AMD und Intel bündeln PyTorch-Optimierung: Ein gemeinsamer Weg für x86-KI
AMD und Intel wollen KI-Software auf x86-Prozessoren einfacher und einheitlicher beschleunigen. Die beiden Konkurrenten haben am 20. Oktober 2026 angekündigt, ihre Optimierungen für das populäre Machine-Learning-Framework PyTorch stärker in der freien Bibliothek oneDNN zu bündeln. AMD integriert dazu Bestandteile seiner ZenDNN-Technik. Ziel ist eine gemeinsame Softwarebasis statt unterschiedlicher Optimierungswege für beide CPU-Hersteller.
Warum Entwickler überhaupt eigene CPU-Pfade brauchen
PyTorch wird zum Trainieren und Ausführen vieler KI-Modelle eingesetzt. Rechenoperationen wie Matrixmultiplikationen und Faltungen profitieren stark von Prozessorbefehlen und optimierten Bibliotheken. Bisher mussten Entwickler bei AMD- und Intel-CPUs oft unterschiedliche Optimierungen berücksichtigen oder mehrere Laufzeitumgebungen testen.
Die Zusammenarbeit soll diese Fragmentierung reduzieren. oneDNN ist eine quelloffene Bibliothek für leistungsfähige Deep-Learning-Operationen. Sie wird im Rahmen der Unified Acceleration Foundation (UXL) weiterentwickelt. Wenn mehr CPU-Optimierungen darüber bereitstehen, sinkt der Aufwand für Anwendungen, die auf unterschiedlichen x86-Rechnern laufen sollen.
Was sich konkret ändert
AMD bringt laut gemeinsamer Bekanntgabe Optimierungen aus ZenDNN in oneDNN ein. Gleichzeitig soll oneDNN als bevorzugte offene Bibliothek für x86-CPU-Beschleunigung in PyTorch dienen. AMD ist zudem der UXL Foundation als Steering Member beigetreten.
Ein weiterer Schwerpunkt sind künftige AI Compute Extensions für die x86-Befehlssatzarchitektur. Solche Erweiterungen sollen vor allem Matrixrechnungen effizienter machen. Daraus darf man aber nicht schließen, dass ältere CPUs durch ein heutiges Update plötzlich neue Prozessorbefehle erhalten.
Was Anwender davon merken könnten
Für Entwickler von Anwendungen, die kleinere oder spezialisierte KI-Modelle auf der CPU ausführen, könnte eine einheitliche Bibliothek Installationsaufwand und Pflege vereinfachen. Das betrifft beispielsweise lokale Inferenz, klassische Bildverarbeitung oder Server, die Modelle nicht ausschließlich auf GPUs ausführen.
Eine automatische Beschleunigung jeder Chatbot-Anwendung oder jedes Windows-PCs ist damit nicht versprochen. Entscheidend bleiben die konkret verwendete PyTorch-Version, die CPU-Architektur und die von Entwicklern ausgewählten mathematischen Operationen. Belastbare Leistungsgewinne müssen in passenden Benchmarks überprüft werden.
Warum AMD und Intel hier kooperieren
Im x86-Markt konkurrieren beide Hersteller hart um Prozessorleistung. Bei Softwarestandards haben sie dennoch ein gemeinsames Interesse: Wenn KI-Entwickler ihre Anwendungen leichter auf x86-Hardware betreiben können, stärkt das beide Plattformen gegenüber alternativen Architekturen und proprietären Software-Ökosystemen.
Die Kooperation ist deshalb vor allem eine Infrastruktur-Nachricht für Entwickler und Rechenzentren. Für Privatnutzer ist sie langfristig interessant, weil lokale KI erst dann alltagstauglich wird, wenn Hard- und Software ohne aufwendige Spezialanpassungen zusammenarbeiten.
Quellen: Intel Newsroom, 20. Oktober 2026 · AMD Newsroom.
