AMD Instinct™ AI 與 HPC 軟體生態系統

Zyphra 是開放原始碼的超級智慧公司，他們與 AMD 合作，透過與 ROCm™ 軟體堆疊的深度整合，在 AMD Instinct™ 顯示卡上訓練頂尖 AI 模型。這次合作運用了 Instinct 系列的關鍵硬體優勢：高頻寬記憶體、更大的 VRAM 容量，以及對於關鍵資料類型的高運算輸送量，顯著提升訓練速度與模型效率。

客戶與開放原始碼社群有機會使用新一代的 AI 解決方案，而 AMD 則透過全堆疊頂尖 AI 模型訓練，驗證了其軟硬體的非凡實力。

Hugging Face 與 AMD 合作，使用 AMD Instinct™ 顯示卡加速開放且可擴充的 AI 部署。透過運用 AMD ROCm™ 軟體堆疊，Hugging Face 在其 Transformer、Optimum 和 Text Generation Inference 等核心程式庫中實現了即時整合，協助確保在 AMD Instinct 顯示卡上的順暢相容性與效能最佳化。開發人員能以高效率的擴充性與高輸送量，訓練、微調及部署源自 Hugging Face 模型中心的數百萬個模型。

這項合作讓 AI 業者能快速建立原型並最佳化 NLP 和生成式 AI 應用，同時展現了 AMD 開放原始碼軟體生態系統，與 Hugging Face 先進 AI 普及化使命，兩者之間那股強大的協同效應。

Essential AI 與 AMD 合作，透過最先進的研究與基礎架構提高大型語言模型的推理能力。透過使用 AMD Instinct™ 顯示卡與 ROCm™ 軟體平台，Essential AI 向世人證明了一項跨時代的重大發現，即 AI 在預訓練階段即可展現出推理能力，不需要依賴大量的訓練後手段。

透過這項合作，我們進一步理解了如何在預訓練階段培育智慧能力，並開發出效率更高的基礎模型，以更少的運算負擔實現複雜的推理，如此也有利於高階 AI 能力的普及化，提升企業與研究機構近用的機會。

結合 AMD Instinct 顯示卡的高效能基礎架構與 ROCm 的開放式開發架構，Essential AI 為研究人員提供了推進 AI 推理前沿領域的運算基礎。

Z.ai 與 AMD 合作推動大型語言模型的功能，著重於推理與多模態智慧。透過由 ROCm™ 軟體支援的 AMD Instinct™ 顯示卡，Z.ai 的 GLM 模型系列能受益於 AMD 對於 AI 開發所採取的開放生態系統方法，實現在多樣化的硬體組態中靈活部署。

這項合作支援了在研究與企業應用領域中不斷成長的易得高效多語言模型需求，ROCm 架構為新一代對話式 AI 系統提供了實現最大化推論效率與訓練輸送量所需要的最佳化工具。

Stepfun 與 AMD 合作推動跨影片生成、3D 建模與語音互動技術的多模態 AI 功能。透過 AMD Instinct™ 顯示卡與 ROCm™ 軟體最佳化，Stepfun 的 Step-Video-T2V 與 Step-Audio 模型得以在內容創作與人機互動方面提供最頂尖的效能。

這項合作讓創意專業人士與企業有機會使用高階的影片生成與語音合成能力，同時能運用 AMD 開放式軟體方法，靈活地進行部署與自訂化。

整合 AMD Instinct 顯示卡架構與 ROCm 的分散式推論能力，為 Stepfun 透過多模態 AI 應用橋接數位與實體世界互動的宏大計畫提供了運算基礎。

Cohere 與 AMD 建立了策略合作夥伴關係，透過最佳化基礎架構，提供企業級的語言模型解決方案。

透過這項合作，Cohere 用 AMD Instinct™ 顯示卡與 ROCm™ 開放式軟體生態系統部署了他們的 Command 模型，其中也包含 Command R+。Command R+ 是高階的檢索增強語言模型，設計目的是為工作自動化、對話式 AI 與複雜推理這類企業使用案例提供優異效能。

透過使用 AMD Instinct 顯示卡和支援 ROCm 的強韌 AI 架構與程式庫，這項合作關係為組織提供了有彈性、安全且可擴充的跨多樣化企業環境 AI 部署能力，協助確保高效率的資源運用，並支援資料隱私需求。

Meta 與 AMD 合作，在 AMD Instinct™ 顯示卡上最佳化開放權重 Llama 模型的效能，為大規模 AI 工作負載提供優異的效率。

利用無延遲支援的優勢，再配上大量的調整，開發人員可順暢地在各式各樣的應用上部署 Llama AI 模型。這項合作為 AI 社群提供了由 AMD Instinct 顯示卡加速的可擴充、開放原始碼解決方案。

PyTorch 與 AMD 合作，透過 AMD ROCm™ 軟體堆疊，在 AMD Instinct™ 顯示卡上提供高效能、低門檻的 AI 開發過程。透過 PyTorch 的上游支援與緊密的協同工程，AMD 協助確保 PyTorch 的所有新功能在 AMD Instinct 顯示卡上都能實現最佳化效能、順暢整合，並從初始便具備良好就緒度。

