ROCm 10.0.0 版本说明：从 7.14.0 到 ROCm.AI

2026-08-26 · ROCm Core SDK 10.0.0 · 官方文档 latest · 官方 Release Notes

ROCm 10.0.0 是 7.x 之后的第一次大版本跳跃。7.14.0 把 TheRock 做成了生产级构建与发布基座；10.0.0 则在这块基座上，第一次把「装环境、写代码、调性能」收成一套面向 AI 助手的工作流，名字叫 ROCm.AI。

对 hello-rocm 的读者来说，最该先看懂的不是库版本号，而是这三个新入口：

组件	一句话	你什么时候用它
AMD Skills	把 AMD 官方优化知识做成 Claude / Cursor / Codex 能直接加载的 Skill	你用 AI 写 ROCm / HIP / vLLM 代码时，让它按 AMD 最佳实践来
Hyperloom	开源自动优化引擎：剖析、找瓶颈、重写内核、调参数、再验证	你已经能跑通推理，想把吞吐再往上推
ROCm CLI	装环境、验证、部署、管理，一条命令走完	你不想再手抄 pip / 驱动 / 镜像命令

本页先讲清 10.0.0 和 7.14.0 的差别，再把这三个入口拆开看。环境安装步骤见 00-Environment。

1. 一张表看完 7.14.0 → 10.0.0

维度	ROCm 7.14.0（2026-07-15）	ROCm 10.0.0（2026-08-26）
版本定位	TheRock 正式成为构建 / 发布基座	十年节点的大版本；TheRock 之上补齐 ROCm.AI
开发体验	文档 + wheel + Docker，人自己拼流程	AMD Skills + Hyperloom + ROCm CLI 三件套
pip 索引	`https://repo.amd.com/rocm/whl-multi-arch/`	`https://stable.repo.amd.com/rocm/whl-next/`
系统包仓库	旧 `repo.amd.com` 分发	统一到 stable.repo.amd.com（ROCm / 驱动 / 工具同一套结构）
PyTorch	2.12.0	2.13.0（另支持 2.12.0 / 2.11.0）
torchvision / torchaudio	0.27.0 / 2.11.0	0.28.0 / 2.11.0.2
JAX	0.10.0	0.11.0（另支持 0.10.2 / 0.10.0）
vLLM	0.23.0	0.27.0
SGLang	0.5.13	0.5.15
TensorFlow	2.21	2.21（另支持 2.20 / 2.19.1）
MIGraphX / ONNX Runtime	2.16 / 1.23.2 一代	2.17 / 1.29.0
Windows 驱动	Adrenalin 26.5.1	Adrenalin 26.8.1
Linux 驱动	amdgpu 31.30.0 一带	amdgpu 31.50.0
新增硬件	gfx1153（Ryzen AI 7 445 / AI 5 435 等）	Radeon RX 9050 / 9050 4GB（gfx1200）
Windows SDK	HIP SDK 与 Linux Core SDK 分轨	HIP SDK 退役，Windows / Linux 共用 ROCm Core SDK
ASAN 包	7.14.0 暂不提供	随标准包一起提供
推荐安装入口	`uv pip` + 官方镜像	仍可用 `uv pip`；新增 `rocm install sdk`

官方总入口请以 ROCm 10.0.0 文档为准。兼容性以 Compatibility Matrix 为准。

2. 为什么从 7 跳到 10

7.14.0 解决的是「怎么把 ROCm 拆开、按需装、Windows / Linux 同一套 TheRock 流水线」。10.0.0 解决的是下一层问题：

装完之后，开发者仍然要自己记 gfx extras、自己选镜像、自己对驱动、自己读优化文档。
AI 编程助手默认按 CUDA / NVIDIA 习惯写代码，不会自动走 AMD 的 kernel、调度和量化路径。
推理优化仍然是「人看 profile → 人改 kernel → 人再测」，周期以周计。

所以 10.0.0 的版本号不是「库又升了一档」，而是把平台从给库推到 给工作流。AMD 官方博客把这一点写得很直白：过去的 ROCm 主要给你更好的原语；ROCm.AI 管的是原语周围的安装、验证、服务和优化。ROCm 10.0 官方解读

TheRock 没有被替换。10.0.0 的 Core SDK、框架 wheel、验证镜像都从同一条 TheRock 流水线出来，大约每六周发一个小版本。

3. 重点一：AMD Skills

3.1 它到底是什么

AMD Skills 不是又一份 Markdown 文档站。它是一套按 Agent Skills 标准写好的目录：每个 Skill 里有 SKILL.md、可选脚本和参考资料。Claude Code、Cursor、Codex、Gemini CLI 看到描述后，会在任务匹配时把对应 Skill 读进上下文。

