AMDは最も根強い競争上の問題、すなわちCUDAエコシステムのギャップを、AIモデルそのものを橋渡し役とすることで解決しようとしている。サンフランシスコで開催されたAdvancing AIイベントで、同社はROCm.AIを発表した。このプラットフォームは最先端の大規模言語モデルを活用し、AMDのInstinctハードウェア上でAIモデルのデプロイ、デバッグ、最適化を自動化するもので、従来NvidiaのCUDAスタックを有利にしてきた手動の低レベルプログラミングを効果的に回避する。
このプラットフォームは既存のコードアシスタント（Claude Code、OpenAI Codex、GoogleのAntigravity、Cursor）に統合され、AMDのハードウェアドキュメントとツールチェーンを提供する。開発者がAMDハードウェア向けにモデルを最適化するようアシスタントに指示すると、ROCm.AIはコンテナ内で推論サーバーを起動し、ベンチマークを実行してベースライン性能を確立し、ワークロードをプロファイリングしてボトルネックを特定し、構成設定を調整したりカスタムカーネルコードをその場で生成したりする。AMDによれば、Hyperloomと呼ばれるツールを活用したこのプロセスにより、新たに発売されたHeliosラックシステムでのテストにおいて、モデルの性能がベースライン比で38%向上したという。
ROCm.AIの背後にある核心的な洞察は、最先端モデルが機械可読な命令セットアーキテクチャ仕様を読み取り、最適化されたGPUカーネルを記述する能力をますます備えつつあることだ。これは以前は専門的な知識を必要とするタスクであった。AMDのAIソフトウェア担当副社長であるAnush Elangovan氏は、AMDが各GPU世代に対応した機械可読なISA仕様を公開しており、最先端モデルがAMDハードウェアに直接プログラムできることを意味すると述べている。
AMDはまた、OpenAI、Anthropic、その他のモデル開発者と協力し、翻訳レイヤーを必要とせずに、彼らのモデルがAMDのハードウェアおよびソフトウェアアーキテクチャをネイティブに理解できるよう訓練されるよう取り組んでいる。このアプローチは、最適化の負担を開発者の専門知識からモデルの能力へと移行させるものであり、AIモデルの品質向上の軌道が人間の開発者パイプラインの拡大よりも速く改善し続けるという賭けである。
より広範な競争環境がその緊急性を説明している。PyTorchやJAXといったフレームワークはすでにCUDAのエンドユーザーロックインの多くを侵食しており、コードを最小限の修正でどちらのプラットフォームでも実行できるようにしている。しかし性能最適化は依然として差別化要因であった。手動で調整されたCUDAカーネルは、一般的なROCm互換カーネルよりも高いスループットを引き出す傾向があった。ROCm.AIは、より多くの人間のカーネルエンジニアを雇うのではなく、GPUプログラミングの人材が集中している状況では難しい選択肢だが、AIにチューニングを任せることで、その性能ギャップを埋めることを目指している。
このプラットフォームはコマンドラインツールおよび主要なコーディングアシスタント向けのプラグインとして利用可能である。性能の向上が幅広いモデルアーキテクチャと展開シナリオにわたって持続するかどうか、そして開発者が本番環境でAI生成のカーネルコードを信頼するかどうかが、ROCm.AIがCUDAの堀を真に浅くするという約束を果たせるかを決定するだろう。
出典：The Register（2026年7月24日）；AMDプレス資料（2026年7月24日）；The Next Platform（2026年7月）
雅子 訳