Η AMD και η Intel, δύο από τους μεγαλύτερους ανταγωνιστές στην αγορά επεξεργαστών, συνεργάζονται για να απλοποιήσουν την ανάπτυξη εφαρμογών Τεχνητής Νοημοσύνης σε υπολογιστές x86. Στόχος τους είναι ένα κοινό μονοπάτι βελτιστοποίησης του PyTorch, αντί για ξεχωριστές λύσεις ανά κατασκευαστή.
Η ανακοίνωση δημοσιεύτηκε στις 20 Οκτωβρίου 2026 και επικεντρώνεται στη βιβλιοθήκη ανοιχτού κώδικα oneDNN. Δεν παρουσιάζει καινούργιο επεξεργαστή ή ένα νέο μοντέλο AI. Αφορά την υποδομή λογισμικού που βοηθά τις υπάρχουσες εφαρμογές να αξιοποιούν καλύτερα τη CPU.
Τι ακριβώς συμφώνησαν AMD και Intel;
Η Intel διαθέτει το oneDNN, μια βιβλιοθήκη με βελτιστοποιημένες λειτουργίες για νευρωνικά δίκτυα. Η AMD έχει αναπτύξει το ZenDNN, με βελτιστοποιήσεις προσαρμοσμένες στους δικούς της επεξεργαστές.
Με τη νέα συνεργασία, η AMD σχεδιάζει να ενσωματώσει τις βελτιστοποιήσεις του ZenDNN στο oneDNN. Έτσι, οι εφαρμογές PyTorch θα αποκτήσουν μια πιο ενιαία διαδρομή για επεξεργαστές AMD και Intel.
Η απόφαση ακολουθεί σύσταση του x86 Ecosystem Advisory Group. Επιπλέον, η AMD συμμετέχει πλέον στο UXL Foundation ως μέλος της ομάδας τεχνικής καθοδήγησης (steering member).
Τι είναι το oneDNN και γιατί το χρειάζεται το AI;
Το oneDNN (oneAPI Deep Neural Network Library) είναι βιβλιοθήκη που προσφέρει αποδοτικές υλοποιήσεις μαθηματικών πράξεων για τη βαθιά μάθηση (deep learning).
Τα νευρωνικά δίκτυα εκτελούν μεγάλο αριθμό πράξεων με πίνακες και διανύσματα. Ο τρόπος με τον οποίο υλοποιούνται αυτές οι πράξεις μπορεί να αλλάξει σημαντικά τον χρόνο εκτέλεσης.
Η βιβλιοθήκη περιλαμβάνει λειτουργίες όπως πολλαπλασιασμό πινάκων, συνελίξεις, κανονικοποίηση και υπολογισμούς που χρησιμοποιούνται στα σύγχρονα AI μοντέλα. Οι κατάλληλες βελτιστοποιήσεις επιτρέπουν στο λογισμικό να αξιοποιεί καλύτερα τις δυνατότητες της CPU.
Το oneDNN δεν αντικαθιστά το PyTorch. Λειτουργεί σε χαμηλότερο επίπεδο, παρέχοντας εξειδικευμένες υλοποιήσεις σε frameworks και εφαρμογές που τις χρησιμοποιούν.
Τι σημαίνει αυτό για έναν developer;
Ας υποθέσουμε ότι μια ομάδα αναπτύσσει με PyTorch ένα μοντέλο που αναγνωρίζει κείμενο σε έγγραφα. Αρχικά το εκτελεί σε server με Intel Xeon και αργότερα μεταφέρει την εφαρμογή σε AMD EPYC.
Ο κώδικας μπορεί ήδη να λειτουργεί και στις δύο πλατφόρμες. Ωστόσο, η καλύτερη δυνατή επίδοση συχνά εξαρτάται από κατάλληλες βιβλιοθήκες, ρυθμίσεις και επιμέρους βελτιστοποιήσεις.
Μια κοινή βάση όπως το oneDNN επιδιώκει να μειώσει την ανάγκη διαχείρισης διαφορετικών διαδρομών. Αυτό μπορεί να διευκολύνει την ανάπτυξη, τη συντήρηση και τη μεταφορά εφαρμογών μεταξύ συστημάτων.
Δεν σημαίνει ότι όλοι οι επεξεργαστές θα έχουν ίδια απόδοση. Ούτε καταργεί τη σημασία των δοκιμών (benchmarks) στο πραγματικό περιβάλλον της κάθε εφαρμογής.
