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.

AMD dan Intel Menyatukan Optimalisasi AI untuk Prosesor x86

Kesepakatan kolaborasi antara AMD dan Intel menjadi langkah strategis dalam industri komputasi kecerdasan buatan. Dengan menggabungkan kemampuan kedua perusahaan, AMD dan Intel ingin memperbaiki pengembangan aplikasi berbasis PyTorch. Dalam pendekatan yang telah berjalan, pengembang prosesor tersebut mengembangkan teknologi percepatan tersendiri. Perbedaan teknologi ini berpotensi menambah kompleksitas pengembangan. Dengan memanfaatkan pustaka bersama, kedua perusahaan ingin menyediakan pendekatan pemrosesan yang lebih seragam. Berkat penyatuan ini, tim rekayasa perangkat lunak dapat memanfaatkan pengalaman pengembangan yang lebih konsisten.

Kolaborasi tersebut dilakukan setelah rekomendasi x86 Ecosystem Advisory Group. Forum industri ini dibentuk untuk memperkuat standar komputasi yang lebih konsisten. Walaupun kedua perusahaan merupakan pesaing utama, kerja sama pada standar perangkat lunak mampu menawarkan keuntungan untuk pengembang. Pada pengembangan AI saat ini, dukungan lintas platform semakin dibutuhkan. Oleh sebab itu, integrasi pustaka percepatan diharapkan dapat membatasi pekerjaan penyesuaian berulang tanpa menghilangkan persaingan perangkat keras.

oneDNN Menjadi Fondasi Optimalisasi PyTorch pada CPU AMD dan Intel

Salah satu komponen utama adalah oneDNN, yaitu pustaka deep learning terbuka yang dirancang membantu percepatan perhitungan jaringan saraf. Pustaka tersebut memiliki berbagai operasi komputasi yang dioptimalkan untuk aplikasi pembelajaran mesin. Dalam proses pengolahan AI, oneDNN dapat membantu mempercepat pengolahan tensor yang banyak ditemukan dalam model pembelajaran mendalam. Melalui integrasi PyTorch, sistem memiliki kesempatan mengakses optimalisasi CPU tanpa mengembangkan semua operasi matematika sendiri. Rancangan ini dapat mempermudah pengelolaan kode AI.

Sebagai bagian dari kolaborasi, AMD dan Intel menyepakati oneDNN sebagai jalur pustaka terbuka standar CPU x86 dalam PyTorch. Langkah penyatuan ini diharapkan menyediakan pengalaman yang lebih konsisten pada sistem komputer dari kedua produsen. Apabila pekerjaan deep learning diproses pada CPU dengan arsitektur yang bervariasi, sistem pemrosesan tersebut dapat memilih kemampuan perangkat keras yang tersedia. Berkat pendekatan ini, programmer berpotensi lebih jarang perlu membangun jalur khusus bagi setiap vendor. Namun demikian, efisiensi pemrosesan dipengaruhi oleh karakteristik model AI yang digunakan.

Teknologi ZenDNN Mendukung Optimalisasi AI pada Prosesor AMD

Tindakan utama dalam kerja sama adalah integrasi teknologi ZenDNN ke dalam oneDNN. Teknologi optimalisasi milik AMD dikembangkan untuk pemrosesan deep learning pada prosesor AMD. Selama ini, optimalisasi ZenDNN berjalan sebagai bagian dari pendekatan perangkat lunak AMD. Berkat strategi penyatuan ini, AMD akan mengintegrasikan kemampuan pemrosesan ZenDNN ke proyek oneDNN. Pengembangan ini berpotensi mendukung pemeliharaan satu basis perangkat lunak. Berkat integrasi ini, pengguna prosesor AMD tetap dapat memperoleh penyesuaian performa prosesor melalui implementasi oneDNN.

Di samping memperluas kontribusi perangkat lunak, AMD juga bergabung sebagai Steering Member dalam UXL Foundation. Yayasan teknologi ini mendukung tata kelola sejumlah proyek perangkat lunak terbuka, termasuk oneDNN. Keanggotaan AMD memungkinkan partisipasi dalam arah pengembangan proyek. Di sisi lain, Intel tetap berkontribusi pada optimalisasi oneDNN. Dengan kolaborasi tersebut, pengelola framework dapat memanfaatkan perbaikan yang lebih terkoordinasi. Meski arah pengembangan sudah disepakati, realisasi dukungan teknis memerlukan proses pengembangan sebelum menjadi bagian dari berbagai rilis perangkat lunak.

