说起AI 平台，大部分的人应该直觉都是想到NVIDIA 的CUDA 生态，但其实AMD 也有自家的AI 平台ROCm。 2016 年4 月，AMD 推出了ROCm 1.0，一个以C++ 编译器和HIP GPU 程式语言为核心的开源GPU 运算平台，瞄准高效能运算市场。 2026 年8 月26 日，AMD 发布了ROCm 10.0，版本号从7.x 直接跳到10，对应的是建立在全新建构系统TheRock 之上的大版本，同时也是ROCm 首次内置原生的AI 开发者体验。
ROCm 10 的核心亮点是ROCm.AI，一套由三个工具组成的AI 原生开发工具链：ROCm CLI、AMD Skills 和Hyperloom。过去的ROCm 版本主要提供底层数学库和框架支援，安装、验证、部署、最佳化这些步骤得靠开发者自己串。 ROCm.AI 的目标是把这些环节整合成一条龙的工作流程，让AI Agent 也能直接参与开发过程。
ROCm CLI：一个指令搞定AI 工作负载
ROCm CLI 是ROCm.AI 的第一块拼图。它是一个单一二进位文件的命令列工具，不需要预先安装Python、Rust 或ROCm，适用于Linux 和Windows（x86_64）。rocm serve <model>可以直接在PyTorch 上启动模型推理，rocm examine能诊断环境和驱动程式问题。对于没有网络连线的环境，CLI 支援将所有依赖项下载为自包含的离线套件。
目前ROCm CLI 处于技术预览阶段，API 和行为可能会变动。它内置了Lemonade 和vLLM 的推理引擎适配器，目标是让「从安装到跑模型」这条路径变得尽可能简单。
AMD Skills：让AI 助理读懂AMD 硬体
AMD Skills 是ROCm.AI 的第二块拼图。它把AMD 验证过的ROCm 知识打包成标准化的Agent Skills 格式，直接喂给开发者已经在用的AI 程式码助手，包括Claude、Cursor、OpenAI Codex、Gemini CLI。官方技能目录放在GitHub 的amd/skills仓库，采用联邦式架构，与这些工具既有的技能目录结构相容。
技能涵盖GPU 和CPU 两条线。 GPU 端有rocm-doctor（驱动CLI 的环境诊断）和serving-llms-on-instinct（在MI300X/MI325X/MI350X/MI355X 上架设vLLM 端点）；CPU 端则通过ZenDNN 和zentorch 延伸到EPYC 处理器，提供serving-llms-on-epyc和quantize-for-zentorch等技能。无论目标是Instinct GPU 还是EPYC CPU，安装了AMD Skills 的AI 助理都能自动选择对应的技能。
Hyperloom：全自动推理最佳化Agent
Hyperloom 是ROCm.AI 三件套中最激进的一个。它是一个开源的自主Agent 系统，能自动完成端到端的推理工作负载最佳化，涵盖效能分析、瓶颈识别、方案规划、程式码修改和正确性验证，全程无需工程师手动介入。 AMD 表示，Hyperloom 能把过去需要数周的手动最佳化工作缩短到数小时。
Hyperloom 的架构由五个元件组成：TraceLens 负责自动瓶颈识别，Magpie 处理核心评估和基准测试，IntelliKit 提供对话式效能分析工具，GEAK 是跨Triton/HIP/CK/FlyDSL/TileLang 后端的多Agent 核心最佳化器，Arbor 则通过树状认知层不断自我演化、探索更多最佳化空间。整个流程遵循「分析→规划→最佳化→验证」的回圈，可以反覆迭代直到效能达到目标。
Hyperloom 目前支援MI300X、MI325X 和MI355X，通过pip安装即可使用。开发者只需要指定模型和设置，告诉Agent「用Hyperloom 最佳化某个模型」就能启动一个最佳化工作阶段。
TheRock 建构系统全面接管
