ROCm.AI：面向 AMD 平台的 AI 原生开发体验

从意图捕获到工作负载调优：ROCm.AI 赋能 AMD 平台 AI 开发，加快开发速度并让采用更轻松

基于 AMD 平台的 AI 开发现已覆盖云端基础设施、企业集群、工作站、台式机和 AI PC。真正的问题在于：开发者能够以多快的速度基于 AMD 硬件构建经过优化的 AI 服务。

在整个 AMD AI 生态系统中，AMD ROCm 软件持续加快软件版本迭代速度，扩大开源社区参与度，拓展框架适配范围，强化模型适配能力，降低开发者使用门槛，并完善 AI 技术栈的验证覆盖。这一发展势头贯穿了 AMD 的完整 AI 产品版图，涵盖云端与数据中心基础设施中的 AMD Instinct GPU、AMD Radeon 工作站、Radeon 台式 GPU 以及锐龙系统。无论 AI 工作负载运行于何种环境，开发者均可获得更为统一的软件开发路径。AMD 软件迭代节奏持续加快，适配不断增长的客户需求，同时进一步降低落地门槛。

ROCm.AI 正是下一阶段的演进方向：让开发者能够更加轻松地使用快速迭代的软件技术。

ROCm.AI 将 AI 原生开发体验引入 AMD 平台。ROCm.AI 在 Advancing AI 2026 大会上正式发布，将 AI 辅助开发、智能部署和 AI 驱动的软件优化能力相整合，带来统一的开发体验。

面向 AMD AI 软件栈的内置 AI 辅助功能

ROCm.AI 整合了多项互补功能：

AMD Skills：智能体进入 ROCm.AI 的入口

AMD Skills 是 ROCm.AI 对接开发者现有智能体工具的主要方式。它将经过 AMD 验证的 ROCm 专业知识直接注入 Claude、Cursor、Codex 及其他主流 AI 助手中，从而使这些助手能够根据 AMD 硬件、ROCm 版本和支持的软件路径提供针对性指导。

开发者无需翻阅文档、拼凑命令，或是套用通用示例，只需描述开发目标，即可由智能体调用 AMD Skills 来引导整个工作流程。

AMD Skills 目前已正式集成到多款编码助手中并可供调用。开发者可从 Codex 插件目录或 Cursor 市场中的 AMD 页面安装 AMD Skills，或在 Claude 插件中搜索“amd-skills”进行安装。

AMD Skills 示例

• serving-llms-on-instinct：基于 ROCm 和 vLLM 在 AMD Instinct GPU 上部署生产级大语言模型服务端点。
• tracelens：将 PyTorch Profiler 追踪数据转化为具有实用价值的性能报告，以便加速推理和训练。
• local-ai-use：将图像、语音和文字转语音任务路由到 AMD 客户端硬件上运行的本地服务器，保障隐私且无需承担云服务开销。
• local-ai-app-integration：跨 NPU、iGPU 和 dGPU，将设备端 AI 嵌入自己的应用中。

ROCm CLI：执行层

它为用户提供了一条可信赖的命令行路径，用于安装 ROCm 软件、检查环境、部署模型、更新组件以及生成诊断报告。它专为需要实现可重复执行的开发者、平台工程师、企业管理员、CI/CD 团队和安全环境而设计。CLI 具备确定性，且可通过脚本执行。开发者可以直接运行 CLI。此外，可通过脚本在 CI 中调用它。编码智能体在获得授权后也可调用它。ROCm Console 可以呈现其状态。

rocm install
rocm doctor
rocm serve qwen3
rocm update

ROCm Console：遥测和诊断

ROCm Console 可显示系统和工作负载状态。它会展示遥测数据、日志、运行时状态和诊断上下文，帮助用户了解机器的运行状况。在团队处理敏感工作负载、集群或需要保留在环境内部的性能数据时，了解这些信息尤为重要

ROCm Hyperloom：工作负载优化

ROCm Hyperloom 是一种自主智能体系统，专为优化 AMD GPU 上的端到端推理工作负载而设计，优化目标包括主机代码与 GPU 内核。该系统依托 AI 智能体与性能剖析工具，分析工作负载、识别瓶颈、应用针对性优化并对性能与正确性进行验证，从而助力开发者提升性能。它整合了底层 GPU 性能剖析、追踪数据采集、追踪分析以及内核与代码迭代优化能力，消除了传统 GPU 调优过程中的大量人工操作。

Hyperloom 可对工作负载进行性能剖析、识别瓶颈并制定应对方案、探索可行优化方案、对改动进行基准测试，最终生成报告并列明优化建议与预期性能提升幅度，从而帮助开发者从“可运行的工作负载”演进至“深度优化的部署版本”。

ROCm.AI 实际应用

ROCm.AI 的设计理念是适配开发者现有的工作流程。

ROCm.AI 通过更具引导性的 AMD 软件体验，帮助开发者完成从模型选型、运行端点再到性能优化的全流程。¹

对开发者和平台团队的重要价值

AI 开发越来越多地由智能体驱动，硬件平台也变得更加多样化。如今，开发者要基于 AI PC、Radeon 台式机、工作站和 AMD Instinct 集群开展开发工作。

ROCm.AI 提供了更为统一的软件体验，可引导开发者完成环境搭建、环境验证和模型部署，同时提供本地遥测数据并帮助优化工作负载。对于本地开发者，ROCm.AI 可加快从安装全新 AMD 系统到运行本地 AI 工作负载的流程。对于平台和 MLOps 团队，它使工作流程在不同用户和环境之间更具可重复性。对于企业运维人员，它支持本地可见性和可控性。对于正在评估 AMD 基础设施的 AI 公司、云服务商和新型云服务商 (NeoCloud)，它可以帮助客户更快地从实例访问过渡到部署经过验证的工作负载。

AI 基础设施的未来不会仅由硬件来定义，而是将由让高性能硬件更易使用、更易于优化、更值得信赖的平台来塑造。借助 ROCm.AI，AMD 简化了基于 AMD 平台的 AI 开发、部署与调优流程，助力开发者提升开发效率，同时让决策者能够更放心地采用 AMD AI 基础设施。

即将推出：

AMD Skills 目录将持续扩充，新增覆盖本地系统、开发者工作站以及数据中心基础设施的各类工作流程，其中包括：

• HIP Runtime Replay Analysis：记录和回放 HIP 调用、内核启动和内存操作以复现 GPU 故障，为 AMD Instinct 和 Radeon 硬件故障的根因分析提供指引。
• ROCm Doctor：通过检查环境是否存在已知配置和兼容性问题，诊断常见的 ROCm、PyTorch 和 llama.cpp 故障。
• Hyperloom Kernel Optimizer：使用智能体优化工作流程来识别 GPU 瓶颈、评估代码变更，并优化推理和内核性能。
• APU Memory Tuner：针对支持的 AMD APU 进行共享内存和专用内存分配分析与优化，以改善模型适配能力并优化本地 AI 性能。

AMD Skills 目录目前为技术预览版，仍在以开放模式持续开发，因此技能名称、范围和可用性可能会随着新工作流程通过验证而发生变化。

ROCm.AI - 简化智能体 AI 工作流程。

从 AMD Skills 和 ROCm CLI 着手，在 AMD 平台上安装、检查、部署、迁移和优化 AI 工作负载。