據Tom's hardware報道，處理器大廠英特爾與AMD于當地時間6月20日公布x86構架下的ACE（AI Compute Extensions）規范，為CPU端的AI與機器學習運算建立更統一的技術基礎。

報道稱，這份由英特爾與AMD共同公布的的規范，重點鎖定矩陣乘法與低精度數據格式處理，目標是在不完全依賴GPU的情況下，讓x86處理器更有效率地執行AI工作負載。

ACE的設計是在既有AVX10向量架構上，加入專門用于矩陣乘法的硬件單元及相關數據搬移、處理機制，使矩陣運算不再僅依賴通用向量指令‘繞路’完成。相比傳統做法，ACE能以更貼近矩陣數據流的方式處理乘加運算；在相同輸入向量數量下，ACE在理論上可比AVX10提供多達16倍的運算量（但實際加速效果仍取決于各廠商的具體硬件實現），同時降低指令開銷與內存帶寬壓力。

這項規范也著眼于軟件生態的統一性。由于ACE被設計為與硬件實現無關，PyTorch、TensorFlow等框架有望用更一致的程序路徑來支持不同的x86平臺，而無需再針對各家CPU不同的AVX指令集支持程度，分別維護多套實現代碼。ACE原生支持多種機器學習常用的數據型態（包括INT8、INT32、FP8、FP16、FP32、BF16），并原生支持Open Compute Project的MX內存塊縮放（block-scaled）格式。開發者也能在部分需要即時反應的AI工作中，將原本常交由NPU處理的工作復原至CPU上執行，進而受益于x86上更一致的目標指令集。

隨著ACE規范與相關產品逐步成熟，x86平臺在AI PC與服務器上的角色，可能不再只是配置運算，而是開始提供更具一致性的CPU端AI加速能力。