ROCm 10、エージェント型カーネル最適化を正式提供へ――一方でABI破壊と既知の不具合も

AMDは8月27日にROCm 10をリリースした。今回の焦点は単なるメジャーバージョンアップではなく、ROCm.AIがプレビューから一般提供へ移行したことにある。この開発レイヤーはHyperloom、AMD Skills、ROCm CLIで構成される。Hyperloomはまず、トレースとroofline分析を通じてホストプログラム、メモリスケジューリング、GPU kernelのボトルネックを特定し、その後、最適化の探索、実装、検証を行う。現時点ではvLLMとSGLangのワークロードに対応し、HIP、Triton、FlyDSLを使用して変更を生成できる。Skillsは、AMDのデバッグ、デプロイ、パフォーマンス最適化のワークフローをCodex、Claude Code、Cursorに統合する。

引き続きテクニカルプレビュー段階にあるROCm CLIでは、WindowsおよびLinux上で複数の管理対象ROCm環境を作成・切り替えできるほか、モデルサービング、診断、ロールバックも実行できる。AMDによると、「ROCm.AIを構成したシステム」は、同一ハードウェア上のROCm 7と比べて、推論性能が平均3.3倍、トレーニング性能が平均2.4倍向上するという。ただし、これはkernel、メモリ、スケジューリングの最適化を組み合わせたシステム全体の結果であり、既存プログラムのパッケージを更新するだけで同等の高速化が自動的に得られることを意味しない。

基盤となるCore SDKはTheRockビルドシステムへ移行し、Instinctの仮想化、HIP API、profiling、通信ライブラリのサポートも拡充された。一方、アップグレードのリスクも具体的に示されている。AMD SMIのSONAMEは`libamd_smi.so.27`に更新され、一部のデータフィールドとAPIには互換性がないため、旧ABIに依存する監視プログラムは再ビルドが必要となる。さらに公式の既知の問題として、MI350Xでトレーニングスループットが低下する可能性、一部のRadeonでPyTorchがGPUをリセットする可能性、SGLangのAITER backendが失敗する可能性、Ryzen AIでvLLMまたはComfyUIを実行するとクラッシュする可能性が挙げられている。エンジニアリングチームは、エージェントが生成した最適化を本番ブランチへマージするか判断する前に、実際のモデルとシーケンス長を用いて、正確性、スループット、安定性のテストを改めて実施すべきだ。