AMD發佈機器可讀ISA，讓前沿模型為其編寫GPU內核

儘管AMD的GPU在性能上日益具有競爭力，但AMD一直難以擺脱其芯片因不支持CUDA而能力不足的認知。在本週於舊金山舉行的Advancing AI活動中，AMD發佈了ROCm.AI，承諾讓用户通過“氛圍編碼”（vibe code）的方式獲得更快的推理性能。

實際上，所謂的CUDA護城河在過去幾年中已顯著變淺。PyTorch和JAX等框架讓開發者能夠一次編寫代碼，並在大多數情況下隨處運行，而無需接觸CUDA或AMD的ROCm和HIP庫。然而，代碼能運行並不代表性能最優。像CUDA和ROCm這樣的低級編程接口仍然是釋放芯片真正潛力的關鍵。

手動調整GPU內核和通用矩陣乘法（GEMM）例程以充分利用芯片，並非所有人都具備所需經驗。但事實證明，開發者試圖優化的許多模型本身在這方面出奇地擅長。AMD企業副總裁兼AI軟件和解決方案負責人Anush Elangovan表示：“對於每一代AMD GPU，我們不僅發佈了ISA規範，還發布了機器可讀的ISA。這使得前沿模型非常擅長為AMD硬件編程。”

藉助ROCm.AI，AMD希望簡化這一過程。該平台連接到運行在前沿模型上的現有代碼助手，並提供部署、調試和優化AMD Instinct硬件模型及服務框架所需的工具和文檔。其中一個工具是名為Hyperloom的自動化工作負載性能優化系統。當通過提示代碼助手如“使用Hyperloom優化MiniMax M3”調用該工具時，它可能會在Docker容器中啓動推理服務器，運行基準測試建立基線性能，分析工作負載以識別瓶頸，並動態調整配置甚至生成自定義CPU內核。在AMD新推出的Helios機架測試中，Elangovan聲稱該流程將模型性能提升了38%。

“我們希望讓您能夠發揮最大性能，”他説，“這讓任何人都能極其輕鬆地消費、調試、分析和部署。”為進一步改進這一過程，AMD表示正利用與OpenAI和Anthropic等AI模型公司的密切關係，確保它們的模型經過訓練，能更好地理解AMD硬件和軟件的內部運作。Elangovan補充道：“我們不僅僅是使用前沿模型生成內核，我們正與前沿模型公司深度合作，使它們能夠原生使用AMD編程。”

除了內置的命令行界面，ROCm.AI還將作為插件提供給流行的代碼助手，包括Anthropic的Claude Code、OpenAI的Codex、Google的Antigravity和Cursor。