AMD Primus
大規模訓練 AI 模型，無須面對繁複流程
Primus 將訓練設定、最佳化的轉換器與生產環境作業整合至單一模組化體驗中。透過內建而可重現的工作流程、內核加速、叢集驗證與監測功能，快速從首次執行擴大至全機群訓練。
有了 Primus，團隊可以：
監測分散式工作，並更快速地進行問題除錯
只需透過單一 CLI，即可啟動可重現的訓練實驗
使用最佳化運算子加速轉換器工作負載
在執行大規模訓練前驗證叢集
Primus 平台
Primus 提供模組化元件，支援從實驗設定到叢集規模作業的完整訓練生命週期。
框架
支援頂尖架構
- Megatron-LM
- PyTorch TorchTitan
- JAX MaxText
AMD Primus
使用 AMD ROCm™ 的訓練工作流程
大規模訓練參考架構
- 設定
- 驗證
- 加速
- 觀察
- 最佳化
AI 開發人員
無
生產級 RL - 即將推出
RL 工作流程路徑
- OSS RL 堆疊
- 支援 veRL、Miles 與 Slime
- 經 AMD 驗證的 Docker 與上游 CI/CD
核心技術
AMD ROCm™ Core SDK
程式庫 | 編譯器 | 工具 | 執行階段
效能基準測試
Primus 基準測試展現出客戶能夠如何將 AMD Instinct™ 顯示卡的運算能力轉化為快速的模型開發成果，從單一節點擴充至多節點叢集，同時最大化顯示卡使用率、縮短訓練所需時間，並提高不同模型架構的訓練效率。
ROCm 10 對比 ROCm 7
加速提升訓練效能
DeepSeek-V3-16B
DeepSeek-V2-Lite
Qwen3-30B-A3B
版本間比較：效能提升
2.01 倍
2.54 倍
2.76 倍
平均
2.4 倍
各模型相較舊版皆有速度提升
平行化與排程
管道平行性、分片資料平行化、梯度 All-Reduce 重疊執行
記憶體管理
啟用值檢查點、FP8 混合精度、融合式梯度累積
最佳化內核
融合式 FlashAttention（正向 + 反向）、分組 GEMM • 融合式最佳化器步驟
經大規模測試，通過生產環境驗證
探索 Zyphra 如何在完整堆疊的 AMD 平台上，從零開始打造 ZAYA1。此次合作展示了一個具競爭力的模型，該模型在超過 1000 張顯示卡上訓練，並在以端對端 Instinct 技術堆疊為基礎的生產環境中成功收斂。
開始使用 Primus
從模型選擇到大規模訓練的完整歷程
體驗經生產環境測試的參考架構，使用 Instinct 從零開始打造尖端 AI 模型！
1
在 Primus 生態系統中使用 Primus LM。
2
前往 GitHub 查看最新的預發行功能與原始碼！
資源
