AMD i Intel nastavljaju da usaglašavaju razvoj x86 ekosistema. Najnoviji korak, objavljen 20. oktobra, odnosi se na objedinjavanje optimizacija za izvršavanje AI aplikacija u PyTorchu na procesorima obe kompanije. Zajedničku osnovu treba da predstavlja biblioteka otvorenog koda oneDNN, u koju AMD integriše optimizacije iz svog ZenDNN-a.
Za x86 arhitekturu, čija je velika prednost široka softverska podrška, to otvara važnu mogućnost: da se nove AI funkcije uvode uz manje razlika između platformi i manje dodatnog rada za razvojne timove.
Jedna softverska osnova za optimizacije obe kompanije
PyTorch programerima pruža okruženje za razvoj i izvršavanje modela mašinskog učenja. Međutim, performanse tih modela zavise i od biblioteka koje u pozadini izvršavaju matematičke operacije. oneDNN obezbeđuje optimizovane implementacije množenja matrica, konvolucija, pažnje i drugih operacija karakterističnih za duboko učenje. Biblioteka može da prepozna mogućnosti procesora tokom izvršavanja i pripremi odgovarajuće optimizovane računske funkcije. Iza zajedničkog interfejsa zato mogu da postoje različite implementacije prilagođene konkretnom hardveru.
Prema novom dogovoru, donetom na preporuku x86 Ecosystem Advisory Group, AMD i Intel usaglasili su oneDNN kao podrazumevanu biblioteku otvorenog koda za x86 ubrzavanje unutar PyTorcha. AMD je pristupio i UXL Foundation kao član upravljačkog nivoa „Steering Member“, čime učestvuje u otvorenoj saradnji oko daljeg razvoja.
To ipak ne podrazumeva iste performanse na svakom procesoru. Zajednička biblioteka omogućava da softver koristi raspoloživi hardver, dok brzina i dalje zavisi od procesorskih mogućnosti, memorijskog sistema, modela i načina izvršavanja.
Saradnja koja se razvija od 2024. godine
Osnova današnjih aktivnosti postavljena je 15. oktobra 2024, kada su AMD i Intel osnovali x86 Ecosystem Advisory Group — EAG.
Grupa je formirana radi usaglašavanja važnih arhitektonskih funkcija i programskih interfejsa, poboljšanja kompatibilnosti i jednostavnijeg uključivanja novih mogućnosti u operativne sisteme, razvojna okruženja i aplikacije.
Među osnivačima bili su Broadcom, Dell, Google, HPE, HP, Lenovo, Meta, Microsoft, Oracle i Red Hat, uz Linusa Torvaldsa i Tima Sweeneyja kao istaknute učesnike. Takav sastav pokazuje da se saradnja odnosi na potrebe celog ekosistema, od proizvođača računara do autora sistemskog i poslovnog softvera. Na sadašnjoj listi članova nalaze se i Adobe i Nutanix, što dodatno proširuje zastupljenost softverskih kompanija i poslovnih platformi.
ACE: zajednički pristup ubrzavanju AI računanja
Najdirektnija veza između ove saradnje i budućeg AI hardvera jesu AI Compute Extensions – ACE.
Množenje matrica predstavlja jednu od osnovnih operacija neuronskih mreža i velikih jezičkih modela. ACE uvodi instrukcije namenjene efikasnijem izvršavanju takvih proračuna, u tesnoj vezi sa vektorskim mogućnostima AVX10.
Pojednostavljeno, ACE omogućava da se jednom operacijom obrađuje dvodimenzionalni deo rezultujuće matrice. Međurezultati čuvaju se u namenskim registrima, dok se ulazni podaci dovode iz vektorskih registara. Takva organizacija treba da poveća količinu računanja koja se obavlja po instrukciji i omogući efikasnu pripremu i naknadnu obradu podataka.
Predviđena je podrška za AI formate kao što su INT8, BF16, OCP FP8, MXFP8 i MXINT8. Formati smanjene preciznosti važni su zato što mogu da smanje zahteve za memorijom i prenosom podataka.
Zajednički stručni dokument AMD-ovih i Intelovih autora opisuje do 16 puta veću računsku gustinu ACE operacije spoljašnjeg proizvoda u odnosu na odgovarajuću AVX10 operaciju množenja i akumulacije, uz isti broj ulaznih vektora.
