A AMD lança o Loom SDK v0.1 do ROCm HRX: um compilador unificado para as CPU, GPU e NPU com foco em workloads agênticos e inferência otimizada. Veja como instalar e testar.
Uma virada de chave no ecossistema de software da AMD
Durante o evento AMD Advancing AI deste ano, a AMD apresentou o Hyperloom como uma das grandes apostas para o futuro do ROCm.
A promessa é ambiciosa: otimização de workloads agênticos e ganhos de desempenho que, se confirmados na prática, podem mudar a forma como desenvolvedores extraem performance do hardware AMD .
Como parte desse movimento, a empresa liberou o Loom SDK v0.1, o primeiro lançamento oficial do projeto dentro do sistema ROCm HRX (HIP Runtime Extended) .
O Loom não é apenas mais uma ferramenta no vasto ecossistema ROCm. Ele chega como um compilador especializado e uma pilha de IR (Representação Intermediária) projetada para tratar kernels e programas assíncronos de dispositivos de forma unificada.
A documentação oficial descreve que o Loom compila kernels, vincula programas de modelo e os especializa para execução em CPUs, GPUs AMD e NPUs AMD, carregando fatos de origem, configuração, casos de correção e relatórios de compilação por todo o caminho de autoria e execução .
Para quem acompanha o ecossistema de IA e computação de alto desempenho, esse é um daqueles anúncios que merecem atenção redobrada.
A AMD vem consistentemente expandindo sua stack de software para competir de igual para igual com a NVIDIA, e o Loom representa um passo importante nessa direção: a criação de uma camada de compilação que fala a língua de múltiplos aceleradores sem exigir que o desenvolvedor reescreva tudo para cada um deles.
O que exatamente é o Loom e por que ele importa
O hrx-loom SDK empacota o compilador, o runtime, as APIs Python e um conjunto de ferramentas de linha de comando.
Entre os comandos disponíveis, dois se destacam para quem quer testar rapidamente: o loom-fetch, que instala programas e ativos selecionados de um modelo, e o loom-serve, que carrega o cartão resultante e serve requisições via HTTP .
Na prática, isso significa que você pode baixar um modelo compatível, especializá-lo para o seu hardware e colocá-lo em produção local com poucos comandos.
A documentação do Loom deixa claro o escopo: ele suporta a emissão de AMDGPU HSA para execução em GPU, SPIR-V/Vulkan para execução portátil, e tem suporte a x86 e WebAssembly ainda em maturação .
Ou seja, a ambição é cobrir desde o datacenter com o Instinct até o cliente com NPUs XDNA, passando por GPUs integradas e dedicadas.
Um detalhe técnico que vale destacar: diferentemente da abordagem tradicional do HIP, que depende de subprocessos do LLVM/clang, o Loom foi construído sobre uma arquitetura de compilação assíncrona nativa.
Segundo análises especializadas, isso permite compilar kernels assíncronos diretamente para objetos HSACO ELF64LE nativos para a AMDGPU, com tempos de compilação que podem ficar abaixo de 2 milissegundos em cenários otimizados .
Para os workloads agênticos, onde a latência de inicialização e o tempo de resposta importam tanto quanto o throughput bruto, essa característica é particularmente relevante.
Produto Recomendado
Quer levar seus arquivos com você sem complicação? Com o Case para HD/SSD Externo 2.5 SATA, você transforma um HD ou SSD SATA de 2,5 polegadas em uma unidade externa prática, compacta e protegida. Ideal para backups, arquivos de trabalho, fotos, vídeos e games.
A instalação é simples: encaixe o HD/SSD no case e conecte ao computador ou notebook. O case ajuda a proteger o disco contra poeira e pequenos impactos, além de facilitar o transporte no dia a dia.
Destaques do produto:
- Compatível com HD e SSD SATA de 2,5 polegadas
- Transforma disco interno em unidade externa portátil
- Proteção extra para o seu HD/SSD
- Compacto e fácil de transportar
- Ideal para backups e armazenamento adicional
Compre agora e deixe seus arquivos sempre por perto!
👉 https://link.amazon/B04OTHIYs
Eu ganho uma comissão quando você faz uma compra.
Hyperloom: o que esperar da promessa agêntica
O Hyperloom, anunciado no mesmo evento, é a camada que a AMD posiciona como o futuro da otimização autônoma de inferência.
A ideia é que o sistema seja capaz de perfilhar um workload, identificar gargalos, explorar caminhos de otimização, implementar mudanças no código e validar os resultados por meio de benchmarks e testes de correção . Em outras palavras: um agente que ajusta o código para você, mirando ganhos de performance em frameworks como vLLM e SGLang.
É importante ser honesto aqui: o Hyperloom ainda é uma promessa em desenvolvimento. O que temos hoje, de concreto e instalável, é o Loom SDK v0.1. O Hyperloom representa o horizonