2026年10月20日，英特尔与AMD宣布围绕PyTorch在x86 CPU上的AI优化展开协作。双方决定将各自面向x86处理器的PyTorch CPU优化工作，整合进开源深度学习库oneDNN，并推动oneDNN成为PyTorch内部x86加速的默认开源库。该方向由x86生态系统顾问小组（x86 Ecosystem Advisory Group）提出，并在UXL基金会（Unified Acceleration Foundation）的治理框架下推进。

一、合作的技术载体：oneDNN与ZenDNN的上游合并

oneDNN是一套面向深度学习的底层原语库，提供卷积、矩阵乘法、归一化、激活等算子的高效实现，直接影响PyTorch、TensorFlow、ONNX Runtime等框架在CPU上的推理与训练效率。该库目前由UXL基金会管理，不再属于单一厂商的闭源资产。

AMD此前维护ZenDNN，用于承载面向Zen微架构的CPU优化。按照本次合作安排，AMD将把ZenDNN的相关优化合入oneDNN主干，而不是继续以独立下游分支的方式存在。与此同时，AMD以指导委员会成员（Steering Member）身份加入UXL基金会，从一般贡献者转为具有治理参与权的成员。

这意味着，PyTorch在x86 CPU上的加速路径将从前期的“Intel侧oneDNN/AMD侧ZenDNN或配套插件”走向单一主干：开发者使用标准PyTorch时，可通过oneDNN获得面向不同x86处理器的底层优化，而不必为不同厂商CPU分别选型、构建和维护不同的加速库。

二、对开发者的直接变化

对PyTorch开发者而言，变化主要体现在构建、部署与维护环节：

软件路径统一：在x86服务器、工作站和终端CPU上运行AI负载时，不再需要按厂商选择不同的CPU加速库。

部署复杂度下降：在同时包含英特尔至强、AMDEPYC或其他x86处理器的环境中，运维和发布流程可以减少硬件分支。

框架层一致性增强：PyTorch社区获得一条面向现代x86处理器的统一优化入口，后续新指令集和能力更新也可以通过同一库进入框架。

厂商专项优化并未取消：统一库不等于性能结果完全一致。英特尔和AMD仍会继续针对各自微架构做调优，只是这些工作将更多通过oneDNN主干暴露给上层框架。

三、与未来指令集的衔接：AI Compute Extensions

除软件库整合外，双方还在推进AI Compute Extensions（ACE）。ACE是面向x86的下一代指令集扩展，目标是加速矩阵乘法这一AI工作负载中的核心运算。

按照合作表述，ACE未来将通过oneDNN更新集成到PyTorch中。其意义在于：新x86AI指令不再需要在两条软件路径中分别实现和验证，而是可以在同一开源库中被PyTorch等框架复用。需要注意的是，本次公告并未给出ZenDNN合入oneDNN的完成时间，也没有给出ACE在PyTorch中可用化的发布节点。

四、生态层面的含义

这次合作不是一次单纯的性能补丁，而是x86生态在AI软件栈上的治理调整。

过去，x86阵营在硬件接口上保持兼容，但在AI加速软件层存在一定程度的分裂：不同厂商、不同框架、不同扩展库各自维护路径，增加了框架维护者和云服务商的成本。随着Arm架构在服务器端、NPU/专用加速器在端侧和推理场景中的渗透，x86若继续维持多层分叉，会在AI开发生态中处于不利位置。

将oneDNN确立为PyTorch的x86默认加速库，并把AMD的ZenDNN优化纳入同一主干，本质上是把竞争从“各自建路”转向“在同一道路上做工程质量与微架构效率的竞争”。AMD进入UXL指导委员会，也使oneDNN的中立性在治理结构上更站得住脚。

五、总结与评论

英特尔与AMD此次合作的核心，是用一个开源库收敛x86 CPU上的PyTorch AI优化路径。它对产业最直接的价值是降低软件碎片化：框架开发者、模型部署方、云厂商和企业在x86平台上构建AI应用时，不再需要为不同CPU厂商维护近似但不同的加速栈。

从竞争格局看，这是x86阵营对AI软件碎片化问题的内部修正。它不会消除英特尔与AMD在处理器性能、缓存结构、内存带宽、核心规模和单瓦性能上的竞争，但会把“软件入口之争”先放下去，避免x86内部消耗。

对开发者而言，短期收益是部署和构建更简单；中期收益是新x86 AI能力进入PyTorch的链路更短；长期看，x86是否能借统一软件栈抵御其他架构在AI推理与训练侧的扩张，仍取决于oneDNN的维护质量、ACE的硬件落地节奏，以及两家公司是否持续投入上游而非回归分支化。

因此，这次合作更合适的定位是：x86生态在AI时代的一次基础设施层对齐，而不是性能路线或商业路线的合并。