最近Intel与AMD共同发布完整ACE CPU扩展规范 ，和A罕新增专用硬件单元处理矩阵计算 ，共识就能适配Intel 、不用
该指令集跨厂商通用 ，独显达成就能流畅运行各类本地 AI 任务 ，和A罕厂商适配成本更低。共识但轻量化模型、不用未来新一代x86处理器将搭载ACE扩展 ，独显达成还原生支持OCP MX块缩放格式 ，和A罕台式机 、共识不用针对不同AVX版本做多套适配 ，不用内存带宽利用率同步提升，独显达成笔记本 、和A罕最终性能取决于两家处理器后续硬件设计。BF16等AI常用类型 ，低延迟任务或是无独显设备 ，开发者仅需编写一套代码 ，单条指令可完成更多计算 ，
ACE基于现有AVX10寄存器拓展 ，数据格式覆盖 INT8 、无需适配各家规格不一的 NPU硬件，无需重新设计底层架构，通过优化矩阵乘法实现更高能效与计算密度 ，进一步拓宽端侧AI落地场景。PyTorch 、填补AVX10的功能空白 。服务器无需依赖独显，执行AI核心矩阵乘法时功耗高、大幅降低CPU本地运行AI模型的门槛。同等输入向量规模下 ，
官方数据显示，同时功耗控制更出色 ，
日常AI推理大多依靠GPU完成 ，但传统AVX10向量指令并非为矩阵运算打造 ，AMD全系支持ACE的CPU，
对于开发者而言，更适合直接在CPU运行，这套面向AI运算的全新指令集落地x86架构 ，减少指令调度开销 ，FP8 、部分临时NPU算力需求可转移至CPU处理 ，不过16倍计算密度不代表直接16倍提速 ，效率偏低 。