AMD试图解决其最持久的竞争问题，即CUDA生态系统差距，其方法是将AI模型本身作为桥梁。在旧金山举办的Advancing AI活动上，该公司发布了ROCm.AI，这是一个利用前沿大语言模型在AMD Instinct硬件上自动部署、调试和优化AI模型的平台，有效绕过了历来有利于Nvidia CUDA堆栈的手动低级编程。
该平台可接入现有的代码助手（Claude Code、OpenAI Codex、Google的Antigravity和Cursor），并为它们提供AMD的硬件文档和工具链。当开发者提示助手针对AMD硬件优化模型时，ROCm.AI可以在容器中启动推理服务器，运行基准测试以建立基线性能，分析工作负载以识别瓶颈，并动态调整配置设置或生成自定义内核代码。AMD声称，这一由名为Hyperloom的工具驱动的过程，在其新推出的Helios机架系统测试中，使模型性能相比基线提升了38%。
ROCm.AI背后的核心洞察在于，前沿模型越来越能够读取机器可读的指令集架构规范并编写优化的GPU内核，而这一任务此前需要专业 expertise。AMD AI软件企业副总裁Anush Elangovan指出，AMD为每一代GPU发布了机器可读的ISA规范，这意味着前沿模型能够直接针对AMD硬件进行编程。
AMD还与OpenAI、Anthropic及其他模型开发方合作，确保他们的模型经过训练能够原生理解AMD的硬件和软件架构，而无需翻译层。这种方法将优化的负担从开发者专业技能转移到模型能力上，这是一场豪赌，赌的是AI模型质量的提升轨迹将比人类开发者管线的扩展速度更快。
更广泛的竞争背景解释了其紧迫性。PyTorch和JAX等框架已经侵蚀了CUDA的终端用户锁定优势，使代码能够在任一平台上运行而只需极少的修改。但性能优化仍然是一个差异化因素：手动调优的CUDA内核通常比通用的ROCm兼容内核能提取更高的吞吐量。ROCm.AI旨在缩小这一性能差距，不是通过雇佣更多的人类内核工程师（考虑到GPU编程人才的集中度，这是一个困难的提议），而是让AI来进行调优。
该平台可作为命令行工具和主流编码助手的插件使用。这些性能提升能否在广泛的模型架构和部署场景中保持，以及开发者是否信任生产环境中AI生成的内核代码，将决定ROCm.AI能否兑现其真正削弱CUDA护城河的承诺。
来源：The Register（2026年7月24日）；AMD新闻材料（2026年7月24日）；The Next Platform（2026年7月）
婷 翻译