En un movimiento que marca un hito en la industria del hardware, Intel y AMD han presentado ACE (AI Compute Extensions), un conjunto de instrucciones matriciales desarrollado conjuntamente como parte del x86 Ecosystem Advisory Group (EAG). Esta colaboración, que busca unificar las cargas de trabajo de inteligencia artificial en las CPU x86, promete mejorar la eficiencia energética y la compatibilidad del software, permitiendo que las aplicaciones se ejecuten sin fricciones en ambas plataformas.

¿Qué es ACE y por qué es relevante?

ACE es un conjunto de instrucciones diseñado para acelerar operaciones de multiplicación matricial, una operación matemática fundamental en IA que permite a las redes neuronales transformar entradas en salidas durante el entrenamiento y la inferencia. A diferencia de las extensiones SIMD tradicionales como AVX (Advanced Vector Extensions), que ya están presentes en los procesadores Intel y AMD, ACE ofrece un rendimiento significativamente superior en este tipo de cargas, acercándose al de las GPU sin reemplazarlas por completo.

Según Jim McGregor, analista principal de TIRIAS Research, “la CPU nunca será más eficiente que la GPU o un acelerador de IA. Sin embargo, permite descargar determinadas cargas de trabajo de IA a la CPU y/o utilizarla en aplicaciones que quizá no dispongan de GPU o aceleradores dedicados, como en entornos embebidos o de edge computing”. Esto posiciona a ACE como una herramienta clave para escenarios donde la GPU no está disponible o es demasiado costosa.

El contexto estratégico: la alianza x86 frente a ARM

La creación del x86 Ecosystem Advisory Group en 2024 respondió a la creciente competitividad de la arquitectura ARM en los mercados de escritorio y servidores. ARM, con su eficiencia energética y licencias flexibles, ha ganado terreno en centros de datos y dispositivos móviles, presionando al ecosistema x86. La colaboración entre Intel y AMD busca reducir la fragmentación y las incompatibilidades entre sus implementaciones, facilitando que las aplicaciones se ejecuten en cualquiera de las dos plataformas sin recompilación ni modificaciones.

Esta unificación es especialmente relevante en el contexto de la virtualización de servidores, donde la compatibilidad entre plataformas puede simplificar la gestión de infraestructuras heterogéneas. Además, la mejora en el rendimiento de IA en CPU abre nuevas posibilidades para la ciberseguridad proactiva, donde los modelos de IA pueden ejecutarse localmente sin depender de aceleradores externos.

Impacto en el rendimiento y la eficiencia

ACE no sustituye a AVX, sino que se suma como una extensión adicional del conjunto de instrucciones. Esto permite que las aplicaciones existentes sigan funcionando sin cambios, mientras que las nuevas pueden aprovechar ACE para obtener mejoras significativas en operaciones matriciales. La multiplicación matricial es el núcleo de los algoritmos de deep learning, y su aceleración en CPU puede reducir la latencia en inferencia y optimizar el consumo energético en entornos de edge computing.

Para las empresas que implementan VPNs seguras y firewalls, la capacidad de ejecutar cargas de IA en la CPU puede mejorar la detección de amenazas en tiempo real sin necesidad de hardware adicional. Asimismo, en el ámbito de la virtualización con Proxmox, la compatibilidad de ACE entre Intel y AMD simplifica la migración de máquinas virtuales entre nodos de diferentes fabricantes.

Perspectivas futuras y desafíos

Aunque ACE representa un avance significativo, los cambios en el conjunto de instrucciones suelen tardar una o dos generaciones en reflejarse en los productos comerciales. Intel y AMD no han anunciado aún procesadores específicos con soporte ACE, ni han proporcionado fechas concretas de lanzamiento. Sin embargo, la colaboración continua entre ambas compañías es una señal positiva para el ecosistema x86, que busca mantener su relevancia frente a la creciente adopción de ARM.

En un contexto donde la ceguera digital europea revela que muchas empresas desconocen los ataques de IA, contar con CPU más capaces de ejecutar modelos de IA localmente puede ser un factor diferencial para la seguridad y la eficiencia operativa.

Fuente original: ComputerWorld. Análisis y adaptación por ForgeNEX.