文档讲「API 有哪些选项」；Skill 讲「AMD 工程师默认会怎么选」——用哪张镜像、哪个 gfx、哪组环境变量、先检查什么再启动服务。你用 AI 写 ROCm 代码时，助手会按这些已经验证过的路径走，而不是临场猜 CUDA 习惯。

安装：

bash

npx skills add amd/skills

指定 Skill 和助手：

bash

npx skills add amd/skills --skill local-ai-use --agent cursor
npx skills add amd/skills --list

也可以手动拷到 ~/.cursor/skills/、~/.claude/skills/ 或 $HOME/.agents/skills。

3.2 目录怎么分层

官方目录按「端侧 / 跨栈 / 服务器」分成三块，正好覆盖 hello-rocm 读者最常见的两条线：Ryzen AI PC 本地跑模型，以及 Instinct 上的生产推理。

Client-native（Ryzen AI / 本地 AI PC）

Skill	做什么
`local-ai-use`	把生图、TTS、STT 转到本地服务，少烧云端 token
`local-ai-app-integration`	给已有云端 LLM 应用补上离线、隐私和本地推理

Cross-stack（从客户端到云）

Skill	做什么
`rocm-doctor`	对照已知错误配置诊断 ROCm / HIP / PyTorch / llama.cpp，必要时驱动 `rocm examine` / `diagnose` / `fix`（规划中）
`lemonade-router-builder`	按内容、敏感度、能力把请求分到 Lemonade 路由
`hrr-replay-analysis`	用 HIP Record and Replay 回放并分析 GPU 负载（规划中）

Server-native（Instinct / EPYC）

Skill	做什么
`serving-llms-on-instinct`	检测硬件、核对模型显存、套 vLLM recipe、拉起可测吞吐的 endpoint
`serving-llms-on-epyc`	在 EPYC + zentorch / vLLM 上做 CPU 推理
`hyperloom-workload-optimizer`	安装 Hyperloom，对 Instinct 上的 LLM 推理做端到端自动优化
`magpie-kernel-evaluator`	评测 kernel 正确性与性能，对照 vLLM / SGLang
`tracelens-analysis-orchestrator`	用 TraceLens 并行拆解 PyTorch profile，输出优先级报告

3.3 和本仓库 hello-rocm Skill 怎么分工

本仓库的 src/hello-rocm-skill 管的是「这个教程项目怎么学、怎么部署、怎么排障」。AMD Skills 管的是「AMD 官方已经验证过的平台最佳实践」。两者可以同时装：

问「我该看 hello-rocm 哪一章、gfx 怎么填」→ hello-rocm Skill
问「按 AMD 官方路径在 MI300X 上起 vLLM / 用 Hyperloom 榨吞吐」→ AMD Skills

4. 重点二：Hyperloom

4.1 它解决什么问题

Hyperloom 是开源的 agentic 优化系统（源码：AMD-AGI/Hyperloom）。目标不是再给你一个手动 profiler GUI，而是把「看 trace → 找瓶颈 → 改 kernel / 调参 → 验证正确性和性能」收成闭环。

官方描述的循环是：

text

Profile → Analyze → Plan → Optimize → Validate → 再来一轮

人不再逐轮开车。你给它模型、框架、GPU、并行度和序列长度，它自己做剖析、提案、改代码、跑基准、核对正确性。AMD 的说法是：过去按周计的手工优化，可以被压到按小时，并且会扫到人手时间不够时不会去试的搜索空间。

4.2 里面有哪些零件

组件	角色
TraceLens-Agent	自动从 profile 里标出瓶颈
Magpie	评测 / 对比 kernel，给 vLLM、SGLang 做基准
IntelliKit	对话式 profiling
GEAK	多 agent 自动改 kernel，覆盖 Triton、HIP、CK、FlyDSL、TileLang
Arbor	在优化空间里做自演化搜索
AgentKernelArena	用标准任务给不同优化 agent 做 A/B

10.0.0 当前公开支持 MI300X / MI325X / MI355X，框架侧覆盖 vLLM 和 SGLang。端侧 Radeon / Ryzen 上，hello-rocm 仍以先跑通部署为主；Hyperloom 更适合已经有 Instinct 机器、要抠生产吞吐的读者。

4.3 怎么接到你的工作流

两种用法：

走 AMD Skills：装 hyperloom-workload-optimizer，直接对助手说「用 Hyperloom 把这个 Instinct 上的推理吞吐再抬一截」。
走官方 CLI：按 Run a Hyperloom optimization 启动会话，例如指定框架、模型路径、TP / CONC / ISL / OSL 和目标增益。

