AMD 将 ZenDNN 并入 Intel oneDNN，x86 平台 AI 开发无需多版本适配

AMD 正式把 ZenDNN 优化代码并入 Intel oneDNN 开源项目，两大 x86 芯片厂商完成 AI 底层库协同开发，后续开发者在 x86 架构 CPU 上做深度学习开发，不用再分别维护 AMD 与 Intel 两套独立加速库，一套代码就能同时适配两家处理器，大幅减少多平台适配的开发工作量，彻底解决 x86 生态下 AI 软件碎片化的问题。在此之前，Intel Xeon 处理器依靠 oneDNN 获得 AI 算子加速，AMD EPYC 处理器则使用自研 ZenDNN 做算子优化，两套库接口相近但内核独立，开发人员想要同时兼容两种 CPU，必须维护两套加速代码，还要分别编译、调试、做性能验证，云厂商与 AI 开发团队都要投入额外人力做跨平台适配。为打通 x86 全生态的 AI 软件开发链路，AMD 与 Intel 达成技术协作，把 ZenDNN 里针对 Zen 架构的算子内核、多线程调度、缓存优化、量化算子等全部优化内容向上合并到 oneDNN 主线代码库，保留 oneDNN 统一 API，同时保留针对 AMD Zen 处理器的专属性能优化，做到一套底层库同时兼容两家 x86 CPU。整个技术落地分为完整的执行流程，首先 AMD 完成 ZenDNN 算子代码梳理，把矩阵乘法、算子融合、权重缓存、低精度量化等核心优化模块封装成可向上游合并的代码片段；其次将代码提交到 oneDNN 开源主线，由 Intel 与 AMD 工程师共同做代码评审、兼容性测试，保证新代码不会破坏原有 Xeon 平台优化；接着在 PyTorch、TensorFlow、ONNX Runtime 三大主流框架中完成集成适配，自动识别 CPU 型号，自动调用对应优化内核；最后完成全场景基准测试，覆盖大语言模型、推荐系统、计算机视觉等主流 AI 推理任务，保证 AMD 与 Intel 处理器都能拿到硬件最优性能。随着这次代码合并落地，oneDNN 正式成为 x86 CPU 统一的 AI 加速底层库，开发者只需要引入这一个开源库，就能完成跨 AMD、Intel 硬件的部署，不用再反复切换不同版本加速包，大幅降低 x86 服务器 AI 业务的开发与运维成本。

一、两套技术库核心定位清单

1. oneDNN：Intel 主导开发的开源深度学习算子库，原生优化 Xeon 系列 CPU，提供统一标准化 API，是 PyTorch 官方默认 x86 加速组件AMD。
2. ZenDNN：AMD 面向 Zen 架构自研的 AI 推理加速库，基于 oneDNN 二次开发，专门针对 EPYC 多核大缓存特性优化 LLM、推荐模型等负载AMD。
3. 合并方案：AMD 把 ZenDNN 的硬件专属内核全部上游并入 oneDNN 主线，统一接口，保留双平台差异化优化，不再维护独立分支AMD。

二、合并带来的三大技术变化

1. 开发层面：消除多库碎片化

• 取消 AMD、Intel 两套独立加速库，统一使用 oneDNN 单一依赖包。
• 不用针对不同 CPU 编译不同版本二进制文件，一次编译全 x86 平台通用。
• 框架自动硬件识别，程序运行时自动匹配 Zen 或 Xeon 专属优化算子。

2. 性能层面：双平台优化互不冲突

• Intel Xeon：继续保留 AMX、AVX512 指令集优化，原有性能不受改动影响。
• AMD EPYC：继承 ZenDNN 的多线程调度、算子融合、权重缓存、INT4/INT8 量化优化，充分发挥多核大 L3 缓存优势AMD。
• 算子覆盖：矩阵乘、归一化、注意力机制、量化嵌入等 LLM 高频算子全部完成双硬件适配。

3. 运维层面：大幅降低软件维护成本

• 云服务商只需要维护一套 PyTorch+oneDNN 环境，即可同时支撑 AMD 与 Intel 服务器集群。
• 版本迭代只跟进 oneDNN 主线更新，不用分别跟进 ZenDNN 与 oneDNN 两个项目的版本。

三、合并前后开发环境对比表

表格

四、落地实施步骤

1. 代码上游：AMD 将 ZenDNN 算子内核、调度策略提交至 oneDNN 开源主线，完成同行评审与单元测试AMD。
2. 框架集成：在 PyTorch、TensorFlow、ONNX Runtime 中接入新版 oneDNN，开启自动硬件检测功能。
3. 基准验证：在 EPYC 与 Xeon 硬件上完成 LLM、CV、推荐模型全链路跑分，确认性能持平原有独立版本。
4. 版本发布：跟随 oneDNN 正式版本发布，后续 PyTorch 新版本默认内置这套统一 x86 加速组件。

【相关 FAQ】

问题 1：AMD 把 ZenDNN 并入 Intel oneDNN 之后，x86 平台 AI 开发还需要分别安装两套加速库吗？

回答 1：不需要再分别安装两套加速库，ZenDNN 的优化内容已经全部合并进 oneDNN 主线，开发者只需要部署 oneDNN 这一个底层库，就能同时适配 AMD 与 Intel 两款 x86 处理器，不用再做多库适配工作AMD。

问题 2：ZenDNN 并入 oneDNN 之后，AMD EPYC 处理器还能保留原有专属性能优化吗？

回答 2：可以完整保留原有优化效果，合并只做代码上游整合，Zen 架构专属的多线程调度、算子融合、低精度量化等内核全部保留，程序运行时会自动识别 AMD CPU 并调用 ZenDNN 优化算子，不会损失硬件性能AMD。

问题 3：ZenDNN 并入 oneDNN，主要会给 PyTorch 等主流 AI 框架带来哪些改变？

回答 3：PyTorch 后续会把整合后的 oneDNN 作为 x86 平台默认加速组件，框架会自动识别 CPU 品牌，自动加载对应优化内核，开发者不用手动切换插件，一次打包就能在 AMD、Intel 服务器上直接部署，大幅简化跨硬件交付流程AMD。

【数据来源】

[2026-10-20]（AMD 与 Intel 达成协作，将 ZenDNN 并入 oneDNN 简化 x86 AI 开发）AMD 官网新闻室

[2026-10-20]（AMD 把 ZenDNN 优化代码上游至 oneDNN，统一 x86 深度学习加速库）IT 之家

[2026-10-20]（oneDNN 迎来 ZenDNN 代码合并，x86 CPU 实现统一 AI 加速）开源中国

[2026-10-20]（PyTorch 将采用 oneDNN 作为 x86 平台统一默认加速库）InfoQ

免责声明：本文所有技术方案、代码合并规划、硬件适配内容均来自 AMD 与 Intel 官方发布的开源协作公告；软件实际运行性能会受 CPU 型号、指令集、线程配置、模型结构影响；oneDNN 主线代码合并进度、框架集成进度以开源仓库后续正式提交版本为准，本文仅作为技术资讯参考，不构成软件开发选型的唯一依据。