ROCm
概述OVERVIEW
ROCm（Radeon Open Compute）是 AMD 的开源 GPU 计算平台——CUDA 的头号替代路线：HIP 可移植编程接口（语法贴近 CUDA，官方提供 hipify 自动转换工具）、开源软件栈（多数组件开源许可）、PyTorch/vLLM 等主流框架的 ROCm 版支持，硬件面向 AMD Instinct 系（MI300X/MI325X/MI210 等）（AMD ROCm 官方文档口径[1]）。
它与 CUDA 的关系是「追赶到哪了」的公开话题：主流开源框架能跑（MI300X 的 PyTorch/vLLM 推理与训练已有规模部署案例[2]），差距在算子覆盖、调优人力与二十年 CUDA 代码资产的厚度——选型的真实问题不是「ROCm 行不行」，而是「你的产线迁移总账算下来值不值」（本库整理口径，详见局限与争议）。
对万安算交所的用户，ROCm 词条回答三件事：MI300X 等 AMD 卡能不能进你的产线（框架兼容性核对清单）、ROCm 与 CUDA 的选型对照（配合 CUDA 词条阅读）、买 AMD 卡验货时查什么（ROCm 版本与硬件支持矩阵）。
适用场景FIT
萬安指数（0–100）：生态匹配度特化口径。
沿革HISTORY
2016 年，ROCm 首版发布：AMD 把 GPU 计算软件栈开源化（Radeon Open Compute之名立起）——与闭源的 CUDA 形成路线分野（AMD ROCm 官方文档口径[1]）。
2020-2022 年，HIP 生态成型：PyTorch/TensorFlow 官方 ROCm 支持落地，hipify 工具链让 CUDA 代码半自动移植——框架侧的「能跑」问题基本解决（公开生态口径）。
2023-12，MI300X 里程碑：192GB HBM3 的 Instinct 旗舰发布，ROCm 6.0 同步支持——微软/Azure、Meta 等公开采用 MI300X 推理部署，ROCm 第一次站上旗舰级 AI 产线（AMD 发布稿与本库 MI300X 词条口径[2]）。
2024-2026 年，追赶加速期：ROCm 6.x 持续迭代，MI325X 等新卡随发随支持；推理引擎（vLLM/SGLang）的 ROCm 版成为大显存推理的现实选项——与 CUDA 的差距仍在（算子/调优/文档），但「能不能跑」的答案越来越接近「能」（本库整理口径）。
技术栈对照STACK VS STACK
| 层 | ROCm（AMD） | CUDA（NVIDIA） |
|---|---|---|
| 编程接口 | HIP（语法贴近 CUDA · hipify 自动迁移工具） | CUDA C++ |
| 编译器 | hipcc / Clang 系 | nvcc |
| 线性代数库 | hipBLAS / rocBLAS | cuBLAS |
| 深度学习原语 | MIOpen | cuDNN |
| 集合通信 | RCCL（NCCL 的 AMD 移植） | NCCL |
| 硬件 | Instinct MI300X / MI325X / MI210 等 | A100 / H100 / H200 / B300 等 |
| 许可 | 多数组件开源（MIT/Apache 系） | 专有许可（SDK EULA） |
对照为本库按官方文档的整理[1]（2026-10 口径）；各库版本配套矩阵以官方发布为准。
迁移路径 · CUDA 存量产线视角MIGRATION
| 阶段 | 动作 | 成本构成 |
|---|---|---|
| 评估 | 目标模型/框架在 ROCm 上跑基准（MI300X 实测） | 人日级——先验「能不能跑」 |
| 移植 | hipify 转换自研算子 + 算子覆盖缺口补齐 | 人周~人月——深度 CUDA 算子是成本大头 |
| 调优 | ROCm 侧重新调参（内核选择/精度策略） | 人月级——性能追平需要调优人力 |
| 运维 | 双栈并行或全面切换的决策 | 长期——混合栈的复杂度要评估 |
迁移框架为本库按公开实践口径的整理（推算口径）；具体成本随产线深度而变。
图集GALLERY
软件与生态ECOSYSTEM
| 项目 | 现状 |
|---|---|
| 获取 | AMD ROCm 官方文档站分发[1]，多数组件开源可审计 |
| 框架 | PyTorch 官方 ROCm 版 · TensorFlow · vLLM/SGLang 推理引擎 ROCm 支持 |
| 硬件支持 | Instinct MI300X / MI325X / MI210 系为主力（支持矩阵以官方文档为准[1]） |
| 云生态 | Oracle/Microsoft Azure 等 MI300X 实例（AMD 生态稿口径，同 MI300X 词条） |
