AI重點
文章重點整理：
- 重點一：Intel與AMD罕見合作，正式釋出106頁ACE指令集規範。
- 重點二：ACE建立於AVX10之上，支援INT8、FP8與BF16等格式。
- 重點三：透過外積運算設計，ACE可將矩陣運算密度提升16倍。
由Intel 與AMD 在今年4月底罕見結盟共組的x86生態諮詢小組，在面對Arm架構持續進逼與AI運算需求爆發的雙重壓力下，持續端出實質的合作成果。繼2026年4月初步公開首波合作白皮書後，該小組於稍早正式釋出多達106頁的完整「ACE指令集規範」 (AI Compute Extensions)，這套專為x86架構CPU量身打造的擴充指令集，將肩負起大幅提升x86處理器原生機器學習與AI矩陣運算能力的重責大任。
奠基於AVX10之上，全面支援主流AI數據格式
ACE的全稱為AI Compute Extensions (人工智慧運算擴充)，意味其為x86生態諮詢小組針對提升x86 CPU在AI機器學習運算效率所制定的底層規範。
從技術架構來看，ACE並非橫空出世的全新標準，而是建立在既有AVX10指令集基礎上的深度擴充。其發展重點明確聚焦在當前AI業界最依賴的原生矩陣乘法 (Matrix Multiplication)上。
為了銜接各大AI模型與框架，ACE規範全面涵蓋當前主流的低精度與浮點數AI數據格式，包含INT8、OCP FP8、OCP MXFP8、OCP MXINT8，以及BF16等，確保x86 CPU在處理各類神經網路推論時能具備最佳的相容性。
導入外積運算架構，運算密度躍升16倍
除了數據格式的廣泛支援，ACE指令集在運算效率上的突破，更是此次規範的核心亮點。
根據規範內容，ACE特別針對AVX10指令集導入基於外積運算設計的矩陣加速機制。傳統的AVX10在處理類似任務時，主要依賴乘積累加 (Multiply-Accumulate, MAC)運算。
而活用外積運算的ACE，在輸入相同向量資源的情況下，將能釋放出比傳統AVX10乘積累加運算高出16倍的運算密度，意味未來的x86 CPU將能在不大幅增加功耗與硬體面積的前提下，極大化地提升AI推論的吞吐量。
終結「指令集碎裂」亂象，x86陣營的絕地反擊
這份多達106頁的ACE規範不僅僅是一份技術文件，更是Intel與AMD面臨生存危機時的「停戰協議與共同防禦條約」。
過去十幾年來，x86生態系最大的痛點之一就是「指令集碎裂化」。Intel推動其AMX與AVX-512指令集，而AMD也有自己的指令集發展路線；軟體開發者為了最佳化AI運算，往往得寫兩套底層程式碼，這種內耗無疑大幅削弱x86平台的開發者體驗。
在這個空窗期，蘋果的Apple Silicon、Qualcomm的Snapdragon X系列等Arm架構處理器，則是挾帶高度整合的NPU (神經處理單元)大舉入侵PC與伺服器市場。
ACE指令集的誕生，象徵Intel與AMD終於認清現實：在AI時代，CPU原生的矩陣運算能力仍然至關重要，加上x86陣營實際上沒有分裂的本錢。
透過統一的ACE規範，未來的軟體開發者只需對準單一標準進行AI最佳化，就能在Intel與AMD的處理器上流暢運行。雖然CPU在處理超大型AI訓練時仍無法取代GPU或獨立 NPU，但在邊緣運算、輕量級推論以及隨時待命的背景AI任務中，具備16倍運算密度提升的ACE指令集，將是x86架構守住PC與資料中心霸主地位的作法。
《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》
精華 FAQ
-
ACE由Intel與AMD領銜的x86生態諮詢小組制定，目的在於提升x86處理器原生AI與機器學習運算效率，並統一軟硬體最佳化方向。
-
ACE是建立在AVX10之上的擴充規範，並支援INT8、OCP FP8、OCP MXFP8、OCP MXINT8與BF16等主流低精度與浮點格式。
-
ACE導入外積運算架構後，可在相同向量資源下達到16倍運算密度，有助提升推論吞吐量，也可減少x86內部指令集碎裂問題。
討論區