它不会替代 7.14.0 已经有的 rocprofiler-sdk。7.14.0 把 PyTorch Profiler 后端切到了 rocprofiler-sdk；10.0.0 继续加 rocSHMEM / hipFile / OpenMP 追踪、HIP Graph 逐节点归属，以及 gfx1150 / 1151 / 1152 的 Roofline。Hyperloom 吃的就是这些 trace，再往上做「改代码」这一跳。

5. 重点三：ROCm CLI

5.1 一条命令走完的那一层

ROCm CLI 是 ROCm.AI 的命令行面。它是单个预编译二进制，Linux / Windows x86_64 都能装，不要求机器上已经有 ROCm、Python 或 Rust。当前是 Technology Preview：命令和界面还可能变，但从 7.13 起就能管多版本运行时；10.0 正式支持按官方说明会随后跟上。

Linux / WSL：

bash

curl -fsSL https://raw.githubusercontent.com/ROCm/rocm-cli/main/install.sh | sh

Windows PowerShell：

powershell

irm https://raw.githubusercontent.com/ROCm/rocm-cli/main/install.ps1 | iex

日常就这几条：

bash

rocm                 # 启动器：安装 / 服务 / 诊断 / 聊天 / 仪表盘
rocm examine         # 看 GPU、驱动、ROCm、引擎是否就绪
rocm install sdk     # 把 TheRock wheel 装进 CLI 托管的 Python 环境
rocm install driver  # Linux 上装 amdgpu 驱动
rocm serve qwen      # 拉起本地 OpenAI 兼容推理服务
rocm dash            # 全屏遥测（Linux / WSL）

7.14.0 的路径是「人自己 uv venv + 填 extras + 对镜像 tag」。10.0.0 多了一条托管路径：rocm install sdk 负责下载 TheRock wheel 和配套 PyTorch，rocm examine 负责告诉你缺的是驱动、权限还是运行时，rocm serve 按 GPU 选引擎——Ryzen / Radeon 走 Lemonade（GGUF），Instinct 走 vLLM（safetensors）。

5.2 它比「再写一套安装脚本」多在哪

多运行时并存：rocm runtimes activate / rollback，同一台机器可以挂多个 ROCm，升级能回滚。
引擎适配：现在是 Lemonade（客户端）和 vLLM（Instinct）；Windows 目前有 CLI + Lemonade，没有 live dashboard / vLLM。
给 AI 助手留了口：rocm-doctor 会薄薄包一层 examine / diagnose / fix，Skills 和 CLI 是同一套状态机。
隔离旧环境：机器上如果已经有 7.14.0 的 /opt/rocm 或手建 .venv，rocm examine 会标成 legacy_rocm_status: detected_unmanaged，再 rocm install sdk 不会直接覆盖，而是在旁边建托管运行时。

最低 Linux 要求是 Ubuntu 24.04（glibc 2.38+）。Ubuntu 22.04 跑不了这份预编译 Lemonade。macOS 没有官方包。

hello-rocm 仍然把 uv pip 写成可复现基线，方便对照官方 wheel 版本。新机器如果只想先跑起来，可以优先试 ROCm CLI，再用本页和环境基线核对版本。

6. 平台与软件栈还变了什么

6.1 安装与分发

GPU 软件开始往 stable.repo.amd.com 收：ROCm 包、amdgpu 驱动、公开工具同一套布局，多版本、多架构可以并排放。
pip 主索引从 repo.amd.com/rocm/whl-multi-arch/ 换成 stable.repo.amd.com/rocm/whl-next/。[device-gfxXXXX] extras 没变。
已安装的 RPM / DEB / runfile 包改为嵌入 RPATH（不再是 RUNPATH），二进制会优先解析自己那棵 ROCm 库，减少一台机器多版本时被 LD_LIBRARY_PATH 带跑。tarball 仍用 RUNPATH，方便自己拼环境。
Windows 上 HIP SDK 退役，和 Linux 共用 Core SDK 与发版节奏。当前 Windows 以 tarball 为主，原生安装器要到 2026 年晚些时候。

6.2 框架与镜像

本项目 pip 基线对齐官方推荐：

bash

uv pip install --index-url https://stable.repo.amd.com/rocm/whl-next/ \
  "torch[device-gfx1151]==2.13.0+rocm10.0.0" \
  "torchvision[device-gfx1151]==0.28.0+rocm10.0.0" \
  "torchaudio==2.11.0.2+rocm10.0.0"

vLLM 官方验证镜像（注意：镜像内 PyTorch 是 2.12.0，和 pip 的 2.13.0 不要混写）：

bash

docker pull rocm/vllm:rocm10.0.0_ubuntu24.04_py3.14_pytorch_2.12.0_vllm_0.27.0

另外还有 Ryzen AI MAX 上的 Unsloth 本地微调，以及 ComfyUI 对 Wan2.2、FLUX.2 KLEIN、SD 3.5 等模型的现成优化。这些会逐步补进 02-Fine-tune / 实践案例，不挡 01-Deploy 先升级环境。

