AMD desafía el monopolio del software CUDA de NVIDIA con ROCm.AI: así es la plataforma de IA que automatiza el código para GPU

Además de la plataforma EPYC 9006 Venice, AMD nos ha dado otras noticias importantes. El mercado del hardware de aceleración gráfica ha estado condicionado históricamente por el ecosistema de software CUDA de NVIDIA. Para romper este esquema persistente, AMD ha presentado oficialmente la plataforma ROCm.AI, un conjunto de herramientas diseñado para automatizar por completo el desarrollo y la optimización de código en procesadores gráficos mediante agentes inteligentes.

Según remarca la propia AMD, la adopción de modelos abiertos de IA por parte de la comunidad ha experimentado un crecimiento acelerado durante los últimos meses. Con más de tres millones de modelos en Hugging Face funcionando de forma nativa, la compañía busca universalizar el acceso a la computación avanzada, reduciendo las barreras de entrada que antes obligaban a los desarrolladores a permanecer en plataformas propietarias.

Uno de los pilares de este anuncio es el lenguaje FlyDSL, un entorno basado en Python que simplifica la programación de bajo nivel. A través de este sistema, los programadores pueden expresar algoritmos complejos sin lidiar con código C++, logrando mantener o incluso superar el rendimiento que se obtenía previamente mediante la escritura manual de instrucciones.

Optimización de código sin intervención humana gracias a agentes de inteligencia artificial

La mayor innovación técnica radica en el motor Hyperloom, capaz de gestionar el ciclo de vida del software sin requerir intervención humana. Este agente analiza el estado del sistema y reescribe los kernels de GPU de forma autónoma, identificando cuellos de botella y ajustando los parámetros de servicio para maximizar el rendimiento.

Para integrarse en los entornos de trabajo existentes, la empresa ha añadido compatibilidad con los asistentes de programación más populares del mercado. Plataformas como Cursor, Claude, Codex y Gemini pueden actuar como usuarios expertos en ROCm, ejecutando diagnósticos y desplegando modelos mediante comandos de voz o texto en interfaces simplificadas.

Los avances entre versiones de software muestran saltos significativos en la velocidad de procesamiento de datos. En tareas de inferencia, la nueva versión alcanza una mejora media del rendimiento de 3,3 veces, acelerando la ejecución de modelos avanzados de lenguaje como DeepSeek-R1, GLM-5 y Kimi-K2.5 sin necesidad de modificar el hardware.

Rendimiento que se multiplica de forma continua en tareas de entrenamiento masivo

El impacto de estas optimizaciones no se limita a la generación de respuestas, sino que abarca también el entrenamiento de grandes arquitecturas. Las pruebas internas registran un incremento medio de 2,4 veces en la velocidad de entrenamiento, beneficiando a proyectos de código abierto como DeepSeek-V3 y Qwen3-30B mediante técnicas avanzadas de paralelización.

La estrategia de la compañía se apoya en ciclos de actualización extremadamente cortos que entregan mejoras semanalmente. En configuraciones con aceleradoras Instinct ejecutando modelos como DeepSeek V4 Pro, el rendimiento de procesamiento se ha multiplicado por 5,3 tras diez semanas de optimización continua, superando los ritmos tradicionales de desarrollo.

Este enfoque directo resuelve uno de los problemas históricos de las alternativas a NVIDIA: la falta de librerías maduras y adaptadas a las necesidades reales del sector. Al combinar gestión avanzada de memoria unificada y cuantización de caché KV, la plataforma elimina los tiempos muertos en la comunicación entre procesadores.

Un ecosistema abierto diseñado para escalar desde sistemas locales hasta centros de datos

La llegada de esta solución está prevista para agosto de 2026. La empresa busca desplegar su arquitectura en toda la gama de productos, permitiendo que las mismas herramientas funcionen desde ordenadores compactos y estaciones de trabajo hasta grandes armarios de servidores en centros de datos. La integración con entornos de ejecución populares como PyTorch, vLLM y SGLang garantiza que las empresas puedan migrar sus cargas de trabajo sin realizar reescrituras profundas. Esta flexibilidad facilita que los centros de supercomputación adopten hardware alternativo a Intel o NVIDIA, reduciendo drásticamente los costes operativos globales.

La apertura del código fuente sigue siendo la baza principal para consolidar esta alternativa frente a las soluciones cerradas. Al multiplicar por diez las contribuciones a proyectos de software libre, la industria obtiene un ecosistema neutral en el que los avances benefician a toda la comunidad de desarrolladores de forma simultánea.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!