Rad je tokom 2026. dobio i precizniju javnu specifikaciju: EAG je 28. jula objavio verziju 1.16.2. Ona definiše registre, operacije i povezivanje ACE-a sa AVX mogućnostima, ali ostaje specifikacija koja obuhvata i proizvode u razvoju.
Najnoviji dogovor o PyTorchu povezuje taj hardverski pravac sa softverskom distribucijom: podrška za ACE planirana je kroz buduća ažuriranja oneDNN-a.
APX proširuje saradnju na opšte procesorske zadatke
Budućnost x86 u AI eri zavisi i od ubrzavanja poslova koji okružuju sam model.
EAG je u aprilu 2026. predstavio zajednički rad AMD-a i Intela na Advanced Performance Extensions – APX. Ova proširenja povećavaju broj registara opšte namene sa 16 na 32 i uvode dodatne mogućnosti za efikasnije izvršavanje uobičajenog programskog koda.
Veći broj registara omogućava kompajleru da više podataka zadrži neposredno u procesoru. Dodatne instrukcijske forme mogu da smanje potrebu za kopiranjem vrednosti i ublaže troškove određenih uslovnih grananja.
Za razvojne timove važna je mogućnost postepenog prelaska: prema opisu EAG-a, iskorišćavanje APX-a uglavnom se očekuje kroz ponovno prevođenje programa odgovarajućim kompajlerom.
U AI sistemima, takva poboljšanja mogu biti korisna u delovima aplikacije koji upravljaju podacima, izvršavaju poslovnu logiku ili koordiniraju druge komponente. To je analitički značaj APX-a u ovom kontekstu; konkretan dobitak moraće da se meri na stvarnim zadacima.
AI agenti povećavaju značaj centralnih procesora
Razvoj AI agenata dodatno objašnjava zašto AMD i Intel ulažu u budućnost CPU-a.
Agentska aplikacija može da pretražuje dokumenta, pristupa bazama, izvršava kod, poziva spoljne alate i proverava rezultate. Jedan korisnički zahtev zato pokreće više različitih vrsta računanja.
Istraživanje „A CPU-Centric Perspective on Agentic AI“ pokazuje da izvršavanje alata i upravljanje tokom rada mogu da stvore značajna uska grla na procesoru. U analiziranim scenarijima ukupne performanse zavise i od raspoređivanja CPU i GPU poslova, njihove konkurentnosti i dostupnih resursa. Nalaz je važan upravo zato što pokazuje koliko ponašanje celog sistema može da se razlikuje od brzine samog jezičkog modela.
AMD je u septembru 2026. takođe opisao agentske tokove rada kao kombinaciju pretraživanja, pozivanja alata, izvršavanja koda i drugih zadataka sa različitim procesorskim zahtevima.
Iz toga proizlazi širi smisao saradnje: ACE razvija matrične mogućnosti, APX opštu računsku efikasnost, dok zajedničke biblioteke treba da olakšaju njihovo korišćenje. Svaki od tih slojeva rešava drugačiji deo AI aplikacije.
Šta je već dostupno, a šta tek treba da se ostvari
Probno izdanje oneDNN 3.14-rc, objavljeno početkom oktobra, već navodi početnu podršku za ACE instrukcije. Ona se uključuje izričito i nije podrazumevano aktivna. To potvrđuje konkretan napredak u biblioteci, uz ograničen obim početne podrške.
Razvojna dokumentacija oneDNN-a opisuje i opciono povezivanje sa ZenDNN-om. Taj mehanizam trenutno zahteva zasebno pripremljenu ZenDNN biblioteku, namenjen je Linux x86-64 sistemima i podrazumevano je isključen. Samo postojanje tog mehanizma zato ne potvrđuje da je objedinjavanje već završeno u svim standardnim PyTorch paketima.
AMD i Intel ovom saradnjom grade osnovu za dosledniji razvoj x86 platforme. Njena vrednost za korisnike meriće se jednostavnijim uvođenjem AI funkcija, manjim troškovima održavanja i boljim iskorišćenjem hardvera.
Za budućnost x86 najvažnija poruka je da se arhitektura razvija na više povezanih nivoa: od opštih instrukcija i bezbednosti do matričnog računanja i zajedničkih softverskih biblioteka. Kada svi ti delovi budu pravovremeno dostupni i dobro povezani, x86 će imati najsnažniju osnovu za novu generaciju AI aplikacija.
