AMD ha lanzado ROCm 10, una nueva generación de su plataforma de software para computación acelerada que llega acompañada de ROCm.AI, un entorno pensado para que los propios agentes de inteligencia artificial ayuden a configurar, diagnosticar y optimizar cargas sobre hardware de AMD. La compañía asegura que sus optimizaciones han conseguido, en sus propias pruebas, una mejora media de 3,3 veces en inferencia y 2,4 veces en entrenamiento sobre el mismo hardware, aunque estas cifras proceden de configuraciones y modelos concretos y no deben interpretarse como una aceleración automática de cualquier aplicación.

Las claves de AMD ROCm 10 en 20 segundos

• ROCm.AI pasa a disponibilidad general como parte del lanzamiento de ROCm 10.
• Hyperloom utiliza agentes para localizar cuellos de botella y modificar configuraciones y kernels de GPU.
• AMD Skills lleva conocimiento específico de ROCm a Claude Code, Codex y Cursor.
• AMD declara mejoras medias de 3,3 veces en inferencia y 2,4 veces en entrenamiento en sus pruebas sobre GPU Instinct MI355X.

ROCm cumple además diez años en un momento especialmente importante para AMD. La compañía lleva varias generaciones intentando convertir sus aceleradores Instinct en una alternativa más competitiva dentro de una industria de IA donde el hardware importa mucho, pero el software que permite utilizarlo eficientemente puede determinar qué plataforma termina eligiendo un desarrollador.

ROCm 10 intenta atacar precisamente esa parte del problema. AMD no se limita a actualizar bibliotecas y compiladores: introduce herramientas para que agentes de IA puedan trabajar directamente sobre su plataforma, diagnosticar problemas y participar en la optimización del código.

Hyperloom pone agentes de IA a optimizar el rendimiento de las GPU

La pieza técnicamente más interesante es ROCm Hyperloom, que AMD define como un sistema autónomo de agentes para optimizar de extremo a extremo cargas de inferencia.

El funcionamiento sigue un ciclo reconocible para cualquier ingeniero de rendimiento. Hyperloom establece primero una referencia del rendimiento de la aplicación, analiza posteriormente la carga para encontrar cuellos de botella y estudia posibles modificaciones. Después puede ajustar la configuración de serving, generar o reescribir kernels de GPU y finalmente comprobar si los cambios producen realmente una mejora sin comprometer la corrección de los resultados.

La diferencia es que parte de ese proceso puede ser realizado por un agente.

Hyperloom puede trabajar sobre código del host y kernels de GPU y, con ROCm 10, amplía su compatibilidad con aceleradores AMD Instinct y motores de inferencia como vLLM y SGLang. Las optimizaciones pueden afectar a HIP, Triton y FlyDSL.

AMD habla específicamente de mejoras en kernels, gestión de memoria, paralelismo y planificación de las cargas.

Las cifras proporcionadas por la compañía son llamativas, pero necesitan contexto.

AMD afirma haber obtenido una mejora media de 3,3 veces en inferencia comparando ROCm 7.0 con una configuración preliminar de ROCm.AI basada en ROCm 7.2.2 y distintas optimizaciones. Las pruebas utilizaron un servidor Supermicro equipado con ocho AMD Instinct MI355X y los modelos GLM-5, Kimi-K2.5 y DeepSeek-R1-0528.

Por tanto, no es una comparación entre ROCm 10 y ROCm 7 ejecutados simplemente con sus configuraciones predeterminadas. AMD compara diferentes versiones y entornos que incorporan kernels, motores y ajustes adicionales. El propio fabricante advierte de que los resultados pueden cambiar según configuración, software, versión de vLLM, controladores y optimizaciones utilizadas.

Algo parecido ocurre con el 2,4x anunciado para entrenamiento. Las pruebas internas emplearon Megatron-LM sobre una plataforma de ocho GPU y modelos DeepSeek-V2-Lite, DeepSeek-V3-16B y Qwen3-30B-A3B.

Son resultados relevantes para mostrar hasta dónde puede llegar la optimización del software, pero no equivalen a decir que instalar ROCm 10 multiplique automáticamente por 3,3 el rendimiento de una GPU.

Claude Code, Codex y Cursor podrán utilizar conocimiento específico de AMD

ROCm.AI incorpora además AMD Skills, posiblemente una de las decisiones más interesantes desde el punto de vista del desarrollo cotidiano.

AMD ha preparado conocimientos y flujos de trabajo específicos de su plataforma que pueden utilizar agentes de programación como Claude Code, Codex y Cursor.

En lugar de pedir a un asistente genérico que descubra por su cuenta cómo diagnosticar o mejorar una aplicación para una GPU Instinct, el agente puede disponer de procedimientos preparados y comprobados por AMD.

La compañía divide actualmente estas capacidades en tres grupos. Las orientadas al cliente cubren IA local e integración de aplicaciones; las que atraviesan diferentes capas del software incluyen diagnóstico, análisis y optimización; y las destinadas a servidores trabajan con GPU Instinct y procesadores EPYC en tareas como serving, profiling y análisis de rendimiento.

