AMD ROCm 10.1 发布：hipFI... — Analysis
据StorageReview报道，AMD于2026年10月5日正式发布ROCm 10.1版本，重点攻克AI工作负载中的存储瓶颈。随着模型检查点、键值缓存和模型权重文件日益庞大，数据搬运时间已超越计算时间成为主要迭代瓶颈。ROCm 10.1通过AMD Infinity Storage堆栈的深度升级，将存储访问直接集成到HIP运行时，并新增NUMA感知主机内存分配，使数据无需经过CPU内存中转即可直达GPU。AMD官方新闻稿证实，该版本在ROCm 7.14引入的直接存储架构基础上，新增了hipFILE异步快路径和批量I/O接口，同时编译器升级至LLVM 24，并正式推出ROCm CLI v1.0.0与AMD SMI（取代ROCm SMI）。
海报曝光hipFILE异步快路径：消除主机内存中转
传统GPU存储路径中，数据从NVMe硬盘读取后需先暂存到系统内存（CPU内存中继），再由CPU控制拷贝至显存，这一过程增加了延迟并消耗内存带宽。AMD在ROCm 10.1中为hipFILE库新增了异步快路径后端：读写请求直接在HIP流（stream）上执行，完全跳过主机内存阶段。据AMD介绍，该设计显著降低检查点引擎和KV缓存卸载的延迟，同时保持持续带宽。hipFileReadAsync()和hipFileWriteAsync()两个新函数已支持该快路径。
花絮曝光此外，批量I/O API允许一次提交多个文件请求，并在内部线程池中分散执行，使训练大数据集时存储队列始终饱满。与之配套的遥测接口hipFileGetStatsL1、L2、L3可分别提供不同粒度的I/O统计信息，这些计数器可直接注入ROCm剖析器，帮助运维人员判断流水线瓶颈位于计算、内存还是数据交付环节。
幕后故事NUMA感知主机内存：消除跨插槽通信损耗
在多路服务器上，若缓冲区分配在非本地NUMA节点，每次传输都会产生跨插槽延迟。ROCm 10.1扩展了HIP虚拟内存管理API，新增hipMemLocationTypeHostNuma和hipMemLocationTypeHostNumaCurrent两种位置类型。开发者可通过完整的创建、保留、映射、销毁生命周期将主机内存指定到特定NUMA节点。RCCL等库可利用此特性构建NUMA本地的零拷贝通信缓冲区，使主机到设备的数据传输完全避开插槽互连。AMD表示，这一改进对两插槽系统的整体吞吐量提升尤为关键。
拍摄趣事
| 特性 | 传统路径 | ROCm 10.1 优化 | 收益 |
|---|
| --- | --- | --- | --- |
|---|
| 数据传输 | 硬盘→系统内存→GPU | 硬盘→GPU (跳过系统内存) | 延迟降低，带宽保持 |
|---|
| 内存放置 | 随机NUMA节点 | NUMA感知分配 (单/当前节点) | 消除跨插槽开销 |
|---|
| I/O提交 | 单请求 | 批量提交 + 线程池 | 队列饱满，训练吞吐提升 |
|---|
| 遥测 | 粗略统计 | L1/L2/L3 分级I/O统计 | 精准定位瓶颈 |
|---|
ROCm CLI v1.0.0 与AI Agent工作流
ROCm CLI达到v1.0.0，作为单一二进制文件支持Linux、Windows和WSL2，可自动安装、配置并运行本地AI工作负载。它检测vLLM所需的flash-attn和amd-aiter轮子，适配ROCm 10的新包布局，并新增完全非交互安装标志，便于脚本化和CI环境。全屏TUI仪表板同时显示GPU实时遥测、模型服务和本地聊天窗口，方便验证端点是否正常响应。
AMD Skills（面向编码代理的集成包）新增两项：quark-install用于安装AMD Quark及配套PyTorch构建；quark-torch-llm-ptq针对PyTorch和Hugging Face大语言模型执行后训练量化（支持FP8、INT4等方案）。这些集成可直接服务于Claude Code、Codex等编码智能体。
剖析与遥测现代化：内核重放与AMD SMI
ROCprofiler-SDK引入内核重放功能（beta阶段）。GPU硬件每次分发暴露的计数器数量有限，过去收集完整计数器集需每个计数器组重跑整个应用程序。内核重放就地重新执行每个分发，并在两次执行间重置GPU内存，单次运行即可收集全部计数器。SDK还支持在PyTorch Kineto和Triton Proton运行期间随时启停剖析，并提供一个PC采样代理Skill，引导编码智能体通过rocprofv3 PC采样查找计算停顿。
ROCm Compute Profiler的Roofline报告现已生成交互式HTML页面，工程师可隔离单个内核并切换缓存级算术强度轴。PC采样报告可细分到每个内核的采样数和停顿数。ROCm Systems Profiler新增对Gorgon Point 1/2/3 APU（gfx1150/1152/1153）的Linux跟踪支持，ROCm Optiq可同时可视化rocprofv3、Systems Profiler和Compute Profiler的分析结果。
AMD SMI（amd-smi）正式取代ROCm SMI，后者在本版本中从标准构建中移除。amd-smi覆盖AMD GPU、CPU和APU，支持Linux和Windows、裸机和虚拟化环境，提供CLI、C库（amd_smi_lib）、Python、Go和Rust绑定。容器感知已扩展至containerd、CRI-O、Podman、LXC、LXD及Kubernetes Pod，集群管理员可将GPU进程和利用率与运行该进程的容器一一对应。
核心编译器与运行时更新
工具链从LLVM 23升级至LLVM 24，clang_major宏现返回24。依赖编译器版本或链接libLLVM的开发者需在升级前进行兼容检查。增量构建通过缓存设备代码LTO分区的分区缓存得到加速，未变更的分区可在下次构建时复用。
Composable Kernel加速了Radeon GPU上的注意力运算，并新增更多量化矩阵乘法类型。MIGraphX将后端编译器从rocMLIR切换到rocMLIRTriton，AMD称此举可提升推理性能、缩短模型编译时间，并保持编译器与上游Triton同步。rocSPARSE支持直接在ELLPACK（ELL）格式矩阵上执行三角求解，无需事先格式转换。
hipThreads作为ROCm Core SDK线程库的新成员，将标准C++线程概念引入AMD GPU（Linux和Windows），目的是在不进行完整HIP内核重写的情况下加速现有CPU线程化代码。
Windows Subsystem for Linux 2进入技术预览，标准Linux包在客户机中安装，GPU半虚拟化将工作交给Windows主机驱动。预览期支持.deb包和Python轮子（不支持RPM），且剖析、调试和KFD相关工具在WSL2内暂不可用。虚拟化方面，KVM SR-IOV现已支持Ubuntu 26.04 LTS作为宿主机和客户机，搭配AMD GIM驱动版本9.3.0.K。
支持硬件列表扩展
新增Radeon AI PRO R9600，与Instinct MI355X、MI350X、MI350P、MI300系列、MI200系列、Radeon AI PRO R9700家族及Ryzen AI处理器共同列入支持列表。
Q&A
Q1: AMD ROCm 10.1中的hipFILE快路径是否要求特定硬件？
A1: 据AMD官方文档，hipFILE异步快路径支持所有基于ROCm的AMD GPU，包括Instinct MI300系列及更新的Radeon AI PRO系列。该功能通过软件栈实现，不依赖专用硬件加速器。但实际性能提升受NVMe SSD和PCIe带宽影响，建议搭配Gen5 SSD和PCIe 5.0平台使用。
Q2: 从ROCm SMI迁移到AMD SMI需要修改脚本吗？
A2: 是的。AMD SMI命令行接口和API与旧版ROCm SMI不兼容。AMD提供了迁移指南和兼容性工具（amd-smi-legacy），可临时兼容部分旧命令。建议开发者在升级ROCm 10.1后尽快将脚本迁移至新的amd-smi CLI或C库接口，以利用容器感知等新功能。
总结与展望
AMD ROCm 10.1通过hipFILE快路径、NUMA感知内存分配和LLVM 24编译器升级，直接回应了AI训练与推理中的存储瓶颈问题。随着AMD SMI全面接管监控、ROCm CLI达到正式版本，以及WSL2预览和更多硬件支持，ROCm生态在易用性和性能优化上迈出了关键一步。对于追求端到端数据搬运效率的高性能计算和AI开发者而言，这一版本提供了降低延迟、提升吞吐量的实质性工具。
Market Overview
AMD ROCm 10.1于2026年10月5日发布，引入hipFILE异步快路径、NUMA感知主机内存、LLVM 24、ROCm CLI 1.0及AMD SMI，显著降低AI训练中的存储延迟。了解直连GPU存储、批量I/O与遥测升级如何加速HPC工作负载。
