AMD и Intel утвердили инструкции ACE — ускорители ИИ войдут в будущие x86-процессоры

AMD e Intel han publicado una especificación conjunta de AI Compute Extensions (ACE) — un conjunto de nuevas instrucciones para futuro procesadores x86 que añadirán bloques de computación especializados para acelerar tareas de inteligencia artificial directamente en los núcleos de la CPU.

Por qué era necesario ACE

Desde el otoño de 2024, AMD e Intel han estado colaborando dentro del Grupo Asesor del Ecosistema x86. El objetivo principal es proteger la posición de la arquitectura clásica frente a la creciente competencia de Arm y RISC-V, que están conquistando activamente los mercados de servidores, portátiles y sistemas embebidos. Hace solo algunos años, x86 era un estándar indiscutible para computadoras personales y servidores.

Esto ya no es así: el Apple Silicon en Arm ha demostrado rendimiento profesional en portátiles, el Qualcomm Snapdragon X Elite ha entrado en el mercado de dispositivos Windows, y los servidores basados en Arm de Ampere y AWS Graviton están capturando una cuota cada vez mayor de los centros de datos en la nube. En este contexto, la especificación conjunta ACE es una respuesta de ambos fabricantes a una amenaza común. Un estándar unificado permitirá a los desarrolladores de software implementar soporte para ACE una vez y obtener aceleración en chips de AMD e Intel sin necesidad de optimización separada para cada fabricante.

Qué puede hacer ACE

ACE se basa en la multiplicación de matrices — la operación matemática fundamental de las redes neuronales. Representa la mayor parte del tiempo computacional al ejecutar modelos de lenguaje, sistemas de reconocimiento de imágenes y otras aplicaciones de IA. La especificación se enfoca principalmente en la inferencia de IA — es decir, ejecutar modelos ya entrenados en entornos de producción en lugar de entrenarlos. Para este escenario, el soporte para pesos cuantificados es particularmente importante: formatos como INT4, INT8, FP8 y relacionados permiten que modelos más grandes quepan en memoria con requisitos de recursos significativamente menores.

Las capacidades clave proporcionadas por la especificación:

• Bloques de multiplicación de matrices especializados dentro de los núcleos de la CPU
• Soporte para formatos de datos cuantificados (INT4, INT8, FP8)
• Optimización para tareas de inferencia de IA, no entrenamiento
• Especificación unificada para procesadores AMD e Intel
• Compatibilidad con el ecosistema x86 existente

Es importante notar que ACE describe el nivel ISA — un conjunto de instrucciones, no la implementación microarquitectónica. Cada fabricante construirá bloques de hardware de manera diferente, pero el código de software escrito para ACE funcionará tanto en AMD como en Intel.

La competencia impulsa la unión

AMD e Intel son competidores históricos, con una rivalidad que abarca décadas. Un proyecto técnico público conjunto entre ellos es un acontecimiento raro e indicativo en sí mismo: demuestra la seriedad de la presión que experimenta el ecosistema x86. Arm ya ha demostrado su capacidad para competir con x86 en rendimiento.

RISC-V, aunque actualmente menos maduro, está ganando activamente apoyo en círculos académicos e industriales. Si x86 no ofrece un estándar de IA competitivo, los desarrolladores corren el riesgo de comenzar a optimizar soluciones para plataformas Arm, que ya tienen extensiones establecidas — NEON, SME2 y otras. Además, los autores de grandes frameworks de IA — PyTorch, ONNX Runtime, TensorFlow Lite — están interesados en estándares estables.

Una especificación unificada reduce el costo de soporte de x86 para ellos y hace que la plataforma sea más atractiva como objetivo para los esfuerzos de optimización.

Qué significa esto

ACE es el primer estándar técnico conjunto importante de los dos principales actores del mercado x86 en mucho tiempo. Si la especificación logra una amplia adopción, la próxima generación de sistemas x86 podrá ejecutar modelos de IA locales de manera más eficiente sin NPU o GPU adicional. Para el segmento empresarial, esto significa mayor flexibilidad en la implementación de aplicaciones de IA; para dispositivos de consumidor, significa un mejor rendimiento sin aumento de costo.