AMD dan Intel mulai mendorong peran baru CPU di era kecerdasan buatan lewat spesifikasi Advanced Compute Extensions, atau ACE. Langkah ini menarik perhatian karena selama ini pembicaraan soal perangkat keras AI nyaris selalu berpusat pada GPU, terutama di bawah dominasi Nvidia.
ACE tidak diarahkan untuk merebut peran GPU pada pelatihan AI skala besar. Fokusnya justru ada pada model AI yang lebih kecil, beban kerja yang sensitif terhadap latensi, serta sistem yang tidak memiliki GPU atau tidak membutuhkan overhead pemakaian GPU.
Perubahan arah ini muncul dari masalah yang selama ini kerap luput dari sorotan. Saat data harus bolak-balik antara CPU dan GPU, ada biaya kinerja yang harus dibayar, dan pada beberapa skenario hal itu bisa berubah menjadi bottleneck.
Beban kerja yang menuntut respons cepat sangat terdampak oleh proses transfer data tersebut. Pada perangkat keras yang terbatas, menjaga komputasi tetap berada di CPU dinilai bisa menghindari hambatan itu sepenuhnya.
CPU Ingin Rebut Porsi AI yang Selama Ini Terpinggirkan
ACE pada dasarnya menawarkan cara baru agar operasi AI berjalan lebih efisien di prosesor x86. Ini menjadi sinyal bahwa AMD dan Intel melihat masih ada ruang besar bagi CPU di tengah ledakan komputasi AI.
Pendekatan ini tidak mencoba melawan GPU di semua lini. Sebaliknya, ACE dibangun untuk mengambil porsi beban kerja AI yang selama ini kurang cocok dijalankan di akselerator besar.
Di tingkat teknis, ACE berfokus pada perkalian matriks. Area ini penting karena menjadi inti dari sebagian besar operasi AI modern.
CPU sebenarnya sudah lama mampu menangani matematika semacam itu melalui instruksi AVX. Namun, efisiensinya terbatas karena AVX sejak awal tidak dirancang khusus untuk menangani beban kerja matriks yang berat.
ACE mempertahankan struktur register AVX10 yang sudah ada dengan input 512-bit. Pada saat yang sama, spesifikasi ini menambahkan hardware khusus untuk operasi matriks agar eksekusinya lebih efisien.
Pendekatan itu penting bagi ekosistem pengembangan perangkat lunak. Pengembang tidak dipaksa mengubah format data secara menyeluruh karena ACE tetap memakai struktur yang sudah familier.
Janji Efisiensi dan Dampaknya di Dunia Nyata
Salah satu klaim teknis utama dari ACE adalah kemampuan menjalankan operasi hingga 16 kali lebih banyak dibandingkan AVX10 untuk rangkaian vektor input tertentu. Angka itu tidak berarti aplikasi otomatis berjalan 16 kali lebih cepat, tetapi menunjukkan lompatan efisiensi di level instruksi.
Efisiensi instruksi tersebut punya dampak langsung pada konsumsi daya. Selain lebih hemat energi, ACE juga disebut bisa mengurangi tekanan pada bandwidth memori.
Kombinasi itu membuat pendekatan ini relevan untuk komputasi edge. Skenario aplikasi pengguna tunggal juga dinilai cocok karena tidak selalu membutuhkan arsitektur GPU yang lebih kompleks.
Dalam konteks AI yang makin menyebar ke perangkat dan layanan dengan respons real-time, isu latensi menjadi sangat penting. Di sinilah CPU yang diperkuat ACE mencoba menawarkan nilai tambah yang berbeda dari GPU.
Daya Tarik untuk Pengembang
Bagi pengembang, salah satu nilai jual ACE ada pada konsistensi. Spesifikasi ini dirancang agar tidak terikat pada satu implementasi tertentu, sehingga dukungannya diharapkan lebih seragam pada ekosistem x86.
Keuntungan itu bisa terasa pada penggunaan framework populer seperti PyTorch dan TensorFlow. Pengembang tidak perlu terus-menerus menyesuaikan kode dengan variasi dukungan AVX yang berbeda-beda.
Aspek ini bisa menjadi faktor penting di luar angka kinerja mentah. Dalam praktiknya, kemudahan integrasi dan konsistensi platform sering kali menentukan seberapa cepat teknologi baru diadopsi.
Jika beban kerja AI tertentu bisa tetap dijalankan di CPU dengan performa yang memadai, pengembang juga mendapatkan jalur implementasi yang lebih sederhana. Mereka tidak harus selalu memindahkan tugas ke akselerator lain hanya demi mengejar percepatan.
Sekaligus Menyorot Dilema NPU
Kemunculan ACE juga menegaskan problem lain di pasar AI, yakni NPU yang semakin banyak hadir tetapi belum memiliki standar yang rapi. Memindahkan beban kerja ke NPU bisa memunculkan komplikasi baru tergantung perangkat keras yang digunakan.
Dalam kondisi seperti itu, CPU dengan kemampuan AI yang lebih matang dapat menjadi opsi yang lebih praktis. ACE pada dasarnya menawarkan jalan tengah untuk menjaga tugas tertentu tetap berjalan di CPU demi kecepatan dan kemudahan.
Posisi ini membuat ACE menarik bukan hanya sebagai peningkatan teknis, tetapi juga sebagai strategi ekosistem. AMD dan Intel tampaknya ingin memastikan CPU x86 tetap relevan ketika AI semakin masuk ke berbagai kelas perangkat.
GPU masih memegang status sebagai penguasa pelatihan AI skala masif. Namun, dorongan baru pada CPU lewat ACE menunjukkan bahwa persaingan di ranah AI tidak lagi hanya soal siapa paling kuat, melainkan juga siapa paling efisien untuk beban kerja yang tepat.
Bagi pasar, pesan utamanya cukup jelas. Evolusi CPU belum berhenti, dan pada irisan tertentu dari komputasi AI, AMD serta Intel kini mencoba menantang dominasi pendekatan yang selama ini terlalu bergantung pada GPU.