這樣步調齊一的生態系統讓開發人員能在 CDNA™ 型 AMD Instinct 顯示卡上以高效率訓練與部署模型。透過簡化的安裝過程、公用 Docker 映像與廣泛的模型相容性，AMD 與 PyTorch 共同推動 AI 運算的普及，加速研究與客戶領域的 AI 工作負載創新。

TensorFlow 與 AMD 合作，透過開放原始碼 ROCm™ 堆疊，在 AMD Instinct™ 顯示卡上提供高效能的 AI 訓練與推論。

透過官方支援 ROCm 的 TensorFlow 版本與上游整合，開發人員可在 AMD Instinct 顯示卡上順暢訓練與部署模型，擴大工作負載規模並縮短投產時間。這能在 AMD 顯示卡基礎架構上為 AI 業者提供優異的彈性、效率與效能。

JAX 與 AMD 合作，透過開放 ROCm™ 生態系統，在 AMD Instinct™ 顯示卡上提供高效能的 AI 訓練與推論。透過 ROCm 的上游支援、官方 Docker 映像，以及透過 OpenXLA 及 MLIR 的整合，開發人員能順暢地使用 JAX 加速大規模陣列運算、自動微分並執行模型。

這項合作讓研究人員能在搭載 Instinct 顯示卡的系統上，運用優異的輸送量、記憶體頻寬與開放原始碼的靈活性，探索新一代的 AI 工作負載。

ONNX Runtime 與 AMD 合作，透過 MIGraphX Execution Provider 在 AMD Instinct™ 顯示卡上提供最佳化、不限廠商的 AI 推論能力。

這項合作將 MIOpen 和 rocBLAS 等 ROCm 程式庫與 MIGraphX 的圖形最佳化技術整合在一處，加速各類視覺、語言與多模態工作負載的 ONNX 模型。互相搭配之下，他們實現了開放標準、高輸送量的推論，且能有效率地在各種不同的運算環境中進行擴充。

DeepSpeed 與 AMD 合作，透過 AMD ROCm™ 軟體最佳化，實現在 AMD Instinct™ 顯示卡上的大規模分散式訓練。

這項合作支援企業與研究機構降低其訓練 Transformer 模型與大型語言模型的記憶體負擔，同時改善訓練的輸送量。

整合 AMD Instinct 顯示卡的高頻寬與 ROCm 的分散式訓練功能，讓研究人員能在大規模 AI 訓練工作流程中擴充模型開發，同時維持成本效益。

MLIR 與 AMD 合作推進 MLIR-AIE 和 rocMLIR 專案，在各種 AMD 硬體架構上提供最佳化的編譯能力。採用 LLVM 架構，並整合 ROCm™ 軟體堆疊，rocMLIR 提供多層次的中介碼 (intermediate representation)，為 AMD Instinct™ 顯示卡和 AI 引擎處理器上的卷積、GEMM 和注意力運算提供進階最佳化。

這項合作透過經生產環境測試之最佳化程序，簡化了程式碼生成、融合與模型分割作業，讓開發人員能在 AMD 的異構運算平台上實現高超效能與效率。

OpenXLA 與 AMD 攜手合作，擔任開放原始碼機器學習編譯器生態系統的創始成員。

透過整合 AMD Instinct™ 顯示卡與 ROCm™ 軟體，這項合作實現了跨平台的 ML 基礎架構，減少受制於特定廠商的情況，並普及了高效能運算的可及性。此合作為開發人員提供不同硬體平台也能一體適用的編譯器技術，將 TensorFlow、PyTorch 和 JAX 架構銜接在一起，藉由開放標準消除 ML 生態系統裡的軟體碎片化，達到促進創新的成果。

IREE (Intermediate Representation Execution Environment) 與肩負 MLIR 式端對端編譯器架構創始貢獻者之身分的 AMD 合作，透過 ROCm™/HIP 後端支援，實現針對 AMD Instinct™ 顯示卡的架構最佳化。

從資料中心加速器到邊緣裝置，這項合作讓開發人員能使用同一套中介碼，在多種 AMD 硬體架構上部署機器學習模型，此外還為 ML 社群提供了開放原始碼工具，可用以編譯採用 PyTorch、TensorFlow 和 JAX 等架構的模型，不僅能高效率地在 AMD 硬體上運行，同時還能維持效能可移植性。

透過 ROCm 整合與 AMD 對 Linux Foundation AI & Data Foundation 專案的貢獻，IREE 為 AMD Instinct 顯示卡提供了最佳化的程式碼生成功能，支援複雜的 ML 工作負載，包括動態形狀、流量控制與進階模型功能等。

Triton 與 AMD 合作，透過與 AMD ROCm™ 軟體堆疊的深度整合，在 AMD Instinct™ 顯示卡上提供高效能且可擴充的 AI 推論。透過對 Triton Inference Server 的完整支援，包括 vLLM 與其他主流架構的後端，這項合作實現了大型語言模型與深度學習工作負載在 AMD 硬體上的順暢部署。

透過結合開放、符合成本效益的運算能力，以及經過最佳化的推論管線和彈性的模型投產作業，Triton 與 AMD 讓開發人員與客戶能在雲端與內部環境加速生產級的 AI。

vLLM 與 AMD 合作，在 AMD Instinct™ 顯示卡實現高輸送量，且高記憶體效率的 LLM 推論。

透過整合 ROCm™、進階內核最佳化，並支援最先進的模型，這項合作為研究與生產環境提供了可擴充、低延遲的生成式 AI 部署。

Fireworks AI 與 AMD 合作，透過與 ROCm™ 軟體平台的深度整合，在 AMD Instinct™ 顯示卡提供高效能的 AI 推論。Fireworks AI 的推論平台運用 AMD Instinct 顯示卡，在雲端與企業環境提供低延遲、高效率，且高度可擴充的 AI 模型服務。

透過 FireAttention 等針對 AMD Instinct 顯示卡最佳化的客製顯示卡內核，相較於其他方案，這項合作能實現可觀的成本降低。

結合 AMD 的平行處理能力與 Fireworks 的最佳化推論引擎，這項合作提供快速、可靠且高能效的 AI 基礎架構，證實 AMD Instinct 顯示卡是新一代生成式 AI 部署的理想平台。

Kog AI 與 AMD 合作，提供突破性的推論加速，在 AMD Instinct™ 顯示卡上實現比傳統推論引擎更快速的符元生成。

透過 ROCm™ 最佳化，Kog 的推論引擎解決了需要循序符元處理的代理式工作流程、語音應用與遊戲的關鍵延遲瓶頸。

這項合作讓企業能在運用 AMD Instinct 顯示卡架構與 ROCm 架構進行即時推論最佳化的同時，以更優異的成本效益部署高速 AI 應用。

Modular 與 AMD 合作，在 AMD Instinct™ 顯示卡上實現高效能的 AI 執行。透過 Modular Platform（包含高效能 AI 服務與建模架構 MAX，以及全新的 AI 程式語言 Mojo）與 AMD ROCm™ 軟體堆疊的深入整合，這項合作讓開發人員能在不同的模型架構上最佳化推論效能，同時擁有優異的效率與可移植性。

客戶能在各種資料中心環境的 AMD Instinct 顯示卡上順暢擴充他們的 AI 解決方案，實現快速、有彈性的投產級部署。

Mooncake 是由 Moonshot AI 開發，與包括 vLLM 和 SGLang 等支援 AMD 硬體整合的主流 LLM 推論系統合作。透過他們以 KVCache 為中心的解構架構與 Transfer Engine，Mooncake 能透過 ROCm™ 相容性，提供高效率的大型語言模型布建。

這項合作為可擴充推論部署提供了基礎，可運用 AMD Instinct™ 顯示卡處理長文本情境，實現顯著的輸送量提升，同時讓生產環境中的 AI 應用持續達成服務等級目標。

ElioVP 為 AMD Instinct™ 顯示卡與 ROCm™ 軟體開發最佳化套件，加速 AMD 生態系統內的 AI 創新。透過 DeepSeek-R1 等熱門模型專用的 Docker 映像及架構最佳化，ElioVP 簡化在 AMD 硬體上部署大規模 AI 模型的步驟。

這項合作為開發人員提供隨即可用的解決方案，釋放頂尖語言模型在 AMD 加速器上的實力。在 AMD AI 生態系統中，無論是實驗部署或投產部署，兩種情境的開發工作都因此受益。

ClearML 與 AMD 合作，在 AMD Instinct™ 顯示卡上加速 AI/ML 投產各個階段的端對端企業 AI 工作流程。

與 AMD Instinct 顯示卡和 ROCm™ 軟體堆疊完全整合的 ClearML AI 基礎架構平台，是一套一體三層的解決方案，可跨環境管理顯示卡叢集，提供具備調度功能的完整 AI 工作台，並可快速安全地部署 AI 模型、應用程式與代理人。

互相搭配之下，ClearML 與 AMD 讓組織能簡化整個 AI 生命週期，最大化 AMD Instinct 顯示卡使用率，並將符合成本效益的創新解決方案大規模投入生產環境。

Rapt AI 與 AMD 合作，最大化 AMD Instinct™ 顯示卡的顯示卡使用率，並加速 AI 部署。透過細緻虛擬化 (fine-grained virtualization) 與即時調度管理，Rapt AI 可將 AMD Instinct 顯示卡資源動態分配到訓練、微調與推論工作負載，協助確保在雲端與內部部署環境都能實現最佳化效能與成本效益，並時刻履行 SLA。

透過 AMD Instinct 顯示卡的高運算力與記憶體頻寬，Rapt 的智慧工作負載封包技術，與自動化資源共享技術可大幅提高輸送量及模型密度。

在 AMD 與 Rapt 的合作下，企業能以快上 4 倍的速度開發、最佳化並部署 AI 模型，同時改善整體管線效率，並降低基礎架構的負擔。

Exostellar 與 AMD 合作開發出一款 AI 基礎架構自理調度平台，可在包括 MI300X、MI350X 和 MI355X 顯示卡在內的 AMD Instinct™ 顯示卡系列上實現動態記憶體與運算資源切分。

這項合作透過智慧的工作負載感知調度能力，為混合式 AI 工作負載提升輸送量，包括 LLM 和推理模型。

藉由整合 ROCm™，Exostellar 提供既支援多叢集、多租戶環境，又可以最大化顯示卡使用效率的自適應基礎架構。這讓組織能以更少的資源達成更優異的效能，同時順暢支援異構 AI 工作負載情境，並可與所有 MLOps 與實驗追蹤工具整合。

Mirantis 與 AMD 合作，透過 k0rdent 平台，提供跨裸機、混合與邊緣環境的顯示卡感知 Kubernetes 調度能力。

藉由完整的 ROCm™ 支援及 AMD GPU Operator 整合，這項合作簡化了 AI/HPC 工作負載的部署與管理，實現自動驅動程式與堆疊更新、資源分割及擴充。

兩強聯手下，他們為企業提供簡化的雲端原生 AI/ML 調度管理基礎架構，可加速 DevOps 工作流程，並強化 AMD Instinct 硬體的叢集效率。

dstack 與 AMD 合作，簡化並加速 AMD Instinct™ 顯示卡的 AI 調度管理。透過深度的 ROCm™ 整合與 AMD 硬體支援，dstack 的 AI 原生控制面板可管理容器化工作負載，大量解消 Kubernetes 或 Slurm 的複雜性。

藉由支援 ML 實驗、訓練與推論，dstack 為雲端與內部部署環境提供一體適用的調度工具，可有效率地供應與釋放基礎架構資源。

這項合作讓開發人員能以隨插即用的方式，管理可擴充的 AMD Instinct 顯示卡 AI 部署，降低營運阻力與成本，同時維持彈性與可移植性。

UbiOps 與 AMD 合作，運用 AMD Instinct™ 顯示卡，將高效能且可擴充的 AI 推論帶進生產環境。作為強大的部署與服務平台，UbiOps 使用 AMD Instinct 顯示卡，以優異的速度與效率處理大規模運算密集工作負載。

透過這樣的整合，即使是最為嚴苛的推論情境，使用者也能享受更快速的模型執行，降低基礎架構成本，並獲得強大的效能。

這項合作讓開發人員與客戶能有信心並可靠地大規模部署頂尖 AI 解決方案。

AMD 與 Saturn Cloud 將用於 AI 和 HPC 的開放 AMD ROCm™ 軟體堆疊結合 Saturn Cloud 的程式碼優先 MLOps 平台，致力於讓 AMD Instinct™ 顯示卡運算資源能更簡易地跨雲端使用。

AMD 提供 Instinct 顯示卡與 ROCm 堆疊，包含驅動程式、工具、程式庫與架構整合，Saturn Cloud 則提供介面統一的代管 SaaS 服務，可以是部署在 Saturn Cloud 自己的環境中，或是採單租戶部署，也就是 Saturn Cloud Enterprise 之形式直接安裝在每位客戶的 AWS、Azure、GCP、Oracle、Nebius、Crusoe 或其他有支援的雲端帳戶中。

團隊可以在代管服務中快速地打造 ROCm 型工作負載的原型，接著將其移動至專用的 Enterprise 伺服器正式運行，使資料、網路與顯示卡資源保留在他們自己的雲端邊界內，同時還能繼續沿用相同的筆記型電腦、工作與部署工作流程。

這樣的混合模式降低了大規模採用 AMD Instinct 與 AMD ROCm 的作業門檻，並為業界在開放、多廠商 AI 基礎架構上，提供了一條從評估到生產的明確控管路徑。

SGLang 與 AMD 合作，加速新世代語言模型在 AMD Instinct™ 顯示卡上的開發與推論。針對高效能 LLM 互動與推理最佳化的 SGLang，透過與 AMD ROCm™ 軟體堆疊的深度整合，能以高效率在 AMD 硬體上運行。

這項合作為程式碼生成、多輪對話、檢索增強生成 (RAG) 等多種進階功能提供低延遲、高輸送量的效能，讓不同 AI 研究與客戶應用的開發人員，都能運用開放、可擴充的解決方案，進行強大的語言模型實驗、迭代與部署。

Embedded LLM 與 AMD 合作開發 TokenVisor 變現平台，此平台是專為新雲端生態系統的 AMD Instinct™ 顯示卡所設計。AMD 在 Advancing AI 2025 研討會推出 TokenVisor，讓顯示卡供應商能利用自訂價格、即時監控與自動化計費功能，來部署及管理 LLM，並實現收益化。

這項合作加速了 AMD AI 基礎架構投資實現獲利的速度，同時提供企業級管理工具，運用 ROCm™ 架構實現高效率的工作負載調度與資源配置。

Seekr 與 AMD 合作，透過 Oracle Cloud Infrastructure，使用 AMD Instinct™ MI300X 顯示卡，為企業與政府應用提供可信賴的 AI 解決方案。

