Satu jalur optimasi untuk prosesor x86
Optimasi AI CPU adalah upaya meningkatkan efisiensi perhitungan kecerdasan buatan di prosesor, sehingga aplikasi dapat berjalan dengan lebih baik tanpa bergantung sepenuhnya pada akselerator khusus. AMD dan Intel kini berkolaborasi menyatukan optimalisasi CPU untuk PyTorch melalui oneDNN, pustaka sumber terbuka yang membantu mempercepat komputasi AI. Langkah ini menjawab persoalan lama: pengembang perlu memastikan aplikasi memanfaatkan kemampuan prosesor yang digunakan, dan perbedaan jalur optimasi dapat menambah pekerjaan saat mendukung perangkat keras yang beragam. AMD akan memasukkan teknologi ZenDNN ke oneDNN, sehingga optimasi AMD dapat diakses melalui pustaka yang juga memuat optimasi untuk prosesor Intel. Arah ini lebih masuk akal daripada meminta pengembang memelihara solusi terpisah untuk tiap merek. Namun, penyatuan perangkat lunak bukan jaminan bahwa setiap model AI akan otomatis berjalan lebih cepat.
Dampak nyata bagi pengembang
Bagi pembuat aplikasi AI, manfaat terdekatnya bukan janji lonjakan performa, melainkan berkurangnya kerepotan lintas platform. Selama ini, pengembang harus menyesuaikan aplikasi agar dapat memakai kemampuan prosesor tertentu; jalur oneDNN yang lebih terpadu berpotensi mengurangi pekerjaan tersebut saat aplikasi dijalankan di komputer berbasis CPU AMD maupun Intel. Waktu yang dihemat dapat digunakan untuk membuat dan merawat aplikasi, bukan mengelola sebanyak mungkin cabang kode dan konfigurasi khusus perangkat keras. Ini penting bagi tim yang perlu menguji perangkat lunak pada beragam sistem x86. Meski demikian, hasil tetap bergantung pada jenis aplikasi dan penerapan optimalisasinya. PyTorch prosesor x86 menjadi lebih mudah dituju melalui pustaka yang sama, tetapi pengembang tetap perlu menguji kinerja dan kompatibilitas pada beban kerja mereka. Kolaborasi ini menyederhanakan pekerjaan; ia tidak menghapus kebutuhan evaluasi teknis.
ACE menjanjikan langkah berikutnya
AMD dan Intel juga mengembangkan AI Compute Extensions (ACE), teknologi yang dirancang untuk mempercepat komputasi AI pada prosesor x86, terutama operasi perkalian matriks yang banyak dipakai dalam pemrosesan model. Rencananya, ACE akan diintegrasikan ke PyTorch melalui pembaruan oneDNN. Namun, teknologi tersebut masih dalam pengembangan, sehingga klaim manfaat performanya perlu menunggu penerapan dan pengujian pada sistem yang mendukungnya. Pengembang sebaiknya melihat ACE sebagai arah lanjutan, bukan peningkatan yang sudah dapat diasumsikan tersedia di semua komputer. AMD juga bergabung dengan UXL Foundation sebagai anggota Komite Pengarah, sejalan dengan dorongan untuk mengembangkan teknologi terbuka. Jika dukungan perangkat lunaknya matang, kombinasi jalur optimasi bersama dan ekstensi baru dapat memperkuat pilihan menjalankan AI di CPU. Untuk saat ini, nilai yang paling nyata tetap penyederhanaan ekosistem.
Penyederhanaan lebih penting daripada janji kecepatan
Kerja sama AMD dan Intel patut dinilai sebagai langkah pragmatis: dua pesaing menyatukan sebagian pekerjaan perangkat lunak agar aplikasi AI lebih mudah berjalan di CPU x86. Bagi pengembang, satu pustaka yang menampung optimalisasi dari kedua pihak dapat mengurangi waktu untuk menyesuaikan dan merawat aplikasi pada komputer dengan prosesor berbeda. Itu manfaat yang masuk akal, terutama karena AI tidak selalu dijalankan pada perangkat dengan akselerator khusus. Tetapi kecepatan nyata belum dapat dipastikan hanya dari pengumuman integrasi ZenDNN atau rencana ACE; hasilnya harus dibuktikan lewat penerapan dan pengujian. Kesimpulannya, kolaborasi ini belum menjanjikan kemenangan performa instan, tetapi berpotensi mengurangi hambatan pengembangan. Jika pembaruan oneDNN dan dukungan PyTorch terlaksana dengan baik, optimasi AI CPU akan lebih mudah diakses tanpa memaksa pengembang memilih satu merek prosesor.
