您的位置首页 >数码 >

AMD ROCm HRX Loom 0.2 正式发布,升级完善 GPU 与 NPU 统一部署能力

AMD ROCm HRX Loom 0.2 版本已经正式推出,它是面向 AI 智能体工作流的编译、运行、部署一体化基础设施,在上一版 0.1 的基础上重点补齐 C++ 完整编程能力,同时完善打包式 AMD GPU、NPU 还有 Vulkan 执行链路,通过统一硬件抽象层消除不同硬件的适配差异,解决过去多硬件编译开销大、运行时碎片化、内存管理不统一的痛点,支持 RDNA、CDNA 架构 GPU 以及 AIE2P NPU 协同调度,统一内存模型让 CPU、GPU、NPU 之间的数据交互更顺畅,开发者可以用一套代码编译适配多个硬件目标,降低 AI 智能体、大模型推理在 AMD 异构硬件上的部署调优成本,新版本还砍掉老旧驱动与运行时路径,进一步简化整套 ROCm 软件栈。

一、Loom 0.2 核心新增与优化内容

优化项目详细说明
C++ 能力升级支持完整 C++ 程序编写,新增运行时托管对象、有状态有限服务,适配 AI 智能体长流程任务
编译器增强共享目标编译器支持 x86、AIE2P、AMDGPU、SPIR‑V、WebAssembly 多目标编译
性能开销优化消除 JIT 编译、图构建更新、GPU 调度回放里的固定开销和超线性性能损耗
硬件抽象统一全部切换 libamdf 统一 AMD 硬件抽象层,统一使用--device=amdgpu参数选择设备
异构内存协同CPU、GPU、NPU 统一内存约定,支持资源自选、协同执行、虚拟地址映射、可复用命令缓冲区
老旧组件清理移除旧版 ROCr 驱动、legacy‑amdgpu 选择器、独立运行时和旧内存管理路径,减少碎片化
硬件架构兼容原生支持 RDNA 消费级显卡、CDNA Instinct 专业加速卡,搭配 AIE2P NPU

二、Loom 在 AI 部署里的角色定位

Loom 属于 ROCm HRX 体系里的底层编译部署框架,不是上层推理框架,主要负责把 AI 智能体相关的内核、异步设备程序做特化编译,再调度到不同 AMD 硬件上跑起来。

  1. 面向 AI Agent 工作流设计,支持有状态、长时序的智能体任务,不只是单次模型推理
  2. 一套源码,编译时可以定向适配 GPU 或者 NPU,也可以拆分成多硬件协同运行
  3. 自带配套工具:loom-fetch 拉取模型、loom-serve 提供 HTTP 原生推理服务,从模型获取到上线服务链路打通
  4. 自带测试、校验、基准测试能力,编译阶段就能做正确性验证,减少上线后问题

三、开发者使用的基础流程

  1. 准备 C++ 源码或者 Loom 程序源文件,编写智能体任务、算子逻辑
  2. 调用 Loom 编译器,指定目标硬件(AMDGPU / AIE2P NPU 等),编译器自动做特化优化
  3. 编译完成后,依托 libamdf 硬件抽象层加载到目标硬件执行
  4. 多硬件场景下,开启统一内存,CPU、GPU、NPU 自动协同调度,数据直接互通
  5. 使用 loom-serve 把程序封装成线上服务,对外提供推理接口,过程中可复用命令缓冲区提升吞吐

四、Loom 0.2 和 0.1 版本的主要差别

  • 0.1:完成基础多硬件编译框架,打通 GPU、NPU 基础部署,属于早期预览版本
  • 0.2:补齐完整 C++ 开发能力,新增有状态服务,统一硬件抽象接口,清理老旧驱动路径,解决 JIT 等环节性能损耗,GPU+NPU 协同部署稳定性大幅提升

五、适用场景清单

  • 异构硬件上的 AI 智能体、多步骤 Agent 任务部署
  • 同时用到 AMD GPU 和 AIE2P NPU 的混合推理方案
  • 需要一套代码同时适配消费级 RDNA、专业 CDNA 加速卡的跨硬件项目
  • 追求低调度开销、可复用命令缓冲区的高吞吐推理服务

【常见问题】

问题 1:AMD ROCm HRX Loom 0.2 完善 GPU 与 NPU 部署能力,Loom 是一个大模型推理框架吗?

回答 1:不是,AMD ROCm HRX Loom 0.2 是面向 AI 智能体工作流的编译、运行、部署基础设施,偏向底层编译调度,用来把程序编译调度到 GPU、NPU 上执行,它可以配合模型封装成推理服务,但不属于 PyTorch、ONNX Runtime 这类上层推理框架。

问题 2:AMD ROCm HRX Loom 0.2 完善 GPU 与 NPU 部署能力,Loom 0.2 支持哪些硬件?

回答 2:AMD ROCm HRX Loom 0.2 支持 RDNA、CDNA 架构 AMDGPU,同时支持 AIE2P NPU,编译器还支持 x86、SPIR‑V、WebAssembly 等目标,依托统一硬件抽象层管理这些异构硬件。

问题 3:AMD ROCm HRX Loom 0.2 完善 GPU 与 NPU 部署能力,新版本统一硬件抽象层有什么好处?

回答 3:AMD ROCm HRX Loom 0.2 切换到 libamdf 统一硬件抽象层之后,统一使用--device=amdgpu参数,不用区分旧的硬件选择器,代码适配 GPU、NPU 更简单,同时移除老旧运行时路径,降低 ROCm 软件栈碎片化,方便 GPU 和 NPU 联合部署。

问题 4:AMD ROCm HRX Loom 0.2 完善 GPU 与 NPU 部署能力,Loom 0.2 对比 0.1 最大升级点是什么?

回答 4:AMD ROCm HRX Loom 0.2 对比 0.1,最大升级是拓展完整 C++ 程序编写能力、新增运行时托管对象和有状态有限服务,同时优化 JIT 编译、调度回放的性能开销,正式完成 GPU 与 NPU 打包式执行能力完善,清理老旧驱动组件。

【参考资料】

[2026-11-17](AMD ROCm HRX Loom 0.2 正式发布:完善 GPU 与 NPU 部署能力)腾讯新闻

[2026-11-17](AMD ROCm HRX Loom 0.2 版本更新说明)快科技

[2026-11-16](AMD ROCm HRX's Loom 0.2 Expands C++ Support, Improved Targeting)Phoronix

[2026-10-30](AMD ROCm HRX Loom 0.1 发布,开启 CPU/GPU/NPU 统一编译)快科技

[2026-10-30](ROCm HRX Loom 官方文档:编译与部署指南)GitHub ROCm 官方仓库

【免责声明】

本文内容为 AMD ROCm HRX Loom 0.2 版本技术科普参考,Loom 支持的硬件范围、编译特性、性能优化效果会随后续版本迭代持续调整,不同型号 GPU、NPU 的适配情况、运行性能存在差异,具体开发接口、兼容清单请以 AMD ROCm 官方 GitHub 文档和 Release 公告为准,本文不构成项目开发适配承诺。

今日大家都在搜的词: