ROCm 10 发布：推理性能翻 3.3 倍，AMD 终于开始拼开发体验了 8 月 28 日，AMD 发布了 ROCm 10。这个版本刚好赶上 ROCm 十周年——第一版 ROCm 1.0 是 2016 年 4 月发布的。 十年时间，ROCm 从一个勉强能用的 CUDA 替代品，走到了一个方向明

💡 你将学到

ROCm 10 发布：推理性能翻 3.3 倍，AMD 终于开始拼开发体验了 8 月 28 日，AMD 发布了 ROCm 10。这个版本刚好赶上 ROCm 十周年——第一版 ROCm 1.0 是 2016 年 4 月发布的。 十年时间，ROCm 从一个勉强能用的 CUDA 替代品，走到了一个方向明

📜 目录

• ROCm.AI 是什么
• 性能数字怎么看
• 对普通用户意味着什么
• 但别太乐观
• 我的判断

ROCm 10 发布：推理性能翻 3.3 倍，AMD 终于开始拼开发体验了

8 月 28 日，AMD 发布了 ROCm 10。这个版本刚好赶上 ROCm 十周年——第一版 ROCm 1.0 是 2016 年 4 月发布的。

十年时间，ROCm 从一个勉强能用的 CUDA 替代品，走到了一个方向明确的转折点。这次 ROCm 10 的重点不再是"我们又多了几个底层库"，而是一整套叫 ROCm.AI 的开发工具链，目标很直接：让在 AMD 显卡上跑 AI 这件事，不再那么折腾。

ROCm.AI 是什么

ROCm.AI 由三个部分组成，各管一段。

ROCm CLI 是一个统一的命令行工具。以前装 ROCm 要跑一堆脚本，环境变量配错一个地方就全盘崩。现在一个 rocm serve <模型名> 就能把模型拉起来做推理，rocm examine 自动诊断驱动和环境问题。还支持离线环境，可以把依赖打成自包含包带走。不过这东西目前还是技术预览版，接口以后会变，别当成稳定工具依赖。

AMD Skills 是把 AMD 官方验证过的 ROCm 知识做成技能包，直接塞进 Claude、Cursor、Codex 这些 AI 编程助手里。以前你问 AI"怎么在 AMD 卡上优化推理"，它大概率给你编一套 CUDA 的方案。现在这些助手能调用 AMD 官方的技能目录，回答会靠谱很多。技能包放在 GitHub 的 amd/skills 仓库里，一条命令就能装。

Hyperloom 是三个里面最有想象力的。它是一个开源的自动化优化系统，自己跑性能分析、找瓶颈、改代码、改 GPU kernel、验证效果，然后循环往复。AMD 说过去工程师要花几周做的优化工作，Hyperloom 几小时就能跑完，而且能尝试的方案比人在时间压力下敢试的多得多。简单说就是用 AI 给 AI 工作负载调优。

性能数字怎么看

AMD 给出的数字是：相比 ROCm 7，推理吞吐提升 3.3 倍，训练提升 2.4 倍。

这个数字要拆开看。

测试平台是 Instinct MI355X 8 卡，跑的模型是 GLM-5、Kimi-K2.5、DeepSeek-R1-0528，测试时间是 2026 年 7 月 7 日，由 AMD Performance Labs 完成。数据来源是 AMD 自己，不是第三方实测。

更关键的是对比基线是 ROCm 7，不是上一代 ROCm 9。ROCm 7 是 2024 年初的版本，中间隔了 ROCm 8、9 两个大版本。3.3 倍是跨了三年多的累积提升，不是从 ROCm 9 到 10 一代就翻了三倍。

还有一点：测试用的是数据中心的 MI355X，消费级 Radeon 显卡能拿到多少提升，AMD 没有给数据。用 RX 系列跑本地大模型的用户，别直接把 3.3 倍套到自己的卡上。

对普通用户意味着什么

ROCm 10 支持的硬件范围比以前宽：Instinct 加速器、Radeon 消费级显卡、Ryzen 核显，全产品线覆盖，Windows 和 Linux 都支持。

这意味着两件事。

第一，AMD 显卡跑 AI 的门槛在降低。ROCm CLI 把安装和启动简化了，AMD Skills 让 AI 助手能给出靠谱的 AMD 平台建议，Hyperloom 则把最头疼的性能优化自动化了。这三件事叠在一起，对"想在 AMD 卡上跑大模型但不想折腾环境"的用户是实质性的改善。

第二，AMD 的策略变了。过去几年 ROCm 的思路是"CUDA 有什么我们就补什么"，底层库一个个追，但开发体验一直是短板——装不上、跑不起来、性能上不去，这三个问题劝退了很多人。ROCm 10 不再只拼库的数量，开始拼整个工作流的顺畅度。这个方向是对的。

但别太乐观

有几个现实问题要说清楚。

ROCm CLI 还是技术预览，Hyperloom 刚开源，AMD Skills 依赖第三方 AI 助手的技能生态成熟度。这三个东西都还在早期，离"开箱即用"还有距离。

消费级显卡的支持一直是 ROCm 的软肋。虽然官方说 Radeon 全系列支持，但实际体验上，很多用户还是会遇到驱动兼容、模型不支持、性能不如预期的问题。ROCm 10 有没有改善这一点，需要等社区实测。

还有一个根本问题：CUDA 的生态优势不是靠工具链就能追平的。几乎所有 AI 框架和模型默认先支持 CUDA，ROCm 永远在后面适配。ROCm.AI 能降低使用门槛，但改变不了"先有 CUDA 版，才有 ROCm 版"这个现实。

我的判断

ROCm 10 是 AMD 在 AI 软件栈上的一次思路切换。

从 ROCm 1 到 9，AMD 在补底层，追的是"CUDA 能做的我也能做"。ROCm 10 开始追的是"用起来比 CUDA 省事"。这个切换本身比 3.3 倍的性能数字更重要——性能可以靠硬件迭代堆，开发体验的差距才是用户留不下来的根本原因。

对已经在用 AMD 显卡跑 AI 的人，ROCm 10 值得升级试试，尤其是 ROCm CLI 和 Hyperloom。对还在观望、纠结买 N 卡还是 A 卡的人，ROCm 10 是个积极信号，但还不足以成为切换阵营的核心理由。等消费级显卡的实测出来再下结论不迟。