AI Compute Extensions: οι επόμενες εντολές του x86
Η συνεργασία περιλαμβάνει και τις AI Compute Extensions (ACE), ένα μελλοντικό σύνολο επεκτάσεων εντολών για την αρχιτεκτονική x86.
Οι ACE σχεδιάζονται ώστε να επιταχύνουν υπολογισμούς, ιδιαίτερα τον πολλαπλασιασμό πινάκων, που εμφανίζεται πολύ συχνά στην Τεχνητή Νοημοσύνη.
AMD και Intel αναφέρουν ότι οι δυνατότητες αυτές θα συνδεθούν με το PyTorch μέσω μελλοντικών ενημερώσεων του oneDNN. Πρόκειται για τεχνικό σχέδιο, όχι για δυνατότητα που έχει ήδη αποδειχθεί με συγκριτικές μετρήσεις.
Μπορούμε να τρέχουμε AI χωρίς κάρτα γραφικών;
Ναι. Μικρότερα γλωσσικά μοντέλα, συστήματα ταξινόμησης και αρκετές εργασίες inference μπορούν ήδη να εκτελεστούν σε CPU.
Inference ονομάζουμε τη χρήση ενός εκπαιδευμένου μοντέλου για την παραγωγή αποτελεσμάτων από νέα δεδομένα. Δεν είναι το ίδιο με την εκπαίδευση ενός μεγάλου μοντέλου από την αρχή.
Η GPU παραμένει πολύ σημαντική σε απαιτητικές εργασίες με μαζικά παράλληλους υπολογισμούς. Η βελτίωση του οικοσυστήματος CPU δεν συνεπάγεται ότι οι κάρτες γραφικών γίνονται περιττές.
Αντίθετα, μπορεί να δώσει μεγαλύτερη ευελιξία σε τοπικές εφαρμογές AI, μικρότερους servers και περιβάλλοντα χωρίς εξειδικευμένο επιταχυντή.
Συνεργασία στο λογισμικό, ανταγωνισμός στο hardware
AMD και Intel συνεχίζουν να ανταγωνίζονται στην αγορά επεξεργαστών για PCs και data centers. Η συμφωνία τους επικεντρώνεται σε κοινές τεχνολογίες λογισμικού για τη συγκεκριμένη αρχιτεκτονική.
Η προσέγγιση αυτή μπορεί να ωφελήσει και τις δύο πλευρές. Μια ευκολότερη πλατφόρμα ανάπτυξης μπορεί να καταστήσει ελκυστικότερη τη χρήση x86 CPUs για εφαρμογές AI.
Η ανακοίνωση δεν ενοποιεί τις τεχνολογίες GPU της AMD και της Intel. Επίσης, δεν αλλάζει άμεσα το οικοσύστημα CUDA της NVIDIA.
Τι γνωρίζουμε και τι μένει να αποδειχθεί;
Η συνεργασία είναι συγκεκριμένη: κοινή κατεύθυνση γύρω από το oneDNN, ενσωμάτωση βελτιστοποιήσεων ZenDNN και μελλοντική υποστήριξη ACE.
Δεν συνοδεύεται όμως από μετρήσεις που να αποδεικνύουν μια συγκεκριμένη αύξηση ταχύτητας. Ούτε έχει ανακοινωθεί πλήρες χρονοδιάγραμμα για όλες τις νέες δυνατότητες.
Οι developers θα πρέπει επομένως να περιμένουν τις αντίστοιχες ενημερώσεις λογισμικού και να μετρούν την απόδοση στους δικούς τους φόρτους εργασίας.
Συμπέρασμα
Η πρόοδος στην Τεχνητή Νοημοσύνη δεν εξαρτάται αποκλειστικά από νέους επεξεργαστές και μεγαλύτερα μοντέλα. Εξίσου σημαντικά είναι τα εργαλεία που επιτρέπουν στο λογισμικό να εκμεταλλεύεται αποτελεσματικά το hardware.
Με την κοινή τους προσπάθεια στο oneDNN, AMD και Intel επιχειρούν να μειώσουν την πολυπλοκότητα για όσους αναπτύσσουν εφαρμογές AI σε x86 συστήματα. Το πραγματικό όφελος θα φανεί στις επόμενες εκδόσεις και στις μετρήσεις από πραγματικές εφαρμογές.
Φόρτωση σχολίων…