AMD เปิดตัว ROCm 10 พร้อม ROCm.AI อย่างเป็นทางการ! ใช้ AI ช่วย Optimize งาน ยกระดับ Inference สูงสุดเฉลี่ย 3.3 เท่า

AMD เปิดตัว AMD ROCm 10 อย่างเป็นทางการ ซึ่งถือเป็นหมุดหมายสำคัญในวาระครบรอบ 10 ปีของซอฟต์แวร์ ROCm พร้อมเปิดให้ ROCm.AI ใช้งานได้ทั่วไป โดย AMD วางตำแหน่งแพลตฟอร์มใหม่นี้เป็นประสบการณ์พัฒนา AI แบบ AI-native ที่ช่วยนักพัฒนาสร้าง รัน และปรับแต่งประสิทธิภาพ Workload บนฮาร์ดแวร์ AMD ได้ง่ายขึ้น

ROCm.AI รวมเครื่องมือสำคัญ 3 ส่วนเข้าด้วยกัน ได้แก่ ROCm Hyperloom, AMD Skills และ ROCm CLI เพื่อเพิ่มความสามารถด้าน AI และ Agentic Workflow เข้าไปในเครื่องมือที่นักพัฒนาใช้อยู่แล้ว ตั้งแต่การวิเคราะห์คอขวด การ Optimize Kernel ไปจนถึงการจัดการสภาพแวดล้อมสำหรับรันโมเดล AI

AMD ระบุว่า เมื่อใช้ ROCm.AI ซึ่งรวมการ Optimize Kernel, Memory Management และ Scheduling เข้าด้วยกัน ระบบสามารถให้ประสิทธิภาพด้าน Inference เพิ่มขึ้นเฉลี่ย 3.3 เท่า และ Training เพิ่มขึ้นเฉลี่ย 2.4 เท่า เมื่อเทียบกับ ROCm 7 บนฮาร์ดแวร์เดียวกัน

อย่างไรก็ตาม ตัวเลขดังกล่าวเป็นผลการทดสอบของ AMD Performance Labs และขึ้นอยู่กับฮาร์ดแวร์ ซอฟต์แวร์ รุ่นโมเดล และการตั้งค่าระบบ ดังนั้นไม่ได้หมายความว่า Workload ทุกประเภทจะเร็วขึ้นในระดับเดียวกัน

ROCm.AI เปลี่ยนการ Optimize AI ให้เป็นงานที่ทำได้ด้วย AI

หนึ่งในไฮไลต์ของ ROCm.AI คือ ROCm Hyperloom ซึ่ง AMD อธิบายว่าเป็นระบบ Agentic ที่สามารถทำงานแบบอัตโนมัติเพื่อ Optimize Inference ตั้งแต่ต้นจนจบ ทั้งส่วนของโค้ดบน CPU/Host และ Kernel ที่ทำงานบน GPU

Hyperloom สามารถทำงานตามลำดับตั้งแต่ Profile Workload → ค้นหาคอขวด → ทดลองแนวทาง Optimize → ปรับโค้ด → Benchmark → ตรวจสอบความถูกต้องและประสิทธิภาพ

ระบบยังสามารถเสนอการปรับปรุงที่เจาะจงลงไปในโค้ด พร้อมแสดงผลลัพธ์ด้านประสิทธิภาพที่วัดได้หรือคาดการณ์ไว้ โดย ROCm 10 ขยายการรองรับไปยัง AMD Instinct GPU พร้อมรองรับ Framework และระบบ Serving อย่าง vLLM และ SGLang

นักพัฒนายังสามารถเลือกเป้าหมายการ Optimize ผ่าน HIP, Triton และ FlyDSL ได้อีกด้วย ทำให้ Hyperloom ไม่ได้จำกัดอยู่แค่การ Optimize ส่วนใดส่วนหนึ่งของ Stack แต่สามารถมอง Workload ทั้งระบบได้

AMD Skills นำความรู้เฉพาะของ AMD เข้าไปอยู่ใน AI Coding Agent

อีกองค์ประกอบสำคัญคือ AMD Skills ซึ่งเป็นชุดความรู้และ Workflow ที่ผ่านการคัดเลือกและตรวจสอบจาก AMD เพื่อให้นักพัฒนาสามารถนำไปใช้กับ AI Coding Agent อย่าง Claude Code, Cursor และ Codex

