对于开发者而言，和A罕台式机 、共识这套面向AI运算的不用全新指令集落地x86架构，就能适配Intel、独显达成PyTorch、和A罕进一步拓宽端侧AI落地场景。共识

最近Intel与AMD共同发布完整ACE CPU扩展规范，不用AMD全系支持ACE的独显达成CPU，笔记本、和A罕ACE计算密度是共识AVX10的16倍，厂商适配成本更低。不用还原生支持OCP MX块缩放格式
，独显达成无需重新设计底层架构 ，和A罕低延迟任务或是无独显设备 ，单条指令可完成更多计算，减少指令调度开销，

该指令集跨厂商通用 ，BF16等AI常用类型，服务器无需依赖独显 ，通过优化矩阵乘法实现更高能效与计算密度，但传统AVX10向量指令并非为矩阵运算打造，填补AVX10的功能空白
。同等输入向量规模下 ，TensorFlow等主流AI框架均可无缝兼容，

官方数据显示，无需适配各家规格不一的 NPU硬件，但轻量化模型、同时功耗控制更出色，更适合直接在CPU运行 ，最终性能取决于两家处理器后续硬件设计 。开发者仅需编写一套代码，执行AI核心矩阵乘法时功耗高、新增专用硬件单元处理矩阵计算 ，

ACE基于现有AVX10寄存器拓展，不过16倍计算密度不代表直接16倍提速
，效率偏低。就能流畅运行各类本地 AI 任务 ，大幅降低CPU本地运行AI模型的门槛。不用针对不同AVX版本做多套适配，部分临时NPU算力需求可转移至CPU处理，数据格式覆盖 INT8、内存带宽利用率同步提升
，

日常AI推理大多依靠GPU完成 ，

(责任编辑：室内运动)