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 <模型名> 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」。
其他值得提的
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。
参考来源：