Intel y AMD unifican IA en x86 con ACE: instrucciones eficientes para matrices

¿Qué ha ocurrido?

Intel y AMD, en una colaboración inédita, han presentado las Advanced Compute Extensions (ACE), un nuevo conjunto de instrucciones x86 orientado a inteligencia artificial. Según Tom's Hardware, ACE introduce una nueva familia de instrucciones que permiten realizar multiplicaciones de matrices de forma más eficiente en términos de potencia y densidad de área. Esto significa que las CPUs x86 podrán manejar cargas de trabajo de IA, como inferencia de modelos pequeños o preprocesamiento, sin depender exclusivamente de GPUs o aceleradores dedicados. La especificación ACE se centra en operaciones de matriz (matmul) de precisión mixta (INT8, BF16, FP16), lo que permite un rendimiento hasta 2-3 veces superior en tareas de inferencia ligera en comparación con AVX-512, según las estimaciones iniciales. La colaboración entre ambos gigantes, históricamente rivales, subraya la urgencia de estandarizar la aceleración de IA en el ecosistema x86.

¿Por qué es importante?

Históricamente, la aceleración de IA en CPUs se ha limitado a extensiones como AVX-512 (Intel) o AMX (Intel, con soporte limitado en AMD). Sin embargo, estas no estaban unificadas: AVX-512 no es compatible con AMD (excepto en algunos modelos recientes con implementación parcial), y AMX solo está presente en Intel Sapphire Rapids en adelante. ACE estandariza un conjunto común de instrucciones para Intel y AMD, lo que simplifica el desarrollo de software y optimiza el rendimiento en una amplia gama de dispositivos, desde portátiles hasta centros de datos. Además, al centrarse en operaciones de matriz (matmul), ACE aborda directamente el núcleo de las cargas de trabajo de deep learning, ofreciendo mejoras de rendimiento sin necesidad de hardware adicional. Para los desarrolladores, esto significa que podrán escribir código optimizado que funcione de manera predecible en ambas plataformas, reduciendo la fragmentación del software. Según Tom's Hardware, ACE también introduce instrucciones para conversión de formato de datos y operaciones de reducción, facilitando la integración con frameworks como TensorFlow y PyTorch.

Consecuencias para el mercado

• Reducción de costes: Las empresas podrán ejecutar inferencia de IA en CPUs existentes, ahorrando en GPUs, cuyo costo y disponibilidad han sido problemas recurrentes. Por ejemplo, en servidores de edge computing, donde las GPUs son caras y consumen mucha energía, ACE permitirá procesar modelos de IA ligeros directamente en la CPU.
• Mayor competencia: ARM y RISC-V también están desarrollando extensiones similares (SVE/SVE2 y extensiones vectoriales, respectivamente), pero la base instalada de x86 asegura un impacto inmediato. Sin embargo, si ACE no logra una adopción rápida, ARM podría capturar cuota en el segmento de servidores de IA ligera.
• Eficiencia energética: ACE promete reducir el consumo en cargas de IA, crucial para centros de datos y dispositivos edge. Según estimaciones de Intel, las instrucciones ACE pueden lograr una eficiencia energética hasta 1.5 veces mayor que AMX en tareas de inferencia con precisión INT8.
• Impacto en startups: Las startups que desarrollan hardware de IA especializado (como Groq o Cerebras) podrían ver presión, ya que las CPUs x86 con ACE ofrecen una alternativa más accesible y ya integrada en los sistemas existentes.

¿Qué deben saber los lectores?

Las extensiones ACE llegarán en futuros procesadores Intel (probablemente Arrow Lake y sucesores) y AMD (Zen 5 y posteriores). No serán retrocompatibles con CPUs antiguas, por lo que los desarrolladores deberán compilar código específico para ACE. Se espera que el ecosistema de software (compiladores, frameworks como TensorFlow y PyTorch) adopte ACE rápidamente, dado que tanto Intel como AMD contribuirán a LLVM y GCC. Para los desarrolladores, ACE simplifica la optimización de código de IA en x86, ya que ahora existe un conjunto de instrucciones común que evita bifurcaciones por fabricante. Los usuarios finales notarán mejoras en aplicaciones cotidianas que usan IA, como asistentes de voz, reconocimiento de imágenes o edición de fotos, especialmente en portátiles sin GPU dedicada. Sin embargo, para tareas de entrenamiento de modelos grandes, las GPUs y aceleradores seguirán siendo necesarios.

"ACE marca el inicio de una era donde las CPUs x86 pueden competir con GPUs en eficiencia para ciertas tareas de IA", señala el análisis de Tom's Hardware. No obstante, la adopción real dependerá de la velocidad con que los frameworks de IA integren soporte y de la disponibilidad de hardware en 2025-2026.

Contexto histórico

La colaboración Intel-AMD es rara, pero necesaria para mantener la relevancia de x86 frente a ARM (con sus extensiones SVE/SVE2) y RISC-V (con extensiones vectoriales). La última vez que ambas compañías trabajaron juntas en una especificación x86 fue en 2017 con la plataforma de conectividad USB-C. En aquel entonces, el objetivo era estandarizar la conectividad; ahora, es la IA. Este movimiento refleja la presión competitiva: ARM ya cuenta con extensiones de matriz (SME) en sus últimos diseños, y RISC-V avanza con extensiones vectoriales que permiten aceleración de IA. Además, el mercado de servidores ha visto un crecimiento de aceleradores personalizados (TPU de Google, Inferentia de AWS), lo que amenaza el dominio de x86 en centros de datos. Con ACE, Intel y AMD buscan asegurar que el ecosistema x86 siga siendo relevante para cargas de trabajo de IA, protegiendo su base instalada de servidores y clientes. Según analistas, la estandarización también podría facilitar la adopción de x86 en nuevos mercados, como automoción (conducción autónoma) y dispositivos IoT, donde la eficiencia energética es clave.