透過 SeekrFlow™ 平台與 ROCm™ 最佳化，這項合作為包括衛星服務與國家安全應用等關鍵領域提供安全、透明的代理式 AI 部署，並具備進階解釋能力。

這項合作為組織提供符合成本效益的替代方案，可處理數十年的影像與感測器資料，同時維持政府與企業使用案例所需要的資料主權與安全標準。

透過 AMD 硬體加速與 ROCm 架構，Seekr 提供了針對邊緣部署與多節點訓練情境最佳化的新一代視覺語言基礎模型。

LlamaIndex 與 AMD 合作，透過整合 ROCm™，在 AMD Instinct™ 顯示卡與 Radeon™ 顯示卡上建置檢索增強生成 (RAG) 應用。

這項合作讓開發人員能夠使用由 AMD 硬體進行加速的 LlamaIndex 架構，打造從文件擷取到查詢引擎的全面 AI 管線。這項合作為研究人員與開發人員提供了合適的工具，使用符合成本效益的 AMD 顯示卡運算能力，建構如聊天機器人、問答系統與 AI 助理等知識強化 AI 應用。

由於 ROCm 相容於 Ollama、LlamaIndex 等熱門推論引擎，包括企業部署及邊緣應用在內各種不同 AMD 運算環境的使用者，都能掌握強化的 RAG 工作流程效能。

Canonical 與 AMD 合作，使用 AMD Instinct™ 顯示卡在 Ubuntu 上提供安全、企業級的 AI 平台。透過 ROCm™ 軟體整合與最佳化的驅動程式支援，這項合作為 Linux 環境的 AI 工作負載提供了順暢的顯示卡加速。

Canonical 的容器化基礎架構和 AMD 的高效能顯示卡為 IT 團隊提供了一個部署及管理 AI 應用的穩定性、擴充性基礎，在生產環境中結合了效能、可靠性與安全性。

Red Hat 與 AMD 合作，透過將 AMD Instinct™ 顯示卡支援整合至 Red Hat 的混合雲與 Kubernetes 平台，加速企業 AI 創新。

Red Hat OpenShift AI 原生支援 AMD Instinct 顯示卡，加上對於 Red Hat 新版 AI Inference Server 的現成支援，這項合作為內部部署與多雲端環境提供了可擴充且高效能的 AI 模型部署。

結合 AMD 頂尖的顯示卡硬體與 Red Hat 的企業級軟體堆疊，這項合作讓組織在部署進階 AI 推論工作負載時，能擁有更高的彈性、效能與選項。

SUSE 與 AMD 合作，為 AMD Instinct™ 顯示卡和 ROCm™ 打造全面的企業 Linux 與 Kubernetes 支援。這項合作透過以 Rancher Prime 為基礎的開放企業 AI 平台 SUSE AI，實現原生封裝管理、官方儲存庫支援，以及整合式容器調度，為組織的 AI 及 HPC 工作負載提供穩定的開放原始碼企業級平台。

這項合作讓企業能在採用 SUSE 的基礎架構中部署 AI 應用，同時運用 AMD 開放原始碼生態系統，實現符合成本效益的顯示卡運算。透過 ROCm 整合與 SUSE Linux Enterprise Server (SLES)，組織能在資料中心與邊緣環境中，掌握 AI/ML 開發、高效能運算，以及雲端原生工作負載部署所需要的強化能力。

VMware by Broadcom 與 AMD 合作，透過私人、安全且高效能的 AI 基礎架構，推動企業 AI 發展。我們持續努力，改善 VMware Cloud Foundation (VCF) 與 AMD Enterprise AI 軟體和 AMD Instinct™ 顯示卡的協同運作。

在此合作下，我們能為企業確保基礎架構的隱私與安全性，簡化基礎架構管理，並使 AI 模型部署更加簡易。

Docker 與 AMD 合作，為 ROCm™ 軟體提供容器支援，並實現容器化環境內的 AMD Instinct™ 顯示卡加速。

這項合作讓開發人員能使用 Docker 容器建置、部署與擴充 AI 應用，同時運用 AMD Instinct 顯示卡的強大效能。這為 AMD AI 工作負載提供標準化的容器化方法，實現跨多種運算環境的可移植與可擴充部署。

Kubernetes 生態系統與 AMD 合作，透過裝置外掛程式與自動化管理工具 (operator)，整合 ROCm™ 與 AMD Instinct™ 顯示卡支援。

這項合作為在 Kubernetes 叢集中運用 AMD 加速器的 AI 工作負載提供容器調度能力。

這樣的合作讓組織擁有對採用 AMD 技術的 AI 應用進行雲端原生部署的能力，掌握對 AI 基礎架構部署的擴充與管理。

Ansys 現在屬於 Synopsys，他們與 AMD 合作，針對 AMD Instinct™ 顯示卡與 ROCm™ 平台，進行 Ansys Fluent® 計算流體動力學軟體與 Ansys Mechanical™ 有限元素分析軟體的最佳化。

這項合作讓工程師能夠利用 AMD 顯示卡加速進行工程模擬工作負載，掌握更快速的求解器效能，以及更大規模的模型功能。

透過這項合作，工程師能為運算密集的模擬工作流程找到符合成本效益的替代方案，同時維持正確性與可靠度標準。

Cholla 與 AMD 合作，在 AMD Instinct™ 顯示卡上推動由顯示卡加速的天文物理學模擬。Cholla 原本是為了研究大規模星系形成所設計，是一款大量平行的顯示卡原生流體動力學程式碼，目前已成功從 CUDA 移植到支援 AMD Instinct 顯示卡的 ROCm™ HIP 平台。

