JAKARTA - Intel dan AMD secara resmi telah meluncurkan spesifikasi lengkap dari Advanced Computing Extensions (ACE). Standar baru untuk prosesor x86 ini sengaja dirancang agar mampu mengeksekusi beban kerja kecerdasan buatan (artificial intelligence/AI) secara lebih efisien.
Selama ini, aktivitas pemrosesan AI selalu diidentikkan dengan pemanfaatan chip grafis (GPU). Kendati demikian, tidak seluruh tugas AI ideal untuk dieksekusi pada GPU.
Pemrosesan menggunakan CPU dipandang lebih efisien untuk model AI yang berukuran kecil atau aplikasi tunggal yang memerlukan respons cepat, lantaran tidak perlu memindahkan data secara bolak-balik antara CPU dan GPU.
Di samping itu, banyak pula perangkat yang belum dibekali GPU khusus atau sekadar bertumpu pada GPU terintegrasi dengan kemampuan yang terbatas.
Kehadiran ACE menjadi standar teknis baru yang mendayagunakan register AVX10 bawaan prosesor x86, namun dengan menambahkan komponen silikon khusus demi kebutuhan operasi perkalian matriks (matrix multiplication). Proses komputasi tersebut merupakan fondasi utama bagi hampir seluruh model AI modern saat ini.
Berdasarkan spesifikasi yang dikeluarkan oleh Intel dan AMD, ACE memfasilitasi CPU untuk mengeksekusi operasi matriks secara lebih efisien ketimbang metode terdahulu yang bertumpu pada instruksi AVX10. Perkalian matriks sendiri merupakan proses inti dalam beraneka ragam model AI, mulai dari chatbot, sistem rekomendasi, hingga aplikasi visi komputer.
Pada awalnya, operasi tersebut memang bisa dijalankan pada CPU lewat instruksi AVX10. Akan tetapi, cara itu dinilai kurang optimal karena lini AVX dari awal tidak dirancang secara khusus untuk pemrosesan matriks dua dimensi yang lazim dipakai dalam AI.
Berkat ACE, volume operasi yang bisa dieksekusi untuk jumlah vektor input yang sama diklaim mampu melonjak hingga 16 kali lipat jika dibandingkan dengan AVX10.
Walau demikian, lonjakan jumlah operasi tersebut tidak serta-merta mengindikasikan bahwa performa akan meningkat 16 kali lebih cepat. Kecepatan final nantinya tetap bergantung pada implementasi dari masing-masing produsen chip.
Meski begitu, ACE dinyatakan mampu memangkas jumlah instruksi yang mesti dijalankan oleh CPU, sehingga konsumsi daya menjadi lebih hemat dan pemanfaatan bandwidth memori berjalan lebih efisien.
Di samping mendongkrak efisiensi, ACE turut dirancang sebagai standar yang memiliki sifat lintas implementasi.
Hal ini mengindikasikan bahwa para pengembang framework AI seperti PyTorch dan TensorFlow ke depannya hanya perlu menyusun satu jalur kode untuk aneka prosesor x86 yang sudah mendukung ACE, tanpa harus melakukan penyesuaian optimasi pada tiap jenis prosesor atau level dukungan AVX yang berlainan.
Standar anyar ini pun sudah mendukung bermacam format data yang lumrah dipakai dalam machine learning, meliputi INT8, INT32, FP8, FP16, FP32, hingga BF16. ACE bahkan telah mendukung format MX block-scaled kepunyaan Open Compute Project secara native, sebuah kapabilitas yang sebelumnya absen pada AVX10.
Intel dan AMD menganggap strategi ini mampu memudahkan para pengembang dalam mengeksekusi model AI di CPU, sekaligus menekan ketergantungan pada perangkat keras khusus layaknya NPU (Neural Processing Unit) untuk beberapa tipe beban kerja yang memerlukan respons cepat.
Lewat peluncuran spesifikasi ACE ini, Intel dan AMD membuka jalan bagi generasi prosesor x86 masa depan agar lebih siap dalam mengatasi tuntutan komputasi AI yang terus berkembang.
Teknologi ini sekaligus menjadi indikator bahwa persaingan di sektor AI tidak lagi cuma bergulir di ranah GPU, melainkan sudah mulai merambah ke CPU yang selama ini menjadi pilar utama komputasi modern.
