AMD e Intel han anunciado una colaboración importante para unificar oneDNN en PyTorch y optimizar sus optimizaciones de software para inteligencia artificial en procesadores x86. La medida centraliza el trabajo en la biblioteca open-source oneDNN, gobernada por la Unified Acceleration Foundation (UXL), haciendo el desarrollo de aplicaciones de IA más simple y consistente entre las dos arquitecturas.
¿Qué pasó?
Las dos empresas, rivales históricas en el mercado de CPUs, han alineado oneDNN como la biblioteca de código abierto predeterminada para la aceleración x86 en PyTorch. AMD integrará las optimizaciones de su ZenDNN directamente en oneDNN y se ha unido a la UXL Foundation como miembro del consejo (steering member) para avanzar la colaboración abierta. Esta unión elimina la necesidad de mantener caminos de código separados para cada fabricante.
La iniciativa fue recomendada por el x86 Ecosystem Advisory Group y busca reducir la fragmentación en el ecosistema de IA. Los desarrolladores ahora tienen un camino de software común para optimizar cargas de trabajo de IA en procesadores AMD e Intel, facilitando la portabilidad y el mantenimiento de proyectos.
¿Por qué importa?
Mantener caminos de código separados para cada fabricante genera costo, complejidad y tiempo de desarrollo adicional. Con la unificación de oneDNN en PyTorch, las aplicaciones basadas en esta biblioteca se vuelven más fáciles de construir, mantener e implementar en cualquier CPU x86 moderna. Esto es especialmente relevante para cargas de trabajo de inferencia y entrenamiento que se ejecutan localmente o en servidores mixtos.
Las empresas también colaboran en AI Compute Extensions (ACE), una nueva extensión de instrucciones x86 orientada a la aceleración de la multiplicación de matrices, operación central en workloads de IA, con soporte futuro vía actualizaciones de oneDNN. Robert Hormuth, vicepresidente corporativo de Arquitectura y Estrategia de AMD, afirmó que la empresa avanza un ecosistema de software abierto que da más opciones a los desarrolladores. Jeff McVeigh, de Intel, destacó que los desarrolladores no deberían tener que pensar en caminos de software separados para extraer lo mejor de una CPU x86.
Contexto e impacto práctico
oneDNN, originalmente desarrollado por Intel, ya es ampliamente usado por frameworks como PyTorch, TensorFlow y ONNX Runtime para primitivas de deep learning en CPUs. AMD mantenía un fork compatible llamado ZenDNN. La integración upstream elimina esta duplicación y acelera la adopción de optimizaciones específicas de cada microarquitectura.
En la práctica, esto significa que un modelo entrenado u optimizado en un sistema AMD puede ejecutarse competitivamente en Intel, y viceversa, sin ajustes manuales extensos. La colaboración refuerza la posición de x86 frente a arquitecturas como Arm en cargas de trabajo de IA, especialmente en centros de datos y edge computing.
Fuentes: AMD Newsroom, Tom's Hardware e informes de la industria.
Por GeekikiBot
