AMD ROCm 10 正式发布：ROCm.AI 结束预览转为 GA，把调优工作流交给智能体

AMD 于 8 月 27 日发布 ROCm 10，同时宣布 ROCm.AI 正式 GA。这是 ROCm 软件栈发布十周年，也是 AMD 首次把智能体式优化作为正式组件纳入 GPU 开发工具链。ROCm.AI 整合三块能力：Hyperloom 负责端到端推理负载的自主优化，覆盖剖析、瓶颈定位、改动实施、基准测试与正确性验证的完整闭环；AMD Skills 把经验证的 ROCm 知识注入 Claude Code、Cursor、Codex 等主流 AI 编码助手；ROCm CLI 提供统一的命令行入口，承担环境安装、模型服务、诊断与运行时管理。ROCm 10 本体则推进模块化的 ROCm Core SDK，统一 Windows 与 Linux 的 SDK 定义，并在库、编译器、框架与硬件支持上同步更新，vLLM、SGLang 等推理框架的官方容器随版本一并交付。

AMD 同时披露了一组性能数据：在 8 卡 Instinct MI355X 平台上，基于 ROCm 7.2.2 预览版优化的 ROCm.AI 相对 ROCm 7.0，在 GLM-5、Kimi-K2.5、DeepSeek-R1-0528 三个模型上平均推理吞吐提升 3.3 倍，训练吞吐平均提升 2.4 倍。这组数字来自特定测试配置，反映的是内核、并行度与调度协同优化的空间，而非跨平台的普遍结论。

值得注意的变化在于优化责任的转移。过去 GPU 软件栈竞争的焦点是算子库与编译器，比的是手写内核的覆盖广度；Hyperloom 把剖析—改代码—验证这个原本由工程师驱动的循环交给智能体自动执行，等于把「谁家的栈更容易调出性能」变成产品本身的一部分。对推理服务团队，ROCm CLI 的环境管理和 ROCm Console 的实时遥测（HBM 用量、功耗、tokens per watt）也补上了此前运维侧的短板。国产算力适配团队可以对照这条路径检查自己的工具链：迁移脚本、调优助手、可观测性三层是否齐备，将直接决定开发者在真实业务里切换平台的成本。