一句话结论
AMD与英特尔合作将各自x86 CPU优化整合入oneDNN库，建立统一加速标准以降低AI开发碎片化成本。
关键要点
- AMD将ZenDNN优化并入oneDNN，并加入统一加速基金会担任指导委员会成员
- 双方合作由x86生态咨询组推动，旨在整合PyTorch中x86 CPU的默认开源加速库
- 正在共同推进ACE（AI计算扩展）指令集，重点加速矩阵运算，未来通过oneDNN接入PyTorch
- 该合作覆盖x86服务器、工作站及AI PC场景，目标为开发者提供跨两家CPU的一致性能体验
背景与事实
2025年10月20日，AMD与英特尔共同发布官方公告，宣布在PyTorch框架的x86 CPU优化层面展开深度合作。此次合作的背景是x86阵营长期存在的软件生态分裂问题：过去开发者在部署AI工作负载时，往往需要针对AMD和英特尔的处理器分别进行底层适配与性能调优，导致维护成本高、开发效率低。
根据公告详情，双方将把各自独立的处理器优化工作集中整合到开源深度学习库oneDNN中，使其成为PyTorch内x86加速的默认开源库。具体分工上，AMD将把其ZenDNN优化技术集成至oneDNN，并加入统一加速基金会（UXL Foundation），担任指导委员会成员。这一举措标志着x86生态咨询组在推动软件层面"化竞争为协作"上取得了实质性突破。
除现有优化整合外，两家巨头还在协同推进名为"AI计算扩展"（ACE，AI Compute Extensions）的下一代指令集架构。该架构专门针对x86架构设计，核心功能是加速矩阵乘法运算——这是AI模型训练与推理过程中最核心的计算环节。按照规划，ACE相关能力未来将通过oneDNN的更新正式接入PyTorch，形成从底层硬件指令到上层框架优化的完整技术闭环。
影响分析
对于中文开发者与从业者而言，此次合作的实际影响主要体现在研发成本与跨平台能力的提升。首先，统一软件路径意味着AI应用团队不再需要维护两套针对AMD与英特尔CPU的独立优化代码，直接减少重复开发与长期维护成本。其次，随着ACE指令集逐步落地，开发者可在x86服务器、工作站及AI PC等全场景下获得更一致的PyTorch性能表现，降低跨平台迁移的技术门槛。这尤其利好那些同时部署在多家云服务商或混合企业环境中的AI应用团队。不过需明确，上述收益是分析判断，实际效果取决于oneDNN后续版本的质量、ACE指令集的量产进度以及生态适配程度。
适用边界
本结论的适用前提是开发者使用x86架构处理器并依赖PyTorch进行AI开发。若开发者使用的是ARM架构芯片（如部分移动端或边缘计算设备），或采用非PyTorch的深度学习框架（如TensorFlow专属优化路径），则此次合作带来的统一路径优势不适用。此外，ACE指令集的加速能力在硬件未更新前无法直接体验，当前阶段主要收益来自oneDNN的优化整合。
孤本观察
编辑判断：此次合作本质上是x86阵营对当前AI算力竞争中"软件定义价值"趋势的回应——当硬件制程差距缩小时，统一软件栈成为维持生态吸引力的关键筹码，其成败将直接影响未来三到五年x86在AI推理市场的竞争力。
常见问题
oneDNN库在PyTorch x86 CPU优化中扮演什么角色？
oneDNN将成为PyTorch内x86加速的默认开源库，集中整合AMD和英特尔的处理器优化，降低开发碎片化成本。
AMD为配合此次合作做出了哪些具体技术贡献？
AMD将ZenDNN优化技术集成至oneDNN，并加入统一加速基金会（UXL Foundation），担任指导委员会成员。
ACE指令集的核心功能是什么，何时接入PyTorch？
ACE专门加速x86架构下的矩阵乘法运算，未来将通过oneDNN的更新正式接入PyTorch。
此次统一优化适用于哪些硬件平台和开发场景？
覆盖x86服务器、工作站及AI PC场景，前提是开发者使用x86处理器并依赖PyT框架进行AI开发。
当前阶段开发者能直接体验到ACE指令集的加速吗？
不能。ACE加速能力需硬件更新后体验，当前阶段主要收益来自oneDNN对AMD和英特尔现有优化的整合。
来源：IT之家