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
Perkenalan kolaborasi antara AMD dan Intel menandai perkembangan penting dalam pengembangan perangkat lunak AI. Melalui kerja sama tersebut, AMD dan Intel berupaya menyederhanakan pengembangan aplikasi berbasis PyTorch. Dalam pendekatan yang telah berjalan, pengembang prosesor tersebut mengembangkan pendekatan khusus untuk perangkat kerasnya. Karakteristik ekosistem sebelumnya dapat meningkatkan kompleksitas pengembangan. Melalui oneDNN, kedua perusahaan berusaha menghadirkan pendekatan pemrosesan yang lebih seragam. Melalui strategi tersebut, pengembang aplikasi memiliki peluang menggunakan optimalisasi yang lebih mudah dikelola.
Penyatuan pengembangan perangkat lunak ini berkaitan dengan masukan kelompok penasihat ekosistem x86. Kelompok tersebut mendorong pengembangan standar komputasi yang lebih konsisten. Walaupun kedua perusahaan bersaing dalam penjualan prosesor, kolaborasi untuk ekosistem terbuka dapat memberikan keuntungan untuk pengembang. Seiring meningkatnya kebutuhan pemrosesan data, kemudahan penerapan aplikasi semakin dibutuhkan. Karena itu, penyatuan optimalisasi dirancang untuk menekan hambatan kompatibilitas tanpa menghilangkan persaingan perangkat keras.
Teknologi oneDNN Mendukung Pemrosesan AI pada Arsitektur x86
Teknologi yang menjadi pusat kerja sama adalah oneDNN, yaitu perangkat lunak akselerasi komputasi AI yang berfungsi mendukung percepatan perhitungan jaringan saraf. Teknologi oneDNN menghadirkan komponen percepatan algoritma untuk pengembangan model kecerdasan buatan. Dalam proses pengolahan AI, oneDNN dapat membantu mempercepat operasi konvolusi yang menjadi bagian penting dalam algoritma pengolahan data. Berkat hubungan antara pustaka dan framework, pengembang dapat memanfaatkan optimalisasi CPU tanpa menulis seluruh kernel secara manual. Mekanisme tersebut berpotensi mengurangi pengelolaan kode AI.
Sebagai bagian dari kolaborasi, AMD dan Intel menetapkan oneDNN sebagai fondasi optimalisasi open-source CPU x86 dalam PyTorch. Langkah penyatuan ini dirancang menghadirkan pengalaman yang lebih konsisten pada sistem komputer dari kedua produsen. Apabila pekerjaan deep learning diproses pada perangkat keras berbeda, pustaka optimalisasi berpotensi memanfaatkan implementasi yang sesuai. Melalui mekanisme tersebut, tim perangkat lunak dapat mengurangi kebutuhan untuk menangani seluruh perbedaan secara manual. Namun demikian, hasil performa dipengaruhi oleh karakteristik model AI yang digunakan.
Teknologi ZenDNN Mendukung Optimalisasi AI pada Prosesor AMD
Tindakan utama dalam kerja sama adalah penyatuan kemampuan pemrosesan ZenDNN ke dalam oneDNN. Teknologi optimalisasi milik AMD bertujuan mendukung percepatan operasi AI pada perangkat keras berbasis AMD Zen. Selama ini, optimalisasi ZenDNN memiliki jalur pengembangan tersendiri. Berkat strategi penyatuan ini, AMD menyiapkan penggabungan kemampuan pemrosesan ZenDNN ke lingkungan optimalisasi terbuka. Integrasi teknologi tersebut dirancang mempermudah pengembangan optimasi lintas prosesor. Berkat integrasi ini, aplikasi yang berjalan pada CPU AMD berpotensi memanfaatkan penyesuaian performa prosesor melalui ekosistem pustaka bersama.
Di samping memperluas kontribusi perangkat lunak, AMD juga bergabung sebagai Steering Member dalam UXL Foundation. UXL Foundation menjadi wadah pengembangan ekosistem optimalisasi lintas perangkat keras, termasuk oneDNN. Keanggotaan AMD memungkinkan partisipasi dalam koordinasi kontribusi komunitas. Sementara itu, Intel melanjutkan pengembangan pada pengembangan komponen deep learning. Dengan kolaborasi tersebut, pengembang aplikasi dapat memanfaatkan perbaikan yang lebih terkoordinasi. Walaupun struktur kerja sama telah diumumkan, integrasi seluruh kemampuan harus melalui tahapan implementasi sebelum menjadi bagian dari berbagai rilis perangkat lunak.
