AMD dan Intel Berkolaborasi Mempermudah Pengembangan AI pada Prosesor x86 melalui PyTorch
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.
Kerja Sama Dua Produsen CPU Mendukung Pengembangan Kecerdasan Buatan
Pengumuman kolaborasi antara AMD dan Intel menghadirkan kemajuan menarik dalam pengembangan perangkat lunak AI. Melalui kerja sama tersebut, AMD dan Intel berupaya menyederhanakan jalur optimalisasi perangkat lunak. Pada pengembangan terdahulu, pengembang prosesor tersebut mengandalkan optimalisasi yang berbeda. Perbedaan teknologi ini sering menghadirkan kompleksitas pengembangan. Melalui oneDNN, kedua perusahaan berusaha menghadirkan pendekatan pemrosesan yang lebih seragam. Berkat penyatuan ini, pengembang aplikasi dapat memanfaatkan dukungan lintas prosesor.
Kolaborasi tersebut dilakukan setelah arah kerja sama yang dibahas dalam x86 Ecosystem Advisory Group. Organisasi penasihat tersebut dibentuk untuk memperkuat standar komputasi yang lebih konsisten. Kendati kedua produsen chip tersebut merupakan pesaing utama, pengembangan teknologi bersama berpotensi menghadirkan keuntungan untuk pengembang. Seiring meningkatnya kebutuhan pemrosesan data, kompatibilitas perangkat lunak semakin dibutuhkan. Oleh sebab itu, integrasi pustaka percepatan dirancang untuk menekan fragmentasi teknologi tanpa menghilangkan persaingan perangkat keras.
Teknologi oneDNN Mendukung Pemrosesan AI pada Arsitektur x86
Salah satu komponen utama adalah oneDNN, yaitu perangkat lunak akselerasi komputasi AI yang berfungsi mendukung pemrosesan operasi matematika. Teknologi oneDNN menghadirkan berbagai operasi komputasi yang dioptimalkan untuk kebutuhan deep learning. Pada pekerjaan komputasi tertentu, oneDNN dapat membantu mempercepat perkalian matriks yang banyak ditemukan dalam jaringan saraf tiruan. Dengan dukungan framework PyTorch, pengembang dapat memanfaatkan fungsi percepatan perangkat keras tanpa harus membuat setiap komponen dari awal. Mekanisme tersebut berpotensi mengurangi proses pengembangan.
Dalam strategi terbaru, AMD dan Intel menyepakati oneDNN sebagai fondasi optimalisasi open-source CPU x86 dalam PyTorch. Pendekatan bersama tersebut dirancang menghadirkan dukungan perangkat lunak yang lebih terpadu pada berbagai CPU berbasis x86. Saat model PyTorch digunakan pada CPU dengan arsitektur yang bervariasi, sistem pemrosesan tersebut berpotensi memanfaatkan implementasi yang sesuai. Berkat pendekatan ini, pengembang tidak harus membangun jalur khusus bagi setiap vendor. Walaupun integrasi ini menjanjikan, hasil performa dapat berbeda menurut konfigurasi perangkat lunak yang digunakan.
AMD Mengintegrasikan ZenDNN ke dalam Pustaka oneDNN
Tindakan utama dalam kerja sama adalah penyatuan kemampuan pemrosesan ZenDNN ke dalam oneDNN. ZenDNN sendiri dirancang membantu percepatan operasi AI pada perangkat keras berbasis AMD Zen. Dalam pengembangan sebelumnya, kemampuan percepatan AMD berjalan sebagai bagian dari pendekatan perangkat lunak AMD. Berkat strategi penyatuan ini, AMD berencana menyumbangkan fungsi percepatan khususnya ke pustaka bersama. Integrasi teknologi tersebut dirancang mempermudah pemeliharaan satu basis perangkat lunak. Melalui pendekatan tersebut, pengembang berbasis AMD diharapkan memiliki akses terhadap optimalisasi khusus perangkat keras melalui jalur perangkat lunak terpadu.
Selain mengintegrasikan ZenDNN, AMD juga bergabung sebagai Steering Member dalam UXL Foundation. Organisasi tersebut menjadi wadah pengembangan sejumlah proyek perangkat lunak terbuka, termasuk oneDNN. Posisi AMD dalam organisasi memberikan kesempatan dalam pembahasan strategi teknologi. Di sisi lain, Intel mempertahankan keterlibatan pada pengembangan komponen deep learning. Berkat pengembangan bersama, komunitas open-source memiliki peluang menggunakan dukungan hardware yang lebih luas. Namun demikian, realisasi dukungan teknis memerlukan proses pengembangan sebelum tersedia dalam semua lingkungan.
