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

AMD et Intel ont publié une spécification conjointe pour AI Compute Extensions (ACE) — un ensemble de nouvelles instructions pour les futurs processeurs x86 qui ajouteront des blocs de calcul spécialisés pour accélérer les tâches d'intelligence artificielle directement dans les cœurs du processeur.

Pourquoi ACE était nécessaire

Depuis l'automne 2024, AMD et Intel collaborent au sein du Groupe consultatif de l'écosystème x86. L'objectif principal est de protéger la position de l'architecture classique face à la concurrence croissante d'Arm et de RISC-V, qui conquièrent activement les marchés des serveurs, des ordinateurs portables et des systèmes embarqués. Il y a seulement quelques années, x86 était une norme incontestée pour les ordinateurs personnels et les serveurs.

Ce n'est plus le cas : le silicium Apple sur Arm a démontré des performances professionnelles sur les ordinateurs portables, le Qualcomm Snapdragon X Elite s'est lancé sur le marché des appareils Windows, et les serveurs basés sur Arm d'Ampere et d'AWS Graviton capturent une part de plus en plus importante des centres de données cloud. Dans ce contexte, la spécification conjointe ACE est une réponse des deux fabricants à une menace commune. Une norme unifiée permettra aux développeurs de logiciels d'implémenter le support ACE une seule fois et d'obtenir une accélération sur les puces AMD et Intel sans avoir besoin d'optimisation séparée pour chaque fabricant.

Ce qu'ACE peut faire

ACE est basé sur la multiplication de matrices — l'opération mathématique fondamentale des réseaux de neurones. Elle représente la majorité du temps de calcul lors de l'exécution de modèles de langage, de systèmes de reconnaissance d'images et d'autres applications d'IA. La spécification se concentre principalement sur l'inférence IA — c'est-à-dire l'exécution de modèles déjà entraînés dans des environnements de production plutôt que leur entraînement. Pour ce scénario, le support des poids quantifiés est particulièrement important : des formats comme INT4, INT8, FP8 et autres permettent aux modèles plus grands de tenir en mémoire avec des exigences de ressources considérablement réduites.

Les capacités clés fournies par la spécification :

• Blocs de multiplication de matrices spécialisés au sein des cœurs du processeur
• Prise en charge des formats de données quantifiés (INT4, INT8, FP8)
• Optimisation pour les tâches d'inférence IA, pas pour l'entraînement
• Spécification unifiée pour les processeurs AMD et Intel
• Compatibilité avec l'écosystème x86 existant

Il est important de noter qu'ACE décrit le niveau ISA — un ensemble d'instructions, pas l'implémentation microarchitecturale. Chaque fabricant construira les blocs matériels différemment, mais le code logiciel écrit pour ACE fonctionnera à la fois sur AMD et Intel.

La concurrence pousse à l'union

AMD et Intel sont des concurrents historiques, avec une rivalité qui s'étend sur des décennies. Un projet technique public conjoint entre eux est un événement rare et en lui-même révélateur : il témoigne de la gravité de la pression exercée sur l'écosystème x86. Arm a déjà prouvé sa capacité à concurrencer x86 en termes de performance.

RISC-V, bien que actuellement moins mature, gagne activement du soutien dans les milieux académiques et industriels. Si x86 n'offre pas une norme IA compétitive, les développeurs risquent de commencer à optimiser les solutions pour les plateformes Arm, qui disposent déjà d'extensions établies — NEON, SME2 et autres. De plus, les auteurs de grands frameworks d'IA — PyTorch, ONNX Runtime, TensorFlow Lite — sont intéressés par des normes stables.

Une spécification unifiée réduit le coût du support x86 pour eux et rend la plateforme plus attrayante comme cible pour les efforts d'optimisation.

Ce que cela signifie

ACE est la première grande norme technique conjointe des deux principaux acteurs du marché x86 depuis longtemps. Si la spécification gagne une adoption généralisée, la prochaine génération de systèmes x86 pourra exécuter les modèles d'IA locaux plus efficacement sans unité de traitement neural (NPU) ou GPU supplémentaire. Pour le segment des entreprises, cela signifie plus de flexibilité lors du déploiement d'applications d'IA ; pour les appareils grand public, cela signifie de meilleures performances sans augmentation de coût.