AMD 英特尔罕见联手：统一 PyTorch CPU 优化

在 x86 处理器市场正面交锋了近四十年的 AMD 与英特尔，10 月 20 日共同宣布了一项罕见合作：双方将把各自针对 PyTorch 的 x86 CPU 优化工作，整合进开源深度学习库 oneDNN，为开发者提供一条横跨 AMD 与英特尔 CPU 的统一软件路径。根据公告，oneDNN 将成为 PyTorch 内 x86 加速的默认开源库；AMD 则会把自研的 ZenDNN 优化并入 oneDNN，并以指导委员会成员身份加入管理该库的统一加速基金会（UXL Foundation）。

合作细节：一个库、一条路径、一个新指令集

根据 AMD 官方新闻稿，这项合作是在 x86 生态系统顾问小组（x86 Ecosystem Advisory Group）的建议下达成的。英特尔与 AMD 已就 oneDNN 达成一致，将其认定为 PyTorch 内 x86 加速的默认开源库。过去，开发者若想在 x86 CPU 上跑出 PyTorch 的最佳性能，往往要针对 AMD 或英特尔平台分别适配、调优；合作落地后，两家公司称开发者有望通过同一个软件路径获得优化支持。

AMD 的具体动作有两项：其一，把 ZenDNN 的优化技术整合进 oneDNN 上游；其二，加入统一加速基金会（UXL Foundation）并担任指导委员会（Steering）成员——此前 AMD 只是该基金会的普通成员。oneDNN 正是由 UXL 基金会治理的开源项目。

除了整合现有优化，双方还在推进“AI 计算扩展”（AI Compute Extensions，ACE）——这是面向 x86 的下一代指令集架构，重点加速矩阵乘法，而矩阵乘法正是 AI 模型训练与推理中的核心运算。按照规划，ACE 的相关能力未来将通过 oneDNN 的更新接入 PyTorch。

三方表态值得一记：

• 英特尔数据中心战略项目副总裁兼总经理 Jeff McVeigh 表示，开发者不应该为了充分发挥 x86 CPU 的性能而被迫采用不同的软件路径；与 AMD 在 oneDNN 上的合作，能为 PyTorch 社区提供一条适用于现代处理器的统一路径，并让包括 ACE 在内的未来能力更顺畅地融入框架。
• AMD 架构与战略企业副总裁 Robert Hormuth 称，AMD 一直在推动开放软件生态，希望为开发者提供更多选择、让高性能 AI 应用的构建更简单；通过与 x86 生态系统顾问小组合作，希望推动产业围绕通用技术形成更广泛的协作，从而简化跨 x86 处理器的开发流程。
• 红帽首席技术官办公室副总裁兼杰出工程师、PyTorch 大使 Stephen Watt 评价，AMD 与英特尔携手、让 x86 CPU 优化在 PyTorch 中经由 oneDNN 标准化，是减少生态碎片化的重要一步，将帮助开发者在不同 x86 架构上以一致的方式构建、优化和部署 AI 工作负载。

需要说明的是，官方目前并未公布整合完成的具体时间表、对应的 PyTorch 版本，也没有给出量化的性能提升数字，合作效果仍有待观察。

背景：为什么过去有两套库

oneDNN 最初诞生于英特尔，是一套手工调优的深度学习基础原语库——卷积、矩阵乘法、激活函数等模型运行时最吃算力的部分都由它承载，PyTorch、TensorFlow、ONNX Runtime、OpenVINO 等框架在 CPU 上的运算都深度依赖它。但问题在于，英特尔是按自家芯片的特点来调优的。

AMD 的回应是 ZenDNN：一个保留 oneDNN 接口、但把底层内核换成针对 Zen 核心编写的下游分叉。它在 EPYC 处理器上确实跑得很快，但代价是：任何部署混合机群（同时有 AMD 和英特尔服务器）的团队，都要操心框架底下装的到底是哪个库的哪个构建；维护两套近乎相同的代码路径，是一种没人提前预算、迟早要付的“税”。

这次合作的实质，就是结束“分叉时代”：AMD 把 Zen 专属的优化工作直接合并进 oneDNN 上游，开发者从一个库里就能拿到适配当前 x86 芯片的最佳路径。值得澄清的一点是，oneDNN 的官方仓库一直把 Intel 64 / AMD64 列为支持架构——这次变化并不是“AMD CPU 第一次能用 oneDNN”，而是 AMD 把自己多年积累的优化成果带进来，和英特尔在同一个上游共同推进。

更大的图景是：就在同一周，PyTorch 的硬件兼容层争夺战明显升温。10 月 19 日，亚马逊发布了面向自研 Trainium 芯片的原生 PyTorch 后端 TorchNeuron，进入公测；Google 与 Meta 则在 PyTorch Conference 2026 上把 TPU 的原生 PyTorch 后端 TorchTPU 以 Apache 2.0 协议开源。非英伟达算力都在抢“让 PyTorch 代码零改动跑起来”的入口，而 AMD 与英特尔这一次，是在 CPU 阵营内部先统一了战线。

影响与展望：CPU 在 AI 工作流里不想掉队

对开发者最直接的好处是“写一次、两种 CPU 通吃”：构建、部署和跨平台迁移 AI 应用更顺畅，重复开发与维护成本下降。云服务商和企业用户则有望在 x86 服务器、工作站乃至 AI PC 上，获得更一致的 PyTorch 性能体验。

对 x86 生态而言，这是把原本分散在两家公司的优化投入汇聚到一处，减少碎片化，也为现有及未来的 x86 AI 能力提供了更完善的支持通道。长远看，如果 ACE 指令集顺利落地，x86 CPU 的矩阵乘法加速能力将直接通过 oneDNN / PyTorch 的更新惠及开发者，而不需要每个人都去啃晦涩的指令集手册。

当然也要泼一点冷水：合作刚宣布，整合完成度、实际性能收益、ACE 的上市节奏都还是未知数。“若落地顺利”这个前提，决定了这场罕见联手最终是写进教科书，还是停留在新闻稿里。接下来值得盯的，是 oneDNN 上游仓库里 AMD 代码的合并进度，以及 PyTorch 后续版本何时把 oneDNN 明确为默认 x86 后端。