Las Skills presentadas anteriormente durante Advancing AI 2026 están ahora disponibles mediante los marketplaces de Claude Code, Codex y Cursor, además de un catálogo abierto publicado por AMD.

Esta aproximación muestra un cambio interesante en las herramientas para desarrolladores. La documentación tradicional sigue siendo necesaria, pero fabricantes como AMD empiezan a preparar directamente sus plataformas para que el consumidor de esa documentación también pueda ser un agente de IA.

ROCm CLI quiere simplificar una plataforma que históricamente ha sido compleja

El tercer componente es ROCm CLI, todavía presentado como Technology Preview.

Se trata de una interfaz de línea de comandos unificada para instalar, administrar, diagnosticar y ejecutar cargas de inteligencia artificial sobre hardware AMD. Puede utilizarse directamente por una persona, desde un agente de programación o dentro de sistemas de integración continua.

Entre otras posibilidades permite inspeccionar el sistema, gestionar entornos ROCm, servir modelos, ejecutar diagnósticos, actualizar componentes y controlar runtimes.

También puede mantener varias versiones de los runtimes en paralelo, activarlas y revertirlas. El CLI está disponible como binario precompilado tanto para Linux como para Windows y no requiere disponer previamente de una instalación de ROCm.

ROCm Console, anteriormente denominada «dash», añade monitorización en tiempo real. En sistemas Instinct compatibles puede mostrar utilización de GPU, memoria HBM, consumo eléctrico, actividad de los modelos y métricas como tokens por vatio.

AMD está intentando así reducir uno de los obstáculos históricos de su plataforma: la distancia entre disponer de una GPU competitiva y conseguir que una aplicación real funcione y alcance un rendimiento adecuado sobre ella.

La batalla con NVIDIA también se libra en el software

ROCm 10 llega cuando la competencia entre AMD y NVIDIA ya no puede analizarse únicamente comparando TFLOPS, memoria HBM o ancho de banda.

NVIDIA ha construido durante años alrededor de CUDA un conjunto enorme de bibliotecas, herramientas y conocimiento acumulado. Esa madurez facilita que investigadores, desarrolladores y empresas puedan llevar una carga desde el desarrollo hasta producción sin tener que resolver continuamente problemas relacionados con la plataforma.

AMD necesita reducir esa diferencia si quiere que Instinct gane presencia en entrenamiento e inferencia de IA.

ROCm.AI introduce una vía distinta para conseguirlo: utilizar la propia inteligencia artificial para reducir el conocimiento especializado que necesita una persona para sacar rendimiento del hardware.

La modularización de ROCm Core SDK va en la misma dirección. ROCm 10 reorganiza la base de la plataforma y añade actualizaciones en bibliotecas, compiladores, herramientas, frameworks, modelos compatibles y soporte de hardware.

El resultado puede ser especialmente interesante para los centros de datos que valoran incorporar una segunda plataforma de aceleración además de NVIDIA. El precio y las características de una GPU importan, pero también lo hacen el tiempo que necesita un equipo para poner un modelo en producción, resolver errores y obtener un rendimiento aceptable.

Si los agentes pueden encargarse de una parte creciente de esa tarea, la barrera de entrada de una arquitectura alternativa disminuye.

AMD todavía tiene que demostrar hasta qué punto Hyperloom puede reproducir sus mejoras en una variedad mucho mayor de modelos, configuraciones y aplicaciones reales. Pero ROCm 10 deja clara una dirección: la próxima batalla entre plataformas de IA también consistirá en determinar qué hardware resulta más sencillo de programar y optimizar con ayuda de agentes.

Preguntas frecuentes

¿Qué es AMD ROCm 10?

ROCm 10 es la nueva generación de la plataforma de software de AMD para computación acelerada e inteligencia artificial. Incluye cambios en el SDK, bibliotecas, compiladores, herramientas, frameworks y soporte de modelos y hardware.

¿Qué es ROCm.AI?

ROCm.AI es una plataforma de desarrollo orientada a IA que reúne AMD Skills, ROCm CLI y Hyperloom. Su objetivo es facilitar la ejecución, diagnóstico y optimización de cargas sobre hardware AMD utilizando también agentes de inteligencia artificial.

¿ROCm 10 hace las GPU AMD 3,3 veces más rápidas?

No de forma general. AMD obtuvo una mejora media de 3,3 veces en inferencia en pruebas internas concretas con ocho GPU Instinct MI355X, varios modelos y diferentes optimizaciones de software. El resultado depende de la carga, configuración, motores de inferencia, controladores y otros componentes.

¿Qué asistentes de programación funcionan con AMD Skills?

AMD cita actualmente Claude Code, Codex y Cursor entre las herramientas compatibles con sus Skills. El catálogo también puede consultarse de forma abierta en GitHub.

Fuente: newsroom.amd