Последние обновления ROCm от AMD добавляют поддержку новых APU Ryzen, а также демонстрируют достижения в области локального искусственного интеллекта.
Разработки AMD в ROCm указывают на значительное усиление локального развертывания ИИ
Программный стек ROCm претерпел значительную эволюцию за последние несколько лет, при этом AMD уделяет особое внимание оптимизации экосистемы для развертывания периферийного ИИ. На выставке CES 2026 компания анонсировала новейшую версию ROCm 7.2.7, важным дополнением которой является включение поддержки недавно представленных APU Ryzen AI 400 ‘Gorgon Point’. AMD также улучшила качество развертывания локальных моделей, о чем мы поговорим позже.
AMD уделила особое внимание оптимизации ROCm с помощью ComfyUI, пакета программного обеспечения для генерации изображений, и утверждает, что достигла пятикратного увеличения производительности с ROCm 7 по сравнению с предыдущими версиями. Что еще более важно, Team Red уделила особое внимание улучшению работы с ROCm в потребительских товарах, поэтому поддержка Ryzen и Radeon удвоилась за последний год. Это указывает на то, что компания нацелена на интеграцию программного стека со своей потребительской стратегией, что является заметным подходом.
Основываясь на доступности ROCm для более широкой базы пользователей, AMD объявила о полной интеграции с ONNX path для инференса и обучения, ориентируясь на пользователей Windows AI и OEM-производителей. Аналогично, ROCm теперь поддерживается с PyTorch в Windows, а также TheRock Software Package, платформой сборки с открытым исходным кодом для HIP и ROCm. Windows становится первоклассной платформой для ROCm от AMD, поэтому интеграция значительно расширяется, поскольку AMD видит мир, в котором локальный ИИ становится мейнстримом.
AMD также продемонстрировала, почему локальный вывод ИИ на оборудовании потребительского класса теперь приближается к качеству моделей облачного уровня, сравнивая модели с открытым исходным кодом, такие как GPT-OSS, на APU Ryzen AI MAX+ с моделями, размещенными в облаке. AMD утверждает, что паритет производительности при нацеливании на такие параметры, как GPQA Diamond и MMLU, аналогичен при сопоставлении локальной и облачной сред, показывая нам, насколько сильно развился периферийный ИИ благодаря ROCm и аппаратным достижениям.
Всегда имейте в виду, что редакции некоторых изданий могут придерживаться предвзятых взглядов в освещении новостей.
7/6
Автор – Muhammad Zuhair