即使沒有經過大量的最佳化，這次移植到 AMD Instinct 顯示卡也帶來了大幅度的效能改善，展現了 HIP 轉換層的效率，以及對於新世代 AMD Instinct 硬體的擴充性。

運用 ROCm 的開放式軟體生態系統與 AMD Instinct 顯示卡的運算能力，研究人員可在 Frontier 等百億億次級系統上進行高解析度的宇宙學模擬，加速天體物理學的發現，實現開放、高效能的科學運算。

Amber 與 AMD 合作，透過 ROCm™ 軟體整合，在 AMD Instinct™ 顯示卡上加速生物分子模擬。作為計算化學與藥物探索領域的領先分子動力學套件，Amber 進行了最佳化，以在 AMD ROCm 軟體平台上高效運行，為分子動力學、量子力學/分子力學與恆定 pH 值模擬提供顯示卡加速效能。

透過運用 AMD Instinct 顯示卡的威力，研究人員可進行大規模、高精度的模擬，同時改善速度與擴充性。

這項合作為生命科學社群提供了開放、符合成本效益的高效能運算替代方案，能應用於藥物設計、蛋白質折疊與生物分子研究。

Chroma 與 AMD 合作，在 AMD Instinct™ 顯示卡上推動顯示卡加速的格點量子色動力學 (QCD) 模擬。Chroma 是高效能的顯示卡原生流體力學模擬程式碼，作為美國量子色動力學專案 (United States Quantum Chromodynamics Project) 軟體堆疊的一部分，已在 AMD Infinity Hub 計畫中進行容器化與最佳化，且具備針對 AMD Instinct 顯示卡的完整 ROCm™ 軟體支援。

這項合作讓理論物理學家能使用符合成本效益的 AMD 硬體，從單節點工作站到多節點叢集進行大規模的量子色動力學模擬，同時維持與既有研究工作流程的相容性。

透過運用開放的 ROCm 軟體系統與 AMD Instinct 顯示卡的效能，研究人員能實現更高解析度、擴充性，輸送量也更高的生產級格點場論計算。

CP2K 與 AMD 合作，在 AMD Instinct™ 顯示卡上加速量子化學與材料科學模擬。透過 ROCm™ 的完整整合與使用 AMD Optimizing C/C++ Compiler (AOCC) 的最佳化建置，這項合作在 AMD 硬體上實現了顯示卡加速密度泛函理論 (DFT) 計算、分子動力學，以及固態建模。

CP2K 已經以最佳化容器之形式上架於 AMD Infinity Hub，有利於簡化高效能運算 (HPC) 工作負載的部署作業。透過運用 hipFFT 和 hipBLAS 等 ROCm 程式庫，並針對多節點平行處理微調，研究人員能達到大幅超越純處理器運作的速度。

這項合作讓化學家與材料科學家擁有可擴充、符合成本效益的工具，在各種不同研究環境下理解週期系統、晶體結構及複雜的化學反應。

MIMD Lattice Computation (MILC) 與 AMD 合作，在 AMD Instinct™ 顯示卡上加速格點量子色動力學 (QCD) 研究。在開放原始碼 ROCm™ 軟體堆疊的支援下，經過調整的 MILC 平行模擬程式碼能夠運用 AMD 的顯示卡加速，實現粒子與核子物理領域的大規模 Monte Carlo 計算。

透過運用 AMD Instinct 顯示卡，研究人員能快速而有效率地執行格點規範理論 (lattice gauge theory) 運算，同時維持 QCD 研究所需要的精準度。

這項合作為物理學家提供可擴充、符合成本效益的高效能運算資源，推動對夸克行為、膠子與物質結構的基礎研究。

GROMACS 與 AMD 合作，透過 ROCm™ 完整整合與 SYCL 後端最佳化，在 AMD Instinct™ 顯示卡上加速分子動力學模擬。

這項合作讓研究人員能在 AMD 硬體上對蛋白質、核酸及脂質膜進行高效能的模擬，實現可媲美原生 HIP 實作的效能。透過運用 AdaptiveCpp（之前稱為 hipSYCL）執行階段、LLVM 編譯器，以及 hipFFT 和 hipBLAS 等 ROCm 程式庫，GROMACS 能有效率地從單一節點擴充到多顯示卡叢集環境，包括 LUMI 等採用 AMD Instinct 顯示卡的超級電腦。

透過 AMD Infinity Hub 容器與 ROCm 的開放式軟體生態系統，研究人員能在大規模生物分子模擬、藥物探索與生物物理學研究方面獲得簡化、符合成本效益的解決方案。

LAMMPS 與 AMD 合作，透過 ROCm™ 平台在 AMD Instinct™ 顯示卡上加速大規模分子動力學模擬。大型原子/分子大規模平行模擬工具 (Large-scale Atomic/Molecular Massively Parallel Simulator, LAMMPS) 透過 HIP 程式設計模型，以 Kokkos 和顯示卡套件運用 AMD 顯示卡加速。

