaka bersama.
Tidak hanya menyumbangkan teknologi optimalisasi, AMD mengambil peran sebagai Steering Member dalam UXL Foundation. Yayasan teknologi ini menjadi wadah pengembangan sejumlah proyek perangkat lunak terbuka, termasuk oneDNN. Keterlibatan perusahaan tersebut memungkinkan partisipasi dalam pembahasan strategi teknologi. Sebagai bagian dari kerja sama terbuka, Intel tetap berkontribusi pada peningkatan dukungan prosesor. Dengan kolaborasi tersebut, pengelola framework memiliki peluang menggunakan dukungan hardware yang lebih luas. Walaupun struktur kerja sama telah diumumkan, integrasi seluruh kemampuan harus melalui tahapan implementasi sebelum tersedia dalam semua lingkungan.
Teknologi ACE Mendukung Perkalian Matriks pada CPU Generasi Mendatang
Tidak hanya mengembangkan oneDNN bersama, AMD dan Intel menyiapkan kolaborasi pada AI Compute Extensions atau ACE. Rancangan ACE diperkenalkan sebagai pengembangan instruction set architecture yang ditujukan untuk mendukung operasi matematika AI. Untuk menjalankan model pembelajaran mesin, perkalian matriks menjadi kebutuhan utama. Operasi matematika tersebut banyak digunakan inferensi model. Dengan pengembangan ACE, CPU generasi mendatang dapat memperoleh kemampuan untuk menangani perhitungan AI melalui jalur instruksi khusus.
Kolaborasi pada instruksi baru memiliki hubungan penting terhadap integrasi oneDNN dalam PyTorch. Kedua produsen prosesor menjelaskan bahwa pemanfaatan instruksi baru direncanakan hadir melalui pembaruan oneDNN pada masa depan. Berkat dukungan pustaka bersama, pembuat aplikasi machine learning berpotensi memanfaatkan optimalisasi instruksi generasi berikutnya tanpa harus mengubah seluruh kode aplikasi. Walaupun rencana ini menjanjikan, pengumuman ini tidak berarti telah tersedia kemampuan yang langsung aktif pada setiap sistem. Ketersediaan aktual harus mempertimbangkan implementasi perangkat keras yang telah disiapkan.
Penyatuan Software AI Membantu Efisiensi Pengembangan dan Penerapan
Salah satu manfaat utama dari penyatuan oneDNN adalah penyederhanaan pemeliharaan perangkat lunak pada infrastruktur komputasi berbasis CPU. Dalam lingkungan perusahaan, variasi konfigurasi perangkat keras dapat menimbulkan pekerjaan optimalisasi tersendiri. Dalam penerapan operasional, sebuah perusahaan dapat mengoperasikan sistem Intel Xeon untuk mendukung aplikasi bisnis. Berkat pendekatan oneDNN bersama, organisasi memiliki peluang menyederhanakan pengelolaan beberapa implementasi. Dengan demikian, penerapan model AI mampu mendukung pengelolaan sistem yang lebih sederhana.
Tidak hanya untuk infrastruktur data center, dukungan perangkat lunak yang lebih konsisten juga relevan bagi pengembang independen. Tidak semua pekerjaan AI membutuhkan perangkat komputasi grafis. Untuk model tertentu, CPU berpotensi menjadi pilihan untuk pengujian model berdasarkan persyaratan sistem. Sebagai ilustrasi, model pengolahan data tertentu berpotensi diproses pada server yang tersedia. Dengan pemanfaatan pustaka percepatan, perhitungan jaringan saraf berpotensi memperoleh kernel yang telah dioptimalkan. Namun demikian, kebutuhan GPU tidak otomatis tergantikan, terutama ketika model membutuhkan pemrosesan paralel tinggi.
Kolaborasi oneDNN Membuka Peluang Pengembangan AI yang Lebih Fleksibel
Kesepakatan pengembangan AMD dan Intel memperlihatkan perkembangan strategis dalam pengembangan perangkat lunak deep learning. Berkat integrasi kemampuan percepatan AMD ke dalam oneDNN, kedua perusahaan ingin menghadirkan lingkungan pemrosesan PyTorch yang lebih terpadu. Strategi pengembangan ini diharapkan membantu organisasi pengguna PyTorch dalam membangun aplikasi pada infrastruktur yang menggunakan kedua merek. Tidak hanya itu, pengembangan arsitektur instruksi baru diharapkan mendukung optimalisasi pemrosesan generasi berikutnya. Meski kerja sama memiliki potensi besar, manfaat aktual bagi aplikasi bergantung pada implementasi berdasarkan perangkat keras yang digunakan.
Seiring meningkatnya penggunaan kecerdasan buatan, penyederhanaan jalur optimalisasi menjadi faktor strategis untuk mendukung inovasi. Integrasi ZenDNN ke oneDNN dapat menjadi fondasi kerja sama terbuka. Walaupun kedua perusahaan bekerja sama, AMD dan Intel masih memiliki produk yang berkompetisi dalam industri semikonduktor. Dengan demikian, industri diharapkan mendapatkan kemudahan penerapan aplikasi AI. Keberhasilan strategi ini akan terlihat melalui realisasi integrasi pada implementasi PyTorch berikutnya. Menurut pandangan Anda, apakah kolaborasi AMD dan Intel dapat memperkuat ekosistem kecerdasan buatan? Silakan bagikan pendapat Anda mengenai pengembangan AI menggunakan PyTorch.