| 观察工具 | rocm-smi / amd-smi 系统观测 |
| 版本节奏 | 6.x 现役——升级前核支持矩阵（卡型×框架×ROCm 三元配套） |
生态信息为公开口径整理；版本随时间演进，以 AMD 官方发布为准。
采购视角PROCUREMENT VIEW
买 AMD 卡（MI300X/MI325X）时 ROCm 相关的三项检查：
验货速查QUICK CHECK
AMD 卡（ROCm 视角）的四步速查：
运输与交付LOGISTICS
术语卡GLOSSARY
HIP
AMD 的可移植编程接口：语法设计贴近 CUDA C++，配套 hipify 工具把 CUDA 源码半自动转换成 HIP 源码——「CUDA 存量代码进 AMD 卡」的主通道。
RCCL
NCCL 的 AMD 移植版：多卡集合通信库（AllReduce 等），接口与 NCCL 一致——分布式训练框架在 ROCm 侧的通信底座，rccl-tests 是压测工具。
MIOpen
AMD 的深度学习原语加速库（对应 cuDNN 角色）：卷积/注意力等算子的优化实现——框架 ROCm 版的算子底座。
hipify
CUDA→HIP 的源码自动转换工具链：把 cudaMalloc 等 API 调用机械翻译成 hip 前缀——机械转换覆盖大部分代码，剩余算子缺口人工补（迁移成本的主变量）。
支持矩阵
ROCm 版本 × 卡型号 × 框架版本的三元配套表：三者在官方支持矩阵内交叉确认后才算「可用配置」——买卡与升级前的必查项（官方文档口径[1]）。
局限与争议LIMITS
- 算子覆盖与调优人力的差距：ROCm 能跑主流开源模型是事实，算子覆盖缺口、性能调优人力与文档厚度与 CUDA 的差距也是事实——两条都写进决策，别只听一边（公开评测共识口径）。
- 版本配套敏感：ROCm 版本 × 卡型 × 框架版本的三元矩阵——错配组合轻则性能打折重则不可用；升级前查官方支持矩阵[1]（本库整理口径）。
- 专有栈不可用：TensorRT 等 NVIDIA 专有组件在 ROCm 无对应物——深度依赖 NVIDIA 专有栈的产线迁移成本极高（本库整理口径）。
- 企业级服务网络厚度：CUDA 二十年的排障资料与调优人力储备是隐形资产——ROCm 团队的人员市场与资料库仍在建设期（公开讨论口径）。
- 本词条为生态对照口径：性能基准随版本快速演进，本库不做快照式对比——以官方发布与独立基准为准。
行情说明MARKET NOTE
ROCm 是开源软件栈，本身无行情——硬件侧的 MI300X/MI325X 行情随各自词条口径（均无快照，价格以货主实际报价为准）。
在售检索：萬安算交所大厅 ›（0 佣金撮合、数据因此中立）。
价格节点大事记MILESTONES
常见问题FAQ
分场景：主流开源框架+主流模型，ROCm 能跑且 MI300X 有规模部署案例；但算子覆盖、调优人力、二十年代码资产与文档厚度与 CUDA 有真实差距——新产线可评估，存量 CUDA 产线迁移按人月算总账。
三段账：hipify 机械转换（容易）→ 算子覆盖缺口人工补（成本大头）→ ROCm 侧重新调优（性能追平要人力）。自研 CUDA 算子越深，迁移越贵——先拿目标模型跑基准再决策。
三件：卡的型号在 ROCm 官方支持矩阵内、目标框架 ROCm 版实跑目标模型、多卡 rccl-tests 互联带宽达标——纸面支持不等于实跑可用（本库验货经验口径）。
可以：两套栈分装不同环境（容器隔离是主流做法），硬件各归各卡——双栈并行的「评估期产线」是常见形态，长期二选一或分业务保留看总账。
多数组件开源（MIT/Apache 系许可），可审计可自建——开放性是相对 CUDA 专有许可的真实差异点；但部分组件与文档完整性仍在演进中（公开生态口径）。
相关词条SEE ALSO
延伸阅读EXPLORE
参考资料REFERENCES
- AMD 官方文档 — ROCm 文档站（版本、支持矩阵与架构主档，2026-10 口径） https://rocm.docs.amd.com/
- AMD 官网 — ROCm 产品页 https://www.amd.com/en/products/software/rocm.html
- AMD 官网 — Instinct MI300X 产品页（硬件支持与部署案例口径，同本库 MI300X 词条） https://www.amd.com/en/products/accelerators/instinct/mi300/…
- 在售检索 — 萬安算交所（0 佣金撮合；AMD 卡行情随各词条口径） https://www.aixx.vip/hall.html?model=MI300X