20 октября 2026 года Intel сообщила о совместной работе с AMD над программной основой для запуска приложений PyTorch на процессорах x86. Компании объединяют оптимизации в открытой библиотеке oneDNN. Для разработчиков это означает движение к общему способу использовать возможности CPU двух производителей, а не анонс нового процессора или готовой нейросети.
Что объявили AMD и Intel
Согласно сообщению Intel, AMD переносит оптимизации ZenDNN в oneDNN и присоединилась к UXL Foundation в качестве участника руководящего уровня Steering Member. Фонд управляет развитием библиотеки. Выбор oneDNN как общей открытой основы ускорения x86 в PyTorch поддержала консультативная группа x86 Ecosystem Advisory Group.
Заявленная цель сотрудничества — уменьшить различия между программными путями для процессоров AMD и Intel и упростить сопровождение приложений. В анонсе нет конкретного номера выпуска PyTorch, после установки которого вся интеграция автоматически считается завершённой. Поэтому сообщение следует воспринимать как направление совместной разработки, а не универсальную инструкцию по обновлению работающего сервера.
Какую роль играет oneDNN
В документации проекта oneDNN описана как библиотека оптимизированных операций глубокого обучения. Она содержит вычислительные блоки, включая умножение матриц, свёртки, механизмы внимания и нормализацию. Именно такие повторяющиеся операции программная инфраструктура может передавать специализированным реализациям вместо выполнения одинакового общего кода на любом оборудовании.
Библиотека умеет определять возможности процессора во время выполнения и подбирать реализацию с учётом набора инструкций и характеристик системы. В проекте применяется генерация машинного кода JIT. Поддерживаются объединение операций и графовый интерфейс, позволяющий работать с более крупными вычислительными фрагментами. Это описание устройства библиотеки, а не перечень функций, впервые появившихся 20 октября.
Репозиторий распространяется по лицензии Apache 2.0. В документации среди использующих oneDNN систем указаны PyTorch, TensorFlow, OpenVINO и ONNX Runtime. Для большинства пользователей нейросетей авторы рекомендуют обращаться к библиотеке через соответствующий фреймворк. Самостоятельное внедрение низкоуровневых вызовов требуется прежде всего создателям вычислительной инфраструктуры.
Зачем в анонсе упомянуты AI Compute Extensions
Отдельная часть планов связана с AI Compute Extensions, или ACE. Intel сообщает о намерении поддержать эти расширения в PyTorch через будущие обновления oneDNN. Доступность такой поддержки на конкретной машине нельзя выводить только из факта объявления партнёрства: потребуются подходящие аппаратные и программные компоненты.
Технический документ ACE объясняет задачу расширений: ускорение матричного умножения с использованием существующей векторной инфраструктуры AVX10. Матрицы применяются в вычислениях нейросетей, включая прямой и обратный проход и обновление весов. В описании архитектуры предусмотрена работа с несколькими форматами данных, в том числе INT8 и BF16. Это технический контекст проекта, а не результаты испытаний нового продукта.
Что проверять разработчикам
Практический вывод для команды, использующей PyTorch: следить за примечаниями к выпускам фреймворка и oneDNN, а переход оценивать на собственной нагрузке. Для такого сравнения полезно фиксировать модель, точность вычислений, размер входных данных и конфигурацию процессора. Сопоставимые измерения покажут, меняются ли задержка и пропускная способность именно в рабочем сценарии.
Объединение программной основы само по себе не доказывает одинаковую производительность разных CPU. Оно также не служит основанием обещать замену любого GPU процессором общего назначения. Новость 20 октября касается организации оптимизаций и совместимости программного стека; эффект для конкретного приложения предстоит устанавливать отдельно.
