AMD发布机器可读ISA，让前沿模型为其编写GPU内核

尽管AMD的GPU在性能上日益具有竞争力，但AMD一直难以摆脱其芯片因不支持CUDA而能力不足的认知。在本周于旧金山举行的Advancing AI活动中，AMD发布了ROCm.AI，承诺让用户通过“氛围编码”（vibe code）的方式获得更快的推理性能。

实际上，所谓的CUDA护城河在过去几年中已显著变浅。PyTorch和JAX等框架让开发者能够一次编写代码，并在大多数情况下随处运行，而无需接触CUDA或AMD的ROCm和HIP库。然而，代码能运行并不代表性能最优。像CUDA和ROCm这样的低级编程接口仍然是释放芯片真正潜力的关键。

手动调整GPU内核和通用矩阵乘法（GEMM）例程以充分利用芯片，并非所有人都具备所需经验。但事实证明，开发者试图优化的许多模型本身在这方面出奇地擅长。AMD企业副总裁兼AI软件和解决方案负责人Anush Elangovan表示：“对于每一代AMD GPU，我们不仅发布了ISA规范，还发布了机器可读的ISA。这使得前沿模型非常擅长为AMD硬件编程。”

借助ROCm.AI，AMD希望简化这一过程。该平台连接到运行在前沿模型上的现有代码助手，并提供部署、调试和优化AMD Instinct硬件模型及服务框架所需的工具和文档。其中一个工具是名为Hyperloom的自动化工作负载性能优化系统。当通过提示代码助手如“使用Hyperloom优化MiniMax M3”调用该工具时，它可能会在Docker容器中启动推理服务器，运行基准测试建立基线性能，分析工作负载以识别瓶颈，并动态调整配置甚至生成自定义CPU内核。在AMD新推出的Helios机架测试中，Elangovan声称该流程将模型性能提升了38%。

“我们希望让您能够发挥最大性能，”他说，“这让任何人都能极其轻松地消费、调试、分析和部署。”为进一步改进这一过程，AMD表示正利用与OpenAI和Anthropic等AI模型公司的密切关系，确保它们的模型经过训练，能更好地理解AMD硬件和软件的内部运作。Elangovan补充道：“我们不仅仅是使用前沿模型生成内核，我们正与前沿模型公司深度合作，使它们能够原生使用AMD编程。”

除了内置的命令行界面，ROCm.AI还将作为插件提供给流行的代码助手，包括Anthropic的Claude Code、OpenAI的Codex、Google的Antigravity和Cursor。