這樣的整合能協助研究人員，以優異的擴充性與效能進行材料科學、軟物質物理學，以及生物分子系統模擬。透過 ROCm 最佳化與 AMD Instinct 顯示卡的效能，LAMMPS 無論是在單節點或多節點系統，都能實現高效率的平行執行，包括 Frontier 等百億億次級機器。

透過 AMD Infinity Hub 容器與 ROCm 的開發人員生態系統，科學家能擁有靈活、符合成本效益的工具，探索複雜材料中的原子級現象、力學特性及相變。

NAMD 與 AMD 合作，透過完整整合 AMD ROCm™ 平台，在 AMD Instinct™ 顯示卡上加速大規模生物分子模擬。

NAMD 由美國伊利諾大學的理論與計算生物物理學小組開發，是一款可高度擴充的分子動力學程式，用於模擬蛋白質、細胞膜與病毒等大規模生物系統。

透過 ROCm 和 HIP 架構，NAMD 進行了最佳化，可在 AMD Instinct 顯示卡上高效率地運行，在效能與能源效率方面取得了大幅度的提升。透過運用 AMD Instinct 顯示卡的能力，NAMD 支援顯示卡卸載與顯示卡駐留模式，在不同的模擬規模中提供最佳效能。

這項合作讓產、學的研究人員能擁有符合成本效益的高效能工具，以研究蛋白質折疊、藥物交互作用，以及複雜的生物分子動力學現象。

SPECFEM3D Cartesian 與 AMD 合作，透過完整整合 AMD ROCm™ 軟體平台，在 AMD Instinct™ 顯示卡上加速大規模地震模擬。

這項合作使用 HIP 程式設計架構，為 SPECFEM3D 增加了顯示卡加速能力，能以更高效率部署在 AMD Instinct 顯示卡上。透過將地震波傳遞與地震模擬計算卸載到顯示卡，研究人員在全波形逆推 (full-waveform inversion) 與高解析度 3D 地震成像方面取得了顯著的效能提升。

透過 ROCm 最佳化的程式庫與多顯示卡可擴充性，地球物理學家可以在符合成本效益的高效能 AMD 硬體上進行地震力學、地震危害度分析及地下探勘等進階研究，並可順暢地從本地叢集擴充到如 Frontier 和 LUMI 這類的百億億次級系統。

OpenMM 與 AMD 合作，透過完整整合開放原始碼 AMD ROCm™ 軟體平台，在 AMD Instinct™ 顯示卡上加速分子動力學模擬。

透過 HIP 架構，OpenMM 在 AMD Instinct 硬體上提供原生顯示卡加速能力，實現高效能的生物分子動力學與科學建模。

這項合作讓研究人員在進行藥物探索、蛋白質工程與生物物理學研究時，能透過靈活的力場實作與先進的演算法執行自訂模擬。

透過 ROCm 的最佳化程式庫與對 AMD Instinct 顯示卡的支援，OpenMM 提供了一個開放、可擴充且符合成本效益的平台，滿足學界、政府、藥廠三種研究環境進行大規模分子模擬的需求。

Stone Ridge Technology 與 AMD 合作，透過 AMD ROCm™ 軟體平台在 AMD Instinct™ 顯示卡上加速高效能儲油層模擬。在雙方的努力下，Stone Ridge Technology 的旗艦產品 ECHELON 軟體現在可以使用 AMD Instinct 顯示卡，提供顯示卡原生效能。

這項合作為能源產業提供了先進且可擴充的模擬能力，可處理複雜的次表面建模，包括碳氫化合物回收、碳捕捉與氫儲存。

透過運用 ROCm 的開發人員工具、最佳化的數學函數庫與高頻寬 AMD Instinct 架構，ECHELON 為現代高效能運算 (HPC) 系統提供優異的效能與成本效益，讓客戶以開放、有彈性的替代方案處理大規模科學與工程工作負載。

OpenFold 與 AMD 合作，透過高效能運算加速開放、可擴充的蛋白質結構預測。針對 AMD Instinct™ 顯示卡與開放原始碼 AMD ROCm™ 軟體堆疊最佳化的 OpenFold，能讓研究人員以優異的效率，為結構生物學訓練並部署深度學習模型。

這項合作在 Frontier 和 El Capitan 等超級電腦上推動了如 ElMerFold 等大規模蛋白質模擬管線，為結構預測與生物資訊學研究實現了前所未有的輸送量。

結合 AMD 開放式軟體生態系統與高能效顯示卡加速器，OpenFold 與 AMD 推動了開放科學，在藥物開發與分子生物學領域實現了更快速可及的探索能力

QMCPACK 與 AMD 合作，透過 AMD ROCm™ 軟體平台，在 AMD Instinct™ 顯示卡上加速量子 Monte Carlo 模擬。QMCPACK 是頂級的電子結構與多體計算 (many-body calculation) 開放原始碼套件，現在經過最佳化，能以強化的內核、進階記憶體管理性，以及可擴充的多顯示卡執行，充分運用 AMD Instinct 顯示卡的優勢。