แนวคิดคือ นักพัฒนาไม่จำเป็นต้องออกจากเครื่องมือ Coding ที่ใช้อยู่เพื่อค้นหาคู่มือของ AMD ด้วยตัวเอง แต่สามารถให้ AI Agent ทำงานโดยอาศัยความรู้เฉพาะสำหรับแพลตฟอร์ม AMD ได้โดยตรง

AMD แบ่ง Skill ออกเป็น 3 กลุ่มหลัก ได้แก่

Client-native workflows สำหรับ Local AI และการนำ AI ไปผสานกับแอปพลิเคชัน

Cross-stack workflows สำหรับงาน Diagnostics, Routing, Replay Analysis และ Performance Optimization

Server-native workflows สำหรับระบบที่ใช้ AMD Instinct GPU และ AMD EPYC โดยครอบคลุมตั้งแต่ Model Serving, Profiling ไปจนถึง Performance Analysis

Skill ที่เคยเปิดตัวในงาน Advancing AI 2026 ขณะนี้เริ่มเปิดให้ใช้งานผ่าน Marketplace ของ Claude Code, Codex และ Cursor รวมถึงมี Catalog แบบ Open Source บน GitHub โดย AMD ระบุว่าแต่ละ Skill จะต้องผ่านการทดสอบทั้งด้านโครงสร้างและพฤติกรรมก่อนเผยแพร่ เพื่อให้ Workflow มีความสม่ำเสมอและน่าเชื่อถือ

ROCm CLI รวมการติดตั้ง จัดการ และรัน AI ไว้ในที่เดียว

AMD ยังเปิดตัว ROCm CLI ในฐานะส่วนหนึ่งของ ROCm.AI โดยปัจจุบันยังอยู่ในสถานะ Technology Preview

เครื่องมือนี้ทำหน้าที่เป็น Command-Line Interface แบบรวมศูนย์สำหรับการติดตั้ง จัดการ และควบคุมสภาพแวดล้อม ROCm และ AI Workload บนฮาร์ดแวร์ AMD

นักพัฒนาสามารถใช้ Workflow เดียวกันได้ทั้งการทำงานด้วยตัวเอง ผ่าน AI Coding Agent หรือในระบบ Continuous Integration (CI)

สิ่งที่ ROCm CLI ทำได้ครอบคลุมตั้งแต่การตรวจสอบระบบ, ติดตั้งและบริหาร ROCm Environment, Serve โมเดล, Run Diagnostics, อัปเดต Components ไปจนถึงควบคุม Runtime ต่าง ๆ

จุดที่น่าสนใจคือ CLI สามารถใช้งานบนทั้ง Windows และ Linux ในรูปแบบ Prebuilt Binary และ ไม่จำเป็นต้องมี ROCm ติดตั้งอยู่ก่อน

นอกจากนี้ยังรองรับ ROCm Environment หลายเวอร์ชันที่ทำงานแบบ Side-by-Side รวมถึงการ Activate และ Rollback Runtime ได้ ขณะที่ด้าน Model Serving ปัจจุบันมี Adapter สำหรับ Lemonade บนระบบ AMD Client บางรุ่น และ vLLM สำหรับ AMD Instinct

ภายใน CLI ยังมี ROCm Console ซึ่งเดิมใช้ชื่อว่า “dash” ทำหน้าที่แสดงสถานะระบบและการทำงานของ Workload แบบ Real-Time

ผู้ใช้สามารถติดตามข้อมูลอย่างสุขภาพของ ROCm Runtime, Model Serving, GPU Utilization รวมถึง Benchmark Telemetry เช่น การใช้งาน HBM, การใช้พลังงาน และ Tokens per Watt บนระบบ AMD Instinct ที่รองรับ

ROCm 10 ไม่ได้มีแค่เครื่องมือ AI แต่ยกเครื่อง Software Stack ทั้งระบบ

นอกเหนือจาก ROCm.AI แล้ว ROCm 10 ยังมีการพัฒนาโครงสร้างหลักของ ROCm ครั้งสำคัญ โดย AMD เพิ่ม ROCm Core SDK ซึ่งออกแบบให้มีความ Modular มากขึ้น เพื่อเป็นรากฐานสำหรับการพัฒนาและรัน AI Workload บนแพลตฟอร์ม AMD