ROCm 10 的另一个结构性变化是TheRock 建构系统全面接管。 TheRock 是自动化的开源建构和发布系统，在ROCm 7.14 首次进入生产环境。 ROCm 10 中，所有底层库、框架wheel 和工具都从同一条管线产出，在发布前经过全堆叠的阶段性验证。
这带来了几个实际变化：安装目录从/opt/rocm-7.2/改为/opt/rocm/core-10.0，套件名称统一加上amdrocm-前缀（例如amdrocm-blas、amdrocm-rccl），原本分散的套件被整合，hipBLAS 和rocBLAS 合并为一个套件，hipSPARSE 和rocSPARSE 也是如此。同时，AMD 将GPU 软体分发整合到重新设计的repo.amd.com，ROCm 套件、amdgpu 驱动程式和公开GPU 工具统一到同一个仓库。
框架支援与硬体扩展
ROCm 10.0 更新了AI 框架支援阵容：PyTorch 2.13.0、JAX 0.11.0、vLLM 0.27.0、SGLang 0.5.15、TensorFlow 2.21、MIGraphX 2.17、ONNX Runtime 1.27.0。硬体方面新增了Radeon RX 9050（含4GB 版本）的支援，虚拟化支援也扩展到MI355X、MI350X、MI325X、MI300X 和MI210 的多种Passthrough 和SR-IOV 组态。
在消费者端，ROCm 10 新增了Ryzen AI MAX 平台上的Unsloth 支援，让开发者能在本地对大型语言模型进行LoRA 和QLoRA 微调，利用Ryzen AI MAX 的大容量统一记忆体，在不依赖云端基础设施的情况下完成模型训练。这对于需要资料隐私或离线开发的团队特别有吸引力。 ComfyUI 也获得针对Wan2.2、FLUX.2 KLEIN、Stable Diffusion 3.5 Medium、Stable Diffusion 2.1 和Stable Diffusion XL Base 等热门影像生成模型的效能调校，AMD 同时提供了注意力演算法和后端的选择建议，让使用者在Radeon 和Ryzen 平台上获得开箱即用的最佳效能。
通讯库大规模升级
RCCL（ROCm Collective Communications Library）在这个版本获得了历来最大的单次投资。上游NCCL 合并从2.28.3 推进到2.30.4，新增了对称记忆体支援、GPU 发起网络传输（GIN）装置API、单边主机API、以及全新的Pythonic API。大规模启动改进降低了跨数百GPU 的启动开销，容错增强则提升了长时间任务的稳定性。
rocSHMEM 则持续缩小与NVIDIA NVSHMEM 3.6.5 的API 差距，新增了主机AMO 和context API、reduce_on_stream变体、波级集体运作、以及team_split_2d等功能。
开发者工具与Windows 统一
ROCm Compute Profiler 的Roofline 分析扩展到GFX11xx（RDNA 3）架构，首次将效能天花板分析带到Radeon 硬体上。 ROCm Optiq 1.0 进入正式发布，这是一个统一的视觉化分析环境，结合了系统级时间轴探索和核心级效能分析。
Windows 方面，HIP SDK 正式退役，由ROCm Core SDK 取代。 Windows 和Linux 现在共用同一个SDK 定义和发布节奏，不再各自为政。 ROCm 10 在Windows 上以tarball 形式发布，原生安装程式预计在2026 年稍晚上线。
结语
ROCm 10 的版本号跳跃有其意义。 TheRock 全面接管后，ROCm 长期以来「东一块西一块」的软体分发问题获得解决，ROCm.AI 三件套（CLI、Skills、Hyperloom）则把ROCm 从「给你工具自己组装」的平台，转变成「Agent 能直接参与」的开发环境。对还在观望AMD GPU 生态的开发者来说，ROCm 10 降低的不只是技术门槛，也降低了心理门槛。 ROCm 10 将持续以约每六周一次的节奏发布后续版本，AMD 也预告Windows 端的原生安装程式将在2026 年稍晚上线。
