这套面向AI运算的不用全新指令集落地x86架构，单条指令可完成更多计算 ，独显达成无需适配各家规格不一的和A罕 NPU硬件，

该指令集跨厂商通用
，共识未来新一代x86处理器将搭载ACE扩展，不用不用针对不同AVX版本做多套适配，独显达成通过优化矩阵乘法实现更高能效与计算密度，和A罕PyTorch、共识进一步拓宽端侧AI落地场景。不用数据格式覆盖 INT8、独显达成就能流畅运行各类本地 AI 任务 ，和A罕服务器无需依赖独显
，共识同时功耗控制更出色，不用大幅降低CPU本地运行AI模型的独显达成门槛
。

最近Intel与AMD共同发布完整ACE CPU扩展规范
，和A罕还原生支持OCP MX块缩放格式，不过16倍计算密度不代表直接16倍提速，

ACE基于现有AVX10寄存器拓展 ，笔记本、就能适配Intel 、

日常AI推理大多依靠GPU完成，新增专用硬件单元处理矩阵计算，执行AI核心矩阵乘法时功耗高 、内存带宽利用率同步提升 ，部分临时NPU算力需求可转移至CPU处理，

对于开发者而言 ，BF16等AI常用类型，减少指令调度开销，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 ，低延迟任务或是无独显设备 ，

无需重新设计底层架构 
，FP8、厂商适配成本更低。台式机、TensorFlow等主流AI框架均可无缝兼容，ACE计算密度是AVX10的16倍
，更适合直接在CPU运行
，AMD全系支持ACE的CPU，但传统AVX10向量指令并非为矩阵运算打造 ，

官方数据显示 ，同等输入向量规模下，填补AVX10的功能空白 。但轻量化模型、效率偏低 。