การอัปเดตครอบคลุมหลายส่วนของระบบ ตั้งแต่

Libraries, Compilers, Frameworks, Tools, Model Support, Performance และ Hardware Platforms

แนวทางดังกล่าวสะท้อนว่าการแข่งขันด้าน AI Accelerator ในปัจจุบันไม่ได้ตัดสินกันเพียงประสิทธิภาพของ GPU เท่านั้น แต่ Software Stack ก็มีความสำคัญไม่แพ้กัน

AMD จึงกำลังพยายามลดช่องว่างด้าน Software Ecosystem ผ่านทั้ง ROCm Core SDK และเครื่องมือ AI ที่ช่วยให้นักพัฒนาสามารถใช้ประโยชน์จาก GPU และ CPU ของ AMD ได้ง่ายขึ้น

AMD เคลม Inference เร็วขึ้น 3.3 เท่า บน MI355X

สำหรับตัวเลขประสิทธิภาพที่ AMD นำเสนอ การทดสอบใช้ระบบที่ติดตั้ง AMD Instinct MI355X จำนวน 8 GPU และเปรียบเทียบ ROCm 7 กับเวอร์ชัน Preview ของ ROCm.AI ที่ใช้ ROCm 7.2.2 พร้อมการ Optimize เช่น Kernel, Parallelism และ Scheduling

ในการทดสอบ Inference AMD ใช้โมเดล GLM-5, Kimi-K2.5 และ DeepSeek-R1-0528 โดย AMD รายงานว่าเมื่อรวมค่าเฉลี่ยของทั้ง 3 โมเดล ระบบที่ใช้ ROCm.AI ให้ประสิทธิภาพสูงขึ้นเฉลี่ย 3.3 เท่า

ส่วนการทดสอบ Training ใช้ Megatron-LM กับโมเดล DeepSeek-V2-Lite, DeepSeek-V3-16B และ Qwen3-30B-A3B บนระบบ MI355X จำนวน 8 GPU เช่นกัน และ AMD รายงานว่าให้ประสิทธิภาพเพิ่มขึ้นเฉลี่ย 2.4 เท่า

ทั้งนี้ AMD ระบุชัดเจนว่าผลลัพธ์อาจแตกต่างกันตาม Configuration ของระบบ, ซอฟต์แวร์, Driver, เวอร์ชันของ Framework และ Optimization ที่ใช้งานจริง

AMD กำลังเปลี่ยน ROCm จาก “ชุดเครื่องมือ” ให้กลายเป็นแพลตฟอร์ม AI

การเปิดตัว ROCm 10 และ ROCm.AI จึงถือเป็นก้าวสำคัญของ AMD ในการผลักดัน Ecosystem ด้าน AI จากเดิมที่ ROCm ถูกมองเป็น Software Stack สำหรับการใช้งาน GPU และ Accelerator ของ AMD ไปสู่แพลตฟอร์มที่มี AI Agent เข้ามาช่วยนักพัฒนาทำงานด้วยตัวเองมากขึ้น

โดยเฉพาะ Hyperloom ที่สามารถค้นหาคอขวด ทดลอง Optimize และวัดผลแบบอัตโนมัติ ขณะที่ AMD Skills นำความรู้เฉพาะของ AMD เข้าไปอยู่ใน AI Coding Agent และ ROCm CLI ทำหน้าที่รวมการจัดการระบบไว้ใน Interface เดียว

หากแนวทางนี้สามารถขยายไปยังโมเดล AI, Framework และ Hardware รุ่นต่าง ๆ ได้มากขึ้น ก็มีโอกาสช่วยลดหนึ่งในอุปสรรคสำคัญของ AMD ในตลาด AI นั่นคือ ความซับซ้อนของ Software Ecosystem

เพราะในยุคที่ AI Workload มีขนาดใหญ่ขึ้นเรื่อย ๆ การมี GPU ที่แรงเพียงอย่างเดียวอาจไม่เพียงพออีกต่อไป แต่สิ่งที่สำคัญไม่แพ้กันคือ ซอฟต์แวร์ต้องสามารถดึงประสิทธิภาพของฮาร์ดแวร์ออกมาให้ได้มากที่สุด และต้องทำให้นักพัฒนาทำงานได้ง่ายที่สุดด้วย