透過運用 ROCm 的編譯器、數學函數庫與高頻寬顯示卡記憶體，研究人員在量子化學與材料科學工作負載上取得了實質的效能提升。

這項合作讓計算物理學家與化學家能使用開放、高效能的 AMD 運算生態系統，從獨立工作站到世界級的超級電腦進行大規模量子力學模擬。

Devito 與 AMD 合作，透過完整整合 AMD ROCm™ 軟體平台，在 AMD Instinct™ 顯示卡上加速地震成像與計算地球物理。

Devito 是用於有限差分運算的高階 Python 架構，能夠使用 HIP、MPI 和 OpenMP 這類後端自動生成最佳化的平行程式碼，在 AMD 硬體上提供最頂尖的效能。

這項合作讓地球科學家能透過 AMD Instinct 顯示卡與 EPYC™ 處理器，以高效率進行高解析度的地震模擬、全波形逆推與地下成像。透過 ROCm 的開放軟體生態系統，Devito 將開發人員生產力與可擴充的顯示卡加速能力結合在一起，成為研究人員推進探勘、能源與地球物理學研究工作流程的一大利器。

Siemens 與 AMD 合作，使用 ROCm™ 加速，為 AMD Instinct™ 顯示卡最佳化 Simcenter™ STAR-CCM+™ 多重物理量計算流體動力學軟體。

這項合作透過 AMD 顯示卡的加速能力，讓工業級 CFD 模擬實現更短的求解時間，並處理更龐大複雜的模型。這項合作為工程團隊提供了強化的模擬功能，同時為傳統的顯示卡運算方法提供了符合成本效益的替代方案。

Raja 效能可移植性架構與 AMD 合作，透過 ROCm™ 整合，讓應用能在多元的運算架構中運用 AMD Instinct™ 顯示卡。

這項合作讓開發人員擁有一體適用的程式設計模型，在維持程式碼可移植性的同時，為高效能運算應用發揮 AMD 加速器的各項能力。這項合作透過 AMD 開放原始碼生態系統，提供高效率的顯示卡運算開發，同時支援舊型程式碼庫與未來的硬體演進。

透過 ROCm 程式設計介面，Raja 的使用者能在多種異構運算環境中取得一致的效能。

Trilinos 科學運算架構與 AMD 透過 ROCm™ 合作，在大規模科學應用中支援 AMD Instinct™ 顯示卡加速。

這項合作讓研究人員能使用 AMD 顯示卡使用成熟的數值演算法解決複雜的線性代數問題、最佳化挑戰，以及多重物理量模擬。這項合作為運算科學家提供強大的工程與科學運算工具，同時保有跨越多種硬體平台的效能可移植性。

透過 ROCm 數學函數庫，Trilinos 的使用者能獲得強化的運算功能，因應嚴苛的科學應用。

PyFR 計算流體動力學架構與 AMD 合作，透過 ROCm™ 的相容性，為高階有限元素模擬提供 AMD Instinct™ 顯示卡加速。

這項合作讓研究人員使用 AMD 加速器，搭配以 Python 為基礎的工作流程，在航太、汽車與科學應用領域進行高效率的 CFD 計算。這項合作為計算流體力學專業人士提供現代的工具，可解決複雜的流體問題，同時保留自訂模擬需求的彈性。

透過 AMD 的最佳化程式庫，PyFR 使用者可取得強化的效能，以因應嚴苛的流體力學計算。

現代的 Fortran 編譯器生態系統與 AMD 合作，透過 AMD ROCm™ 軟體平台與 AMD Instinct™ 顯示卡，為 HPC 應用提供顯示卡加速能力。隨著 ROCm Fortran 編譯器與 HIP Fortran 模組推出，科學家及工程師現在能使用 OpenMP 等標準程式設計模型進行顯示卡卸載，在 AMD 顯示卡上加速他們的舊型與現代 Fortran 程式碼庫。

這項合作讓研究人員能在 AMD Instinct 顯示卡上有效率地執行既有的科學與工程程式碼，同時保持與現有工作流程的完整相容性。

透過使用 ROCm 的編譯器基礎架構、統一共用記憶體，以及最佳化的數學函數庫，Fortran 開發人員能獲得一條強大、移植性強且能適應未來演變的顯示卡加速路徑，將數十年的科學軟體創新與新世代的 AMD 硬體銜接起來。

Grid 格點量子色動力學 (QCD) 架構與 AMD 合作，透過完整整合 AMD ROCm™ 軟體平台，在 AMD Instinct™ 顯示卡上推動高效能的理論物理學模擬。

Grid 以現代的 C++ 語言編寫，利用 HIP 提供跨多種顯示卡架構的效能可移植性，讓研究人員能有效率地在 AMD 硬體上執行大規模格點規範理論與量子場理論計算。

這項合作為理論物理學家提供可擴充的資料平行處理工具，使用針對嚴苛的格點計算最佳化的顯示卡常式與記憶體配置，研究夸克與膠子之間的互動。透過 AMD Instinct 顯示卡與 ROCm 生態系統，Grid 得以擁有強大的效能，以及從單節點工作站擴充到百億億次級系統的彈性，帶動新世代的粒子與核子物理學研究。