英特尔与AMD联合披露x86新ACE方案，聚焦AI计算指令扩展

英特尔与AMD近日共同披露了新的ACE CPU扩展方案，旨在为x86架构引入更高效的人工智能计算指令集。该方案重点围绕矩阵乘法展开优化，以提升功耗效率与计算密度，适应当前生成式AI及机器学习负载对底层算力的需求。

核心优化方向：矩阵乘法与计算密度

根据现有信息，ACE方案的设计主要针对矩阵乘法这一人工智能计算中的核心操作。通过指令集扩展，新方案旨在提升单位功耗下的计算吞吐量，即提高计算密度，从而更高效地处理生成式AI和机器学习等任务。

“这一设计主要围绕矩阵乘法展开优化，重点提升功耗效率与计算密度。”

背景解读：x86架构的针对性调整

矩阵乘法是深度学习模型中神经网络层间运算的基础，其效率直接关系到AI应用的执行速度与能耗。英特尔与AMD此次联合行动，可视为对x86架构在AI计算领域的一次针对性补强，以应对当前生成式AI负载对底层硬件提出的更高要求。

对行业影响的初步判断

业内人士指出，两大主流x86处理器厂商在AI指令集层面的协同，有望为软件生态提供更统一的底层调用接口，降低开发者针对不同平台适配的复杂度。但该方案的具体性能提升幅度及产品落地时间，尚待后续披露。

• 方案名称：ACE CPU扩展方案
• 优化目标：提升功耗效率与计算密度
• 适用领域：生成式AI、机器学习

英特尔与AMD布局ACE扩展：x86处理器引入矩阵乘法指令优化AI能效

在AI计算需求持续攀升的背景下，x86处理器架构正迎来一项面向核心运算的指令级更新。英特尔与AMD近期推进的ACE扩展（Advanced Matrix Extensions），旨在通过新增专用指令设计，使处理器在执行矩阵乘法等AI关键操作时实现更高的能效和芯片面积利用率。

ACE扩展：面向AI核心运算的指令集设计

矩阵乘法是AI推理与训练中的核心操作之一，其执行效率直接影响处理器的能效表现。ACE扩展的意义在于，尝试通过新的指令设计让x86处理器在处理相关任务时，以更少的能耗完成更多计算，并在芯片面积利用上实现更高密度。这一指令集更新使得传统以通用计算见长的x86平台，得以进一步补足面向AI工作负载的执行能力。

“通过新的指令设计让x86处理器在处理相关任务时，以更少的能耗完成更多计算，并在芯片面积利用上实现更高密度。”

x86平台补足AI工作负载执行能力

此次更新反映出CPU厂商对AI应用趋势的持续响应。随着AI模型规模扩大，数据中心与终端设备都对能效提出了更高要求。相比单纯依赖频率提升或堆叠更多核心，面向特定场景增加专用指令，已成为提升实际性能表现的一种重要路径。对于英特尔和AMD而言，ACE扩展有望让x86生态在AI计算方面获得更明确的优化方向。

专用指令路径成为CPU厂商共同选择

从技术方向来看，矩阵乘法的高效执行正成为处理器设计的关键突破口。ACE扩展通过将运算逻辑固化到指令层级，避免了通用计算单元处理矩阵运算时的冗余开销。这种思路并非仅针对某一家厂商，而是x86生态在应对AI工作负载时的系统性补强。

• 矩阵乘法是AI推理与训练中的核心操作之一，也是影响处理器能效表现的重要环节
• ACE扩展通过新指令设计实现更少能耗、更高计算密度
• 相比频率提升或核心堆叠，专用指令成为提升实际性能的重要路径

x86生态引入AI加速新指令集，英特尔与AMD联合发布ACE扩展

英特尔与AMD近日联合宣布推出x86架构的ACE（Advanced Computing Extensions）扩展指令集，旨在为服务器和个人计算领域提供原生AI负载加速能力。这是两家长期竞争的芯片厂商在基础架构层面首次针对AI场景进行的协同动作。

ACE扩展聚焦AI负载加速

据已公开信息，ACE扩展的设计目标是在x86指令集层面增加对矩阵乘法、向量化运算等AI常用计算类型的原生支持。该扩展并非为特定硬件实现，而是定义一套统一的指令接口，使操作系统、编译器和开发者能够基于相同规范进行优化。

从产业层面看，x86长期是服务器和个人计算市场的重要基础架构。如今AI负载快速增长，处理器设计也开始从通用性能竞争转向通用性能与专用加速并重。ACE扩展的推出，显示出两家厂商正推动x86进一步适配AI时代的新需求。

当前已公开的信息主要集中在设计目标层面，更多实现方式和落地细节仍有待后续披露。

联合指令集的意义与行业影响

指令集是处理器与软件之间的“翻译层”，决定了硬件能理解哪些基本操作。ACE扩展相当于为x86处理器新增一套专门处理AI计算任务的基础指令，使得依赖AI的应用程序（如语音识别、图像生成）能在不依赖额外独立加速器的情况下获得性能提升。

此前，x86架构的AI加速主要依赖厂商各自的专用模块（如英特尔的AMX、AMD的AVX-512子集），导致软件适配成本较高。统一指令集有望降低开发者的跨平台适配工作。对于服务器端推理和本地端AI应用而言，这一变化可能影响计算资源的调度策略。

• ACE扩展聚焦AI推理阶段的计算加速
• 统一指令集有助于减少软件适配碎片化
• 具体性能提升幅度尚未公布

分析人士指出，x86在AI计算领域面临来自ARM架构和GPU架构的竞争压力，此次联合指令集有助于巩固其在通用计算市场的生态基础。但实际效果仍需观望后续产品落地后的优化成果。