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 kelompok instruksi baru untuk prosesor x86 yang bertujuan mempercepat pemrosesan perkalian matriks. Dalam pengembangan kecerdasan buatan, perkalian matriks memiliki peran penting. Aktivitas tersebut sering muncul inferensi model. Berkat dukungan arsitektur baru, prosesor yang mendukung teknologi tersebut dapat memperoleh kemampuan untuk menangani operasi tertentu secara lebih efisien.

Kolaborasi pada instruksi baru dirancang terhubung dengan integrasi oneDNN dalam PyTorch. AMD dan Intel menjelaskan bahwa integrasi teknologi tersebut direncanakan hadir melalui pembaruan oneDNN pada masa depan. Berkat dukungan pustaka bersama, pengembang AI diharapkan bisa menggunakan kemampuan CPU baru tanpa mengembangkan jalur pemrosesan terpisah. Namun demikian, pengumuman ini tidak berarti telah tersedia dukungan otomatis untuk seluruh perangkat x86. Dukungan ACE dalam aplikasi memerlukan pembaruan pustaka yang sesuai.

Penyatuan Software AI Membantu Efisiensi Pengembangan dan Penerapan

Nilai tambah penting dari pengembangan software bersama adalah fleksibilitas penerapan model pada berbagai sistem x86. Pada kebutuhan pusat data, penggunaan sistem dari beberapa vendor berpotensi menghadirkan pekerjaan optimalisasi tersendiri. Dalam penerapan operasional, sebuah perusahaan berpotensi memiliki server AMD EPYC untuk menjalankan layanan AI. Berkat pendekatan oneDNN bersama, tim perangkat lunak berpotensi membatasi kebutuhan penyesuaian khusus vendor. Melalui pendekatan tersebut, pengembangan aplikasi dapat dilakukan dengan alur yang lebih konsisten.

Tidak hanya untuk infrastruktur data center, optimalisasi CPU untuk PyTorch juga relevan bagi peneliti. Berbagai aplikasi kecerdasan buatan harus menggunakan GPU. Untuk model tertentu, CPU mampu menjalankan untuk inferensi berdasarkan persyaratan sistem. Dalam kegiatan pengembangan, aplikasi klasifikasi sederhana mampu diuji pada server yang tersedia. Dengan pemanfaatan pustaka percepatan, operasi tertentu dapat memanfaatkan efisiensi tambahan. Walaupun CPU tetap memiliki peran penting, pemilihan perangkat keras khusus masih diperlukan untuk banyak pekerjaan, terutama ketika pelatihan berskala besar dilakukan.

Kesimpulan: AMD dan Intel Memperkuat Ekosistem AI x86 melalui PyTorch

Kerja sama AMD dan Intel menandai kemajuan menarik dalam ekosistem komputasi AI berbasis x86. Berkat integrasi kemampuan percepatan AMD ke dalam oneDNN, kedua perusahaan ingin menghadirkan jalur perangkat lunak yang lebih konsisten. Pendekatan tersebut berpotensi mempermudah pengembang AI dalam menerapkan model pada berbagai sistem CPU x86. Sebagai bagian dari pengembangan jangka panjang, kolaborasi AI Compute Extensions dapat membuka peluang terhadap optimalisasi pemrosesan generasi berikutnya. Meski kerja sama memiliki potensi besar, hasil peningkatan performa bergantung pada implementasi berdasarkan perangkat keras yang digunakan.

Pada era pertumbuhan aplikasi AI, keterbukaan ekosistem perangkat lunak merupakan faktor strategis untuk mendukung inovasi. Kolaborasi Intel dan AMD pada PyTorch dapat menjadi fondasi kerja sama terbuka. Walaupun kedua perusahaan bekerja sama, AMD dan Intel tetap bersaing dalam pasar prosesor. Melalui kondisi tersebut, industri diharapkan mendapatkan kemudahan penerapan aplikasi AI. Keberhasilan strategi ini dapat dievaluasi dari pengujian performa pada implementasi PyTorch berikutnya. Bagaimana menurut Anda, apakah pengembangan PyTorch untuk prosesor x86 dapat memperkuat ekosistem kecerdasan buatan? Silakan bagikan pendapat Anda mengenai masa depan prosesor x86.