Teknologi ACE Mendukung Perkalian Matriks pada CPU Generasi Mendatang
Selain menyatukan pustaka perangkat lunak, AMD dan Intel menyiapkan kolaborasi pada AI Compute Extensions atau ACE. Pengembangan instruksi ini diperkenalkan sebagai pengembangan instruction set architecture yang ditujukan untuk mendukung operasi matematika AI. Pada proses komputasi jaringan saraf, pengolahan data numerik menjadi kebutuhan utama. Operasi matematika tersebut sering muncul pemrosesan jaringan saraf. Melalui instruksi khusus, prosesor yang mendukung teknologi tersebut dapat memperoleh kemampuan untuk menangani perkalian matriks dengan optimalisasi tambahan.
Strategi pengembangan arsitektur x86 juga berkaitan dengan integrasi oneDNN dalam PyTorch. Perusahaan pengembang x86 tersebut menyampaikan bahwa dukungan ACE direncanakan hadir melalui pembaruan oneDNN pada masa depan. Berkat dukungan pustaka bersama, pemrogram PyTorch diharapkan bisa menggunakan fitur percepatan perangkat keras tanpa harus mengubah seluruh kode aplikasi. Namun demikian, ACE belum dapat dianggap sebagai dukungan otomatis untuk seluruh perangkat x86. Ketersediaan aktual memerlukan dukungan framework yang telah disiapkan.
Kolaborasi AMD Intel Mempermudah Pengembangan Aplikasi AI Perusahaan
Salah satu manfaat utama dari pengembangan software bersama adalah fleksibilitas penerapan model pada infrastruktur komputasi berbasis CPU. Untuk organisasi yang mengelola server, perbedaan merek prosesor sering menjadi kebutuhan pengujian tambahan. Pada infrastruktur komputasi tertentu, sebuah perusahaan dapat mengoperasikan server AMD EPYC untuk mendukung aplikasi bisnis. Melalui satu jalur optimalisasi, organisasi memiliki peluang menyederhanakan pekerjaan pemeliharaan kode yang terpisah. 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 harus menggunakan GPU. Dalam skenario dengan ukuran model terbatas, CPU mampu menjalankan untuk pengembangan awal berdasarkan kebutuhan performa. Dalam kegiatan pengembangan, sistem inferensi dengan beban moderat dapat dijalankan pada komputer berbasis x86. Berkat dukungan komputasi yang sesuai, bagian pemrosesan model berpotensi memperoleh efisiensi tambahan. Namun demikian, kebutuhan GPU masih diperlukan untuk banyak pekerjaan, terutama ketika beban komputasi sangat besar.
Penyatuan Optimalisasi CPU Menjadi Langkah Penting Teknologi Kecerdasan Buatan
Kolaborasi AMD dan Intel memperlihatkan langkah penting dalam industri teknologi prosesor. Dengan menggabungkan kemampuan percepatan AMD ke dalam oneDNN, kedua perusahaan ingin menghadirkan pustaka optimalisasi bersama. Langkah penyatuan tersebut diharapkan membantu organisasi pengguna PyTorch dalam membangun aplikasi pada infrastruktur yang menggunakan kedua merek. Sebagai bagian dari pengembangan jangka panjang, rencana dukungan instruksi ACE dapat membuka peluang terhadap percepatan operasi matriks. Meski kerja sama memiliki potensi besar, dampak terhadap pengguna masih perlu diuji berdasarkan perangkat keras yang digunakan.
Pada era pertumbuhan aplikasi AI, keterbukaan ekosistem perangkat lunak merupakan prioritas pengembangan untuk mendukung inovasi. Integrasi ZenDNN ke oneDNN berpotensi berkembang sebagai contoh pengembangan teknologi bersama. Kendati memiliki proyek perangkat lunak bersama, AMD dan Intel masih memiliki produk yang berkompetisi dalam industri semikonduktor. Berkat keseimbangan antara persaingan dan kolaborasi, industri diharapkan mendapatkan kemudahan penerapan aplikasi AI. Keberhasilan strategi ini perlu dinilai berdasarkan realisasi integrasi pada berbagai sistem x86. Apa pendapat Anda, apakah kolaborasi AMD dan Intel mampu meningkatkan efisiensi pemrosesan CPU? Anda dapat berbagi pemikiran mengenai kolaborasi AMD dan Intel dalam teknologi kecerdasan buatan.