6.3 通信、数学库、工具

RCCL / rocSHMEM：这是 10.0.0 里投资最大的一块。RCCL 跟上游 NCCL 的合并推进到 2.30.4，补对称内存、GPU 发起网络（GIN）、Python API；rocSHMEM 继续追 NVSHMEM 3.6.5 的 API 缺口。
hipBLASLt：可在本地给自己的 GEMM 形状做 kernel 选择，权重不用离开机房。
ROCm Optiq 1.0 GA：把 Systems Profiler 时间线和 Compute Profiler 分析放进同一个可视化环境。
ASAN 包：7.14.0 缺的 Address Sanitizer 包，10.0.0 可以当普通包来装。

7. 对 hello-rocm 读者的升级建议

新装机器：按环境基线走 uv pip + ROCm 10.0.0；如果只想先验证 GPU，用 rocm examine / rocm install sdk。
已经在 7.14.0 上跑通的人：不必为了版本号立刻重装。要新框架（PyTorch 2.13 / vLLM 0.27）或 ROCm.AI 再升。升级前先卸旧 HIP SDK / 旧 wheel，Windows 驱动升到 Adrenalin 26.8.1。
用 AI 写代码的人：在现有 hello-rocm Skill 之外，再装一份 amd/skills。两套可以并存。
有 Instinct、要抠吞吐的人：把 Hyperloom 当成 10.0.0 的主菜，而不是再手写一轮 kernel 调参笔记。
Radeon / Ryzen 本地部署：环境命令已经切到 10.0.0；LM Studio / Ollama / llama.cpp 的操作步骤大体不变，变的是底层 ROCm / 驱动版本。

8. 官方入口

资源	链接
ROCm 10.0.0 文档首页	https://rocm.docs.amd.com/en/latest/
Core SDK Release Notes	https://rocm.docs.amd.com/en/latest/about/release-notes.html
安装选择器	https://rocm.docs.amd.com/en/latest/install/rocm.html
兼容性矩阵	https://rocm.docs.amd.com/en/latest/compatibility/compatibility-matrix.html
TheRock 迁移指南	https://rocm.docs.amd.com/en/latest/about/transition-guide-TheRock.html
官方解读博客	https://rocm.blogs.amd.com/ecosystems-and-partners/rocm-x-blog/README.html
ROCm.AI 新闻稿	https://newsroom.amd.com/news/rocm-10-software-ai-native-developer-experiences/
AMD Skills	https://github.com/amd/skills
ROCm CLI	https://github.com/ROCm/rocm-cli
Hyperloom 文档	https://rocm.docs.amd.com/projects/hyperloom/en/latest/
Hyperloom 源码	https://github.com/AMD-AGI/Hyperloom

ROCm 10.0.0 版本说明：从 7.14.0 到 ROCm.AI ​

1. 一张表看完 7.14.0 → 10.0.0 ​

2. 为什么从 7 跳到 10 ​

3. 重点一：AMD Skills ​

3.1 它到底是什么 ​

3.2 目录怎么分层 ​

3.3 和本仓库 hello-rocm Skill 怎么分工 ​

4. 重点二：Hyperloom ​

4.1 它解决什么问题 ​

4.2 里面有哪些零件 ​

4.3 怎么接到你的工作流 ​

5. 重点三：ROCm CLI ​

5.1 一条命令走完的那一层 ​

5.2 它比「再写一套安装脚本」多在哪 ​

6. 平台与软件栈还变了什么 ​

6.1 安装与分发 ​

6.2 框架与镜像 ​

6.3 通信、数学库、工具 ​

7. 对 hello-rocm 读者的升级建议 ​

8. 官方入口 ​

ROCm 10.0.0 版本说明：从 7.14.0 到 ROCm.AI

1. 一张表看完 7.14.0 → 10.0.0

2. 为什么从 7 跳到 10

3. 重点一：AMD Skills

3.1 它到底是什么

3.2 目录怎么分层

3.3 和本仓库 hello-rocm Skill 怎么分工

4. 重点二：Hyperloom

4.1 它解决什么问题

4.2 里面有哪些零件

4.3 怎么接到你的工作流

5. 重点三：ROCm CLI

5.1 一条命令走完的那一层

5.2 它比「再写一套安装脚本」多在哪

6. 平台与软件栈还变了什么

6.1 安装与分发

6.2 框架与镜像

6.3 通信、数学库、工具

7. 对 hello-rocm 读者的升级建议

8. 官方入口