芯片领域的两大巨头英特尔（Intel）与AMD罕见地深入合作，联合发布了备受关注的“人工智能计算扩展”（AI Compute Extensions，简称ACE）架构白皮书。这一行动标志着x86阵营在面对AI时代的全新挑战时，采取了“团结一致”的策略。ACE架构作为x86指令集的重要扩展，通过引入全新的矩阵加速机制，实现了矩阵计算密度高达16倍的显著提升，为x86生态在AI时代的持续发展注入了强大动力。
突破算力瓶颈，计算密度实现量级跨越
在当前人工智能的发展浪潮中，矩阵乘法已成为神经网络和大语言模型（LLM）运算的核心部分。然而，传统的AVX10等单指令多数据流（SIMD）扩展在处理这类计算时，逐渐暴露出在计算密度和扩展性上的不足。ACE架构应运而生，旨在突破这些限制。
ACE 引入了基于外积运算（outer product operation）的全新矩阵加速机制，并无缝集成了 AVX10 指令集。根据官方白皮书的数据显示，在消耗相同数量输入向量的前提下，ACE 外积运算的计算密度比等效的 AVX10 乘加运算高出整整 16 倍。这意味着在运行同样的 AI 模型时，未来的 x86 处理器将能以极高的能效比和算力效率完成任务，实现了性能的量级跨越。
统一生态标准，全面覆盖 AI 主流格式 此次合作不仅是一次技术上的升级，更是 x86 生态系统的一次重要统一。早在 2024 年 10 月，英特尔与 AMD 就联合成立了 x86 生态系统咨询小组（EAG），旨在推动架构的标准化。ACE 正是该小组推出的四大核心技术特性之一。
在技术细节上，ACE 展现了极强的兼容性与前瞻性。它原生支持 INT8、OCP FP8、OCP MXFP8、OCP MXINT8 以及 BF16 等当前 AI 领域最主流的低精度数据格式。其设计兼顾了灵活性与扩展性，旨在构建一套能够覆盖从笔记本电脑、工作站到超级计算机的全场景矩阵加速框架。这种跨平台的统一架构，相比将 AI 计算单纯卸载到专用硬件的方案，能大幅降低开发者的适配门槛与开发成本。
软硬协同发力，夯实 x86 未来根基 为了让 ACE 架构快速落地，软件生态的适配工作也在全面推进。目前，ACE 已启动对 NumPy、SciPy 等主流 Python 科学计算库，以及 PyTorch、TensorFlow 等行业标准机器学习框架的集成适配工作。
