POR QUE ISSO IMPORTA
A AMD anunciou em 27 de agosto de 2026 o ROCm 10, nova versão de sua plataforma de software aberta para computação em GPU e inteligência artificial, celebrando dez anos de existência da stack, hoje principal concorrente do CUDA da Nvidia. Segundo reportagens da StorageReview, VideoCardz, HPCwire, WCCFTech e do próprio site da AMD, o lançamento traz o ROCm.AI, um kit de ferramentas descrito como nativo de IA, que reúne o sistema agentico ROCm Hyperloom, o AMD Skills e o ROCm CLI. A empresa afirma que um sistema configurado com o ROCm.AI entrega, em média, 3,3 vezes mais desempenho de inferência e 2,4 vezes mais desempenho de treinamento na comparação com o ROCm 7, em testes realizados em uma plataforma com oito GPUs Instinct MI355X rodando modelos como GLM-5, Kimi K2.5 e DeepSeek-R1-0528. O movimento é lido pelo mercado como mais um capítulo da disputa da AMD contra a Nvidia pela infraestrutura de software de IA.Neste artigo
Dez anos de ROCm e uma nova versão
A AMD apresentou o ROCm 10 em 27 de agosto de 2026, marco que coincide com o décimo aniversário da plataforma ROCm, sua stack de software aberta voltada a computação em GPU e cargas de trabalho de inteligência artificial. Criada como alternativa ao CUDA, ambiente proprietário da Nvidia que hoje domina o mercado de software para treinamento e inferência de IA, o ROCm passou a década tentando reduzir essa distância. A cobertura de veículos como StorageReview, VideoCardz, HPCwire e WCCFTech, além do anuncio oficial publicado no site da AMD, situa o ROCm 10 como a versão mais ambiciosa da plataforma até aqui, com foco declarado em produtividade para desenvolvedores e ganhos de desempenho em inferência e treinamento.
O que é o ROCm.AI: Hyperloom, AMD Skills e ROCm CLI
O centro do anuncio é o ROCm.AI, kit de ferramentas que a AMD descreve como nativo de IA e que combina três peças. O ROCm Hyperloom é um sistema agentico autônomo criado para otimizar workloads de inferência de ponta a ponta, atuando tanto no código executado no host quanto diretamente nos kernels de GPU. A ele se somam o AMD Skills e o ROCm CLI, que completam o kit oferecendo recursos adicionais de automação e controle para quem desenvolve e opera aplicações de IA sobre hardware AMD. Segundo a empresa, a proposta é permitir que decisões de otimização, antes feitas manualmente por engenheiros, passem a ser guiadas por IA de forma contínua.
Os números: 3,3x em inferência, 2,4x em treinamento
A AMD afirma que um sistema configurado com o ROCm.AI entrega, em média, 3,3 vezes mais desempenho de inferência e 2,4 vezes mais desempenho de treinamento em comparação com o ROCm 7, no mesmo hardware, graças a otimização de kernels, gerenciamento de memória e escalonamento guiados por IA. Os testes foram medidos em uma plataforma com oito GPUs Instinct MI355X, usando modelos como GLM-5, Kimi K2.5 e DeepSeek-R1-0528. É importante frisar que esses números são específicos das configurações e otimizações testadas pela AMD: não devem ser lidos como uma promessa genérica de que o ROCm 10 é 3,3 vezes mais rápido que o ROCm 7 em qualquer workload ou hardware.
Mais um capítulo na disputa com a Nvidia
O lançamento do ROCm 10 e do ROCm.AI é interpretado pelo mercado como parte da estratégia da AMD para reduzir a vantagem que a Nvidia mantém graças ao CUDA, hoje o padrão dominante para desenvolvimento de software de IA sobre GPU. Ao investir em um kit nativo de IA que automatiza otimizações antes manuais, a AMD tenta baixar a barreira de entrada para desenvolvedores acostumados ao ecossistema Nvidia e tornar seu hardware Instinct mais competitivo em desempenho por dólar investido em infraestrutura de IA.
Por que isso importa para agências e PMEs brasileiras
Para agências e PMEs brasileiras que operam agentes de IA em atendimento e marketing, o que acontece na disputa entre AMD e Nvidia raramente é assunto abstrato: infraestrutura de GPU é o principal custo por trás de cada chamada de inferência que sustenta um agente em produção. Uma AMD mais competitiva em desempenho, com ganhos como os anunciados no ROCm 10, tende a pressionar preços de nuvem de IA para baixo no médio prazo, à medida que provedores de cloud diversificam fornecedores e usam essa concorrência como moeda de negociação. Para quem paga por infraestrutura de agentes em escala, cada avanço real de eficiência do lado do hardware e do software é, no fim, um possível corte de custo operacional.