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.
Kolaborasi AMD Intel Memperkuat Ekosistem PyTorch
Kesepakatan kolaborasi antara AMD dan Intel menjadi perkembangan penting dalam ekosistem prosesor x86. Berkat kolaborasi teknologi ini, AMD dan Intel ingin memperbaiki jalur optimalisasi perangkat lunak. Pada pengembangan terdahulu, masing-masing produsen mengembangkan teknologi percepatan tersendiri. Perbedaan teknologi ini dapat meningkatkan kompleksitas pengembangan. Dengan memanfaatkan pustaka bersama, kedua perusahaan menargetkan pengembangan satu jalur perangkat lunak. Berkat penyatuan ini, pengembang aplikasi berpotensi memperoleh optimalisasi yang lebih mudah dikelola.
Kerja sama AMD dan Intel berkaitan dengan arah kerja sama yang dibahas dalam x86 Ecosystem Advisory Group. Organisasi penasihat tersebut dibentuk untuk memperkuat standar komputasi yang lebih konsisten. Walaupun kedua perusahaan merupakan pesaing utama, kolaborasi untuk ekosistem terbuka mampu menawarkan manfaat bagi pengguna. Seiring meningkatnya kebutuhan pemrosesan data, dukungan lintas platform memiliki peran penting. Karena itu, pengembangan jalur perangkat lunak bersama berpotensi mengurangi fragmentasi teknologi tanpa menghilangkan persaingan perangkat keras.
Teknologi oneDNN Mendukung Pemrosesan AI pada Arsitektur x86
Fondasi perangkat lunak dalam kolaborasi tersebut adalah oneDNN, yaitu perangkat lunak akselerasi komputasi AI yang berfungsi mendukung pemrosesan operasi matematika. Sistem optimalisasi ini menghadirkan fungsi pemrosesan berperforma tinggi untuk kebutuhan deep learning. Sebagai contoh, oneDNN dirancang mengoptimalkan operasi konvolusi yang banyak ditemukan dalam model pembelajaran mendalam. Melalui integrasi PyTorch, pengembang dapat memanfaatkan fungsi percepatan perangkat keras tanpa menulis seluruh kernel secara manual. Rancangan ini berpotensi mengurangi pengelolaan kode AI.
Sebagai bagian dari kolaborasi, AMD dan Intel menetapkan oneDNN sebagai fondasi optimalisasi open-source CPU x86 dalam PyTorch. Keputusan tersebut diharapkan menyediakan dukungan perangkat lunak yang lebih terpadu pada berbagai CPU berbasis x86. Apabila pekerjaan deep learning diproses pada CPU dengan arsitektur yang bervariasi, sistem pemrosesan tersebut dapat memilih implementasi yang sesuai. Berkat pendekatan ini, pengembang tidak harus menangani seluruh perbedaan secara manual. Meski mendukung kemudahan pengembangan, hasil performa tetap bergantung pada konfigurasi perangkat lunak yang digunakan.
Teknologi ZenDNN Mendukung Optimalisasi AI pada Prosesor AMD
Bagian penting dari implementasi adalah penggabungan optimalisasi AMD ke dalam oneDNN. ZenDNN sendiri dikembangkan untuk pemrosesan deep learning pada perangkat keras berbasis AMD Zen. Dalam pengembangan sebelumnya, fungsi khusus prosesor AMD berjalan sebagai bagian dari pendekatan perangkat lunak AMD. Melalui integrasi terbaru, AMD berencana menyumbangkan kemampuan pemrosesan ZenDNN ke pustaka bersama. Integrasi teknologi tersebut diharapkan membantu pengembangan optimasi lintas prosesor. Melalui pendekatan tersebut, pengembang berbasis AMD berpotensi memanfaatkan fungsi percepatan arsitektur Zen melalui implementasi oneDNN.
Selain mengintegrasikan ZenDNN, AMD mengambil peran sebagai Steering Member dalam UXL Foundation. Organisasi tersebut mengelola inisiatif akselerasi komputasi, termasuk oneDNN. Keanggotaan AMD memungkinkan partisipasi dalam koordinasi kontribusi komunitas. Di sisi lain, Intel mempertahankan keterlibatan pada optimalisasi oneDNN. Berkat pengembangan bersama, pengelola framework berpotensi memperoleh perbaikan yang lebih terkoordinasi. Meski arah pengembangan sudah disepakati, integrasi seluruh kemampuan tetap membutuhkan pengujian sebelum tersedia dalam semua lingkungan.
