Intel、AMD联手，中国硬件企业的机会不只在卖机器

OBSERVATION

一台AI设备交到客户手里，什么时候才算完成交付？

是通电开机、模型启动，还是客户的业务能够稳定运行？

这个区别，关系到中国硬件企业能在AI市场中获得多少价值。

图源：网络素材

10月20日，英特尔与AMD公布合作计划，将双方针对PyTorch的x86 CPU优化整合进oneDNN，减少软件碎片化，简化应用开发、维护和部署。

两家处理器厂商没有停止竞争，却开始共同降低开发者使用x86运行AI的复杂度。

芯片性能之外，应用适配的难易程度，也在影响硬件的市场空间。

01

为什么两家对手，要减少同一种麻烦？

PyTorch是广泛使用的AI开发框架。模型运行时，需要底层计算库配合，才能有效利用处理器。

根据公告，英特尔与AMD选择oneDNN作为PyTorch内x86加速的默认开源库。AMD正将ZenDNN优化整合进去，并加入管理相关项目的UXL基金会指导委员会。

开发团队由此有望通过更一致的入口获取CPU优化，减少分别维护软件路径的工作。

这项合作针对PyTorch中的x86 CPU，不代表GPU、NPU或所有AI软件已经统一，也不保证不同处理器取得相同性能。

但它处理的问题很实际：

一项应用面对多个硬件平台，能不能少做一些重复开发，少承担一些维护成本？

图源：AI概念图，非实际芯片或产品照片

软件投入会影响产品定价、上市周期和长期支持。当适配成本过高，硬件即使参数出色，也可能被项目排除。

因此，这次合作的新闻价值，不只是“老对手联手”，更在于双方开始共同降低客户采用x86 AI方案的障碍。

02

CPU的机会，要从实际任务里找

CPU推理并非停留在设想中。

联想是x86生态系统顾问小组的创始成员。今年7月，其技术文档披露了在至强6服务器上，使用原生PyTorch、TorchInductor与oneDNN运行Phi-3 Mini小语言模型的测试，无需专用GPU平台。

新华三也已联合英特尔推出基于至强6的UniServer R6900 G7纯CPU训推方案，面向企业模型部署、智能问答和知识库等场景。

这些实践早于此次合作，不能归为整合成果。它们说明，CPU承担特定模型任务，已经有产品和测试依据。

企业需要比较的，是完成同一项工作，各种配置分别要付出什么成本。

模型规模、输入长度、并发和响应要求不同，配置选择也会不同。联想的测试就显示，输入与并发增加，会影响响应表现。

这给硬件企业提出了一项要求：不能只告诉客户“支持大模型”，还要明确支持什么模型、多少用户、怎样的使用体验。

03

软件趋于统一，厂商为什么可能受益？

中国研发制造企业往往同时服务多个客户，提供不同平台、不同配置的产品。

中国长城的服务器产品包括英特尔至强平台的GI7280 V5，以及AMD EPYC平台的GA7280 V5；华勤也提供基于AMD Genoa、Turin平台研发的服务器。

产品选择越丰富，软件验证和后续维护的组合也越多。

如果每换一种配置，都要重新投入大量适配工作，多平台优势也会带来交付负担。

对于采用PyTorch CPU路径的应用，oneDNN优化整合提供了一种改善可能：部分软件基础和工程经验更容易共享，再针对具体硬件验证。

收益不会自动出现。厂商仍需确认算子、版本和性能，但重复工作减少后，才更有条件把一套应用扩展到更多产品。

对ODM/OEM企业而言，方案能否复用，关系到一笔项目能不能发展成一类产品。

这比单纯增加一款机型，更接近持续增长所需要的能力。

图源：AI概念图，非实际芯片或产品照片

04

整机之外的收入，凭什么获得？

部分中国企业已经在尝试把交付范围向应用延伸。

六联智能推出EAM Agent Cube企业智能体一体机，将计算硬件与企业智能体平台结合，并通过FDE体系推进场景适配。

智微智能推出基于英特尔至强W平台的工作站及DeepSeek推理方案，同时提供系统整合、算法移植和兼容性测试等服务。

这些案例不代表企业已经采用此次oneDNN整合成果，却体现出客户需求正在延伸：设备之外，还需要软件环境、应用验证和维护支持。

客户愿意为这些工作付费，前提是它们能够减少部署时间、降低故障风险，或改善使用成本。

因此，厂商要建立的能力也更具体：围绕真实任务测试配置，明确性能边界，记录部署过程，并在软件更新后持续验证。

如果只是把开源模型预装进设备，客户很容易比较硬件报价；如果能够提供经过验证的行业方案，比较的内容就会增加部署效率、服务质量与长期支持。

整机之外的价值，由这些可检查的结果支撑。

05

竞争会更集中在“谁能交付好”

共同的软件基础，也可能带来更直接的竞争。

当同一类应用更容易在不同x86平台部署，客户就更方便比较配置、价格与服务。硬件厂商既获得拓展产品的条件，也要面对更清晰的横向比较。

软件适配门槛降低，不会让每家企业都更赚钱，却会让交付能力的差异更明显。

图源：AI概念图

英特尔与AMD还计划通过后续oneDNN更新，将AI Compute Extensions相关支持引入PyTorch。这属于未来规划；公告尚未提供统一的性能收益或完整交付时间表。

中国硬件企业需要跟踪的，是哪些版本、哪些模型、哪些设备能够形成实际改善，并把这些改善写进产品方案和交付承诺。

此次合作释放的产业信号已经清楚：芯片厂商正在共同完善软件基础，设备厂商需要把这层基础转化为应用结果。

机器决定一笔订单的起点。适配、验证和持续服务，决定厂商能参与客户业务多深、合作多久。

这也是中国硬件企业值得争取的机会。

你认为，AI设备客户最愿意付费的是更强的配置，还是经过验证、拿来能用的方案？

欢迎评论区一起聊聊

版权声明：【本公众号尊重原创。所使用的文字、图片素材版权均归原作者所有。若文章内容不慎侵犯了您的权益，请您与我们联系，我们将第一时间进行处理。感谢您的理解与支持。】

求喜欢

AI时代已来啦！

你还没关注“产业数字化时代” ？

快快关注

产业最新动向

即刻获取