Durante o evento Advancing AI 2026, a AMD apresentou o ROCm.AI, uma nova plataforma que promete simplificar o desenvolvimento e a otimização de aplicações de inteligência artificial em suas GPUs. Ele promete utilizar assistentes de programação baseados em IA para automatizar tarefas que tradicionalmente exigem conhecimento profundo da arquitetura das placas da empresa, reduzindo uma das principais vantagens competitivas da NVIDIA no mercado.
Embora frameworks como PyTorch e JAX tenham diminuído a dependência direta do CUDA para desenvolver modelos de IA, extrair o máximo desempenho de uma GPU ainda costuma exigir otimizações de baixo nível. É justamente nesse ponto que a AMD acredita que o ROCm.AI pode fazer diferença.
O desafio nunca foi apenas executar o código
Nos últimos anos, a vantagem do CUDA começou a diminuir. Hoje é perfeitamente possível desenvolver aplicações que funcionam tanto em GPUs da NVIDIA quanto da AMD utilizando frameworks modernos, sem escrever uma única linha específica para o CUDA. O problema é que compatibilidade não significa desempenho.
Para aproveitar totalmente o potencial de uma GPU ainda é necessário otimizar kernels, operações matemáticas e outros componentes específicos da arquitetura utilizada. Esse trabalho normalmente exige experiência em programação paralela e conhecimento detalhado do hardware. A AMD quer que parte desse processo seja realizada por inteligência artificial.
O ROCm.AI funciona como uma camada adicional para assistentes de programação já conhecidos pelos desenvolvedores.
Ferramentas como Claude Code, OpenAI Codex, Cursor e Antigravity poderão acessar a documentação, ferramentas e fluxos de trabalho fornecidos pela própria AMD para gerar código mais adequado às GPUs da empresa.
Esses assistentes passam a compreender detalhes específicos da plataforma ROCm, permitindo orientar instalações, configurar ambientes, identificar problemas e sugerir otimizações automaticamente. Segundo a AMD, a ideia é reduzir o tempo necessário para transformar um modelo em um serviço de IA funcional.
Um dos componentes mais interessantes do anúncio é o ROCm Hyperloom. Trata-se de um sistema baseado em agentes de IA capaz de analisar aplicações em execução, identificar gargalos e aplicar otimizações automaticamente.
O desenvolvedor pode solicitar algo como “otimize este modelo” e o Hyperloom executa uma série de tarefas sozinho. Entre elas estão a criação de um ambiente de testes em contêiner Docker, execução de benchmarks, coleta de dados de desempenho, identificação de gargalos e até a geração de novos kernels otimizados para CPU ou GPU.
Ao final do processo, o sistema produz um relatório indicando as mudanças realizadas e os ganhos obtidos. Segundo a AMD, testes realizados em seus novos sistemas Helios mostraram aumentos de até 38% no desempenho de inferência em relação à configuração inicial.
Embora esses números tenham sido divulgados pela própria fabricante e dependam bastante da carga de trabalho utilizada, não deixam de ser uma demonstração do potencial da ferramenta.
Uma plataforma voltada para todo o ecossistema AMD
O ROCm.AI não foi pensado apenas para grandes datacenters equipados com GPUs Instinct. A empresa afirma que a plataforma também atenderá estações de trabalho, desktops com Radeon e até computadores equipados com processadores Ryzen voltados para cargas de IA locais.
Além dos plug-ins para assistentes de programação, a plataforma inclui uma interface de linha de comando chamada ROCm CLI, capaz de instalar componentes, verificar configurações, disponibilizar modelos e gerar diagnósticos de forma automatizada.
Outro componente é o ROCm Console, que reúne informações de telemetria, registros e desempenho para facilitar a administração de servidores e ambientes corporativos.
Outro aspecto revelado pela empresa é sua parceria com desenvolvedores dos principais modelos de linguagem do mercado. A empresa afirma estar colaborando diretamente com organizações como OpenAI e Anthropic para que seus modelos compreendam melhor a arquitetura das GPUs AMD e o funcionamento do ecossistema ROCm.
A intenção é que futuros assistentes de programação consigam gerar código otimizado para hardware AMD de maneira nativa, sem depender apenas de documentação adicional.
Se essa abordagem funcionar, a escolha entre GPUs AMD e NVIDIA poderá depender menos da familiaridade dos desenvolvedores com CUDA e mais da capacidade das plataformas de automatizar tarefas complexas. Em um cenário onde assistentes de IA passam a escrever, depurar e otimizar código, facilitar esse processo pode ser tão importante quanto lançar um hardware mais rápido.
Fique por dentro das principais novidades da semana sobre tecnologia e Linux: receba nossa newsletter!
