AMD开源GPU软件平台ROCm诞生十周年，ROCm 10.0正式发布

2016年4月，AMD在GitHub上推出了ROCm 1.0。这是一个基于C++ 编译器和名为HIP的GPU编程语言构建的开源GPU计算堆栈，旨在实现高性能计算。十年后，该平台已在各行各业训练和运行前沿AI模型，并支持几乎所有受益于GPU的计算应用。

十年后，ROCm 10.0发布。版本号跳过8和9，直接到10，同日发布ROCm.AI——一套面向AI开发者的工具链，试图把AMD软件栈从「驱动GPU的东西」变成「开发者主动想用的东西」。

AMD官方博客标题里有个短语值得注意：「Agentic AI时代」。AMD不是第一次在GPU软件上发力，但「Agentic」这个词不是随便放的——ROCm 10.0里最激进的设计，确实是给AI agent用的。

TheRock：改了十年的东西

ROCm 1.0发布时，MXNet还是前沿框架，构建系统是手写的CMake脚本。每个版本发布靠人工跑脚本、人工验证、人工打包。

ROCm 10.0的背后是一个叫TheRock的自动化构建系统。这套系统从ROCm 7.14开始在生产环境跑，6月15日之前就完成了200个nightly release，每个release都经过严格测试。AMD的工程师在博客里写了一句：「经过三年的努力，我们终于可以不需要手动干预，只用行李标签和一台笔记本电脑，就能完成一次ROCm的发布。」

这句话信息量很大。行李标签是机场里的概念——你下飞机，找到行李，扫描标签，确认是你的。TheRock把发布流程简化到这种程度，意味着ROCm的版本迭代速度可能不再受人力瓶颈限制。

ROCm.AI：不是GUI工具，是CLI + Skills + Agent优化

ROCm.AI分三块：ROCm CLI、AMD Skills和Hyperloom。

ROCm CLI是命令行工具。rocm serve 一键启动本地推理服务，rocm examine诊断GPU状态。没有GUI，没有仪表盘，就是命令行。目标用户是每天在终端里干活的人。

AMD Skills更有意思。这是一套Agent Skills格式的技能包，放在amd/skills仓库，可以直接被Claude Code、Cursor、Codex等agent工具加载。GPU侧有rocm-doctor和serving-llms-on-instinct，CPU侧有serving-llms-on-epyc（走ZenDNN和zentorch推理）。

也就是说，AMD不希望你在终端里敲rocm-smi自己排查，而是希望你的AI agent直接读AMD写的技能文件来解决ROCm相关问题。Agent时代，文档不是写给开发者看的，是写给agent读的。

Hyperloom：让AI替你优化AI

Hyperloom是这三块里最激进的设计。

它的工作流是五步循环：Profile → Analyze → Plan → Optimize → Validate。先跑一轮推理，采集性能数据；然后AI分析瓶颈；接着AI生成优化方案；执行优化；最后验证优化效果。

这套流程的组件包括TraceLens-Agent（性能分析agent）、Magpie（自动调优服务）、IntelliKit（生成式内核库）、GEAK（自适应内核）和Arbor（推理优化引擎）。

AMD的说法是，这套流程能把优化时间从「几周」压缩到「几小时」。如果这个数字成立，这意味着模型推理调优这件事从「需要资深工程师手动调」变成了「agent自己调自己」。

ROCm 10.0在生态集成上也做了不少工作。vLLM和SGLang现在在AMD Instinct上跑到生产级别；Unsloth支持Ryzen AI MAX上的QLoRA微调；ComfyUI在ROCm上优化了Wan2.2、FLUX.2 KLEIN、SD 3.5 Medium等模型。

RCCL和rocSHMEM的多GPU通信性能有提升，hipBLASLt和rocSPARSE做了稀疏计算优化，ROCm Optiq 1.0提供了roofline分析工具。Windows端也终于有了统一的SDK。

但这些都不是ROCm 10.0最值得关注的部分。

最值得关注的是：AMD押注的方向不是「更快地跑大模型」，而是「让AI帮你更好地用AMD硬件」。从TheRock的自动化发布，到AMD Skills的agent可读文档，到Hyperloom的agent优化循环——这条线贯穿了ROCm 10.0的整个设计。

AMD的软件生态一直是被NVIDIA CUDA压着打的。ROCm 10.0不试图在生态规模上追平CUDA，而是赌了一件事：在agent时代，开发者不再手动查文档、手动调优、手动部署。如果一个AI agent能帮开发者搞定这些，硬件平台之间的切换成本会大幅降低。

Hyperloom能不能真的把优化从几周压缩到几小时，AMD Skills能不能被agent正确理解并执行，这些都需要时间验证。但方向是对的。