Teknologi ACE Mendukung Perkalian Matriks pada CPU Generasi Mendatang
Tidak hanya mengembangkan oneDNN bersama, AMD dan Intel turut mengembangkan pada AI Compute Extensions atau ACE. Teknologi tersebut diperkenalkan sebagai pengembangan instruction set architecture yang ditujukan untuk mendukung pemrosesan perkalian matriks. Dalam pengembangan kecerdasan buatan, pengolahan data numerik memiliki peran penting. Aktivitas tersebut sering muncul komputasi algoritma AI. Melalui instruksi khusus, perangkat keras x86 kompatibel berpotensi menjalankan perhitungan AI melalui jalur instruksi khusus.
Strategi pengembangan arsitektur x86 memiliki hubungan penting terhadap integrasi oneDNN dalam PyTorch. Perusahaan pengembang x86 tersebut mengumumkan bahwa dukungan ACE akan dikembangkan melalui rilis perangkat lunak lanjutan. Berkat dukungan pustaka bersama, pembuat aplikasi machine learning berpotensi memanfaatkan fitur percepatan perangkat keras tanpa harus mengubah seluruh kode aplikasi. Walaupun rencana ini menjanjikan, pengumuman ini tidak berarti telah tersedia dukungan otomatis untuk seluruh perangkat x86. Ketersediaan aktual harus mempertimbangkan dukungan framework yang kompatibel.
Penyatuan Software AI Membantu Efisiensi Pengembangan dan Penerapan
Salah satu manfaat utama dari pengembangan software bersama adalah fleksibilitas penerapan model pada berbagai sistem x86. Untuk organisasi yang mengelola server, penggunaan sistem dari beberapa vendor sering menjadi pekerjaan optimalisasi tersendiri. Sebagai contoh, sebuah perusahaan berpotensi memiliki server AMD EPYC untuk memproses analisis data. Dengan pustaka yang lebih terpadu, pengembang dapat mengurangi pekerjaan pemeliharaan kode yang terpisah. Melalui pendekatan tersebut, pengembangan aplikasi mampu mendukung pengelolaan sistem yang lebih sederhana.
Tidak hanya untuk infrastruktur data center, dukungan perangkat lunak yang lebih konsisten juga relevan bagi peneliti. Sebagian eksperimen machine learning membutuhkan perangkat komputasi grafis. Dalam skenario dengan ukuran model terbatas, CPU mampu menjalankan untuk pengujian model berdasarkan persyaratan sistem. Sebagai ilustrasi, model pengolahan data tertentu mampu diuji pada CPU kompatibel. Melalui optimalisasi oneDNN, perhitungan jaringan saraf mampu menggunakan efisiensi tambahan. Meski teknologi optimalisasi terus berkembang, pemilihan perangkat keras khusus masih diperlukan untuk banyak pekerjaan, terutama ketika beban komputasi sangat besar.
Kesimpulan: AMD dan Intel Memperkuat Ekosistem AI x86 melalui PyTorch
Kerja sama AMD dan Intel memperlihatkan perkembangan strategis dalam pengembangan perangkat lunak deep learning. Berkat integrasi optimalisasi ZenDNN ke dalam oneDNN, kedua perusahaan berupaya menciptakan pustaka optimalisasi bersama. Strategi pengembangan ini berpotensi mempermudah pengembang AI dalam membangun aplikasi pada prosesor AMD maupun Intel. Selain itu, rencana dukungan instruksi ACE diharapkan mendukung percepatan operasi matriks. Namun demikian, hasil peningkatan performa bergantung pada implementasi berdasarkan perangkat keras yang digunakan.
Seiring meningkatnya penggunaan kecerdasan buatan, penyederhanaan jalur optimalisasi menjadi bagian penting untuk mendukung inovasi. Kolaborasi Intel dan AMD pada PyTorch mampu menghadirkan langkah menuju kompatibilitas yang lebih baik. Meski demikian, AMD dan Intel tetap bersaing dalam industri semikonduktor. Dengan demikian, industri diharapkan mendapatkan dukungan perangkat lunak yang lebih konsisten. Keberhasilan strategi ini perlu dinilai berdasarkan peningkatan kompatibilitas pada rilis perangkat lunak mendatang. Apa pendapat Anda, apakah pengembangan PyTorch untuk prosesor x86 dapat memperkuat ekosistem kecerdasan buatan? Jangan ragu menyampaikan pandangan mengenai kolaborasi AMD dan Intel dalam teknologi kecerdasan buatan.
