AMD và Intel bắt tay tối ưu PyTorch: AI trên CPU x86 bớt cảnh “mỗi hãng một đường”

Ngày 20/10, AMD và Intel công bố hợp tác đưa các tối ưu PyTorch trên CPU x86 về chung thư viện oneDNN. Hai đối thủ muốn giúp lập trình viên xây dựng, bảo trì và triển khai ứng dụng AI thuận tiện hơn, giảm cảnh phải theo những hướng tối ưu riêng cho từng hãng.

AMD và Intel hướng tới một nền tảng tối ưu chung cho PyTorch trên x86. Ảnh minh họa tạo bằng AI.

Chung thư viện, bớt chia đường tối ưu

Trọng tâm hợp tác là oneDNN, thư viện học sâu mã nguồn mở do Unified Acceleration Foundation (UXL) quản lý. Theo khuyến nghị của x86 Ecosystem Advisory Group, hai hãng thống nhất chọn oneDNN làm thư viện mã nguồn mở mặc định để tăng tốc x86 trong PyTorch.

AMD đang tích hợp các tối ưu từ ZenDNN vào oneDNN, đồng thời gia nhập UXL với vai trò thành viên ban chỉ đạo. Thay vì để nhà phát triển tiếp cận các tối ưu cho CPU của hai hãng theo những hướng tách biệt, mục tiêu là tập trung chúng tại một nơi.

Phần cứng vẫn cạnh tranh, phần mềm có thể bớt chia ngả. Đây là thay đổi ở cách phát triển hệ sinh thái, không phải thông báo hai hãng làm chung một mẫu chip.

oneDNN đóng vai trò lớp tối ưu chung trong định hướng hợp tác. Sơ đồ khái quát, ảnh minh họa tạo bằng AI.

Thêm nền tảng cho AI Compute Extensions

AMD và Intel cũng hợp tác về AI Compute Extensions (ACE), kiến trúc tập lệnh x86 thế hệ mới nhằm tăng tốc phép nhân ma trận, một phép toán cốt lõi của AI. Hỗ trợ ACE trong PyTorch được lên kế hoạch thông qua các bản cập nhật oneDNN trong tương lai.

Hai thông cáo chưa đưa ra mức tăng hiệu năng, phiên bản PyTorch cụ thể hay danh sách CPU được hưởng lợi từ từng thay đổi. Vì vậy, chưa thể hiểu rằng chỉ cần cập nhật phần mềm là mọi máy x86 sẽ chạy AI nhanh hơn như nhau.

Góc nhìn An Phát: chọn máy chạy AI cần nhìn cả phần mềm

Với người đang học hoặc phát triển AI, điểm đáng chú ý là triển vọng giảm công sức xử lý khác biệt giữa các nền tảng. Tuy nhiên, một thư viện chung không làm mất đi sự khác nhau về phần cứng hay bảo đảm mọi mô hình đều chạy tốt trên CPU.

Hiệu quả sử dụng AI cần được đánh giá theo tác vụ và cấu hình thực tế. Ảnh minh họa tạo bằng AI, không đại diện sản phẩm cụ thể.

Theo góc nhìn An Phát, nên bắt đầu từ mô hình và tác vụ muốn chạy, kiểm tra phần mềm hỗ trợ gì rồi mới chọn cấu hình. Khi so sánh máy, hãy đo bằng chính công việc dự định sử dụng; tên hãng và thông số riêng lẻ chưa đủ để quyết định trải nghiệm. Bạn có thể đọc thêm bài PC AI & Laptop AI là gì? Liệu bạn có thực sự cần mua máy tính AI? để có thêm bối cảnh trước khi lựa chọn.

Ở hướng phần cứng AI khác, An Phát cũng đã đề cập trong bài Intel hé lộ GPU D-series tối đa 480 GB bộ nhớ, tăng tốc cuộc đua AI Agent. Còn với hợp tác lần này, điều cần theo dõi tiếp là các bản cập nhật thực tế và kết quả trên từng cấu hình.

Nguồn: Intel Newsroom và AMD Newsroom.