AI Compute Extensions Menjadi Pengembangan Berikutnya pada Prosesor x86
Di samping kolaborasi optimalisasi PyTorch, AMD dan Intel menyiapkan kolaborasi pada AI Compute Extensions atau ACE. Teknologi tersebut merupakan pengembangan instruction set architecture yang bertujuan mempercepat perhitungan yang digunakan dalam deep learning. Dalam pengembangan kecerdasan buatan, pengolahan data numerik menjadi kebutuhan utama. Aktivitas tersebut menjadi bagian dari proses komputasi algoritma AI. Dengan pengembangan ACE, prosesor yang mendukung teknologi tersebut diharapkan mampu memproses perkalian matriks dengan optimalisasi tambahan.
Strategi pengembangan arsitektur x86 memiliki hubungan penting terhadap integrasi oneDNN dalam PyTorch. Kedua produsen prosesor menjelaskan bahwa dukungan ACE ditargetkan tersedia melalui penyempurnaan pustaka berikutnya. Berkat dukungan pustaka bersama, pengembang AI diharapkan bisa menggunakan kemampuan CPU baru tanpa mengembangkan jalur pemrosesan terpisah. Walaupun rencana ini menjanjikan, pengumuman ini tidak berarti telah tersedia dukungan otomatis untuk seluruh perangkat x86. Dukungan ACE dalam aplikasi harus mempertimbangkan dukungan framework yang telah disiapkan.
Kolaborasi AMD Intel Mempermudah Pengembangan Aplikasi AI Perusahaan
Nilai tambah penting dari kolaborasi optimalisasi PyTorch adalah penyederhanaan pemeliharaan perangkat lunak pada berbagai sistem x86. Pada kebutuhan pusat data, perbedaan merek prosesor sering menjadi kebutuhan pengujian tambahan. Dalam penerapan operasional, sebuah perusahaan berpotensi memiliki sistem Intel Xeon untuk memproses analisis data. Dengan pustaka yang lebih terpadu, organisasi memiliki peluang menyederhanakan pengelolaan beberapa implementasi. Melalui pendekatan tersebut, pengujian perangkat lunak mampu mendukung pengelolaan sistem yang lebih sederhana.
Selain kebutuhan server, pengembangan AI berbasis x86 berpotensi berguna bagi pengembang independen. Berbagai aplikasi kecerdasan buatan membutuhkan perangkat komputasi grafis. Untuk model tertentu, CPU mampu menjalankan untuk inferensi berdasarkan kebutuhan performa. Sebagai ilustrasi, sistem inferensi dengan beban moderat berpotensi diproses pada komputer berbasis x86. Melalui optimalisasi oneDNN, bagian pemrosesan model berpotensi memperoleh efisiensi tambahan. Walaupun CPU tetap memiliki peran penting, penggunaan akselerator AI tetap relevan, terutama ketika pelatihan berskala besar dilakukan.
Kolaborasi oneDNN Membuka Peluang Pengembangan AI yang Lebih Fleksibel
Kesepakatan pengembangan AMD dan Intel memperlihatkan perkembangan strategis dalam ekosistem komputasi AI berbasis x86. Dengan menggabungkan optimalisasi ZenDNN ke dalam oneDNN, kedua perusahaan menargetkan pengembangan lingkungan pemrosesan PyTorch yang lebih terpadu. Pendekatan tersebut berpotensi mempermudah tim rekayasa perangkat lunak dalam menerapkan model pada prosesor AMD maupun Intel. Selain itu, kolaborasi AI Compute Extensions berpotensi memperluas efisiensi komputasi AI. Meski kerja sama memiliki potensi besar, dampak terhadap pengguna masih perlu diuji berdasarkan perangkat keras yang digunakan.
Dalam perkembangan TEKNOLOGI, kompatibilitas lintas prosesor tetap menjadi prioritas pengembangan untuk mendukung inovasi. Kolaborasi Intel dan AMD pada PyTorch berpotensi berkembang sebagai fondasi kerja sama terbuka. Meski demikian, AMD dan Intel tetap menjadi pesaing dalam penjualan perangkat keras komputasi. Berkat keseimbangan antara persaingan dan kolaborasi, pengguna dapat memiliki kemudahan penerapan aplikasi AI. Keberhasilan strategi ini akan terlihat melalui realisasi integrasi pada implementasi PyTorch berikutnya. Bagaimana menurut Anda, apakah pengembangan PyTorch untuk prosesor x86 dapat memperkuat ekosistem kecerdasan buatan? Anda dapat berbagi pemikiran mengenai pengembangan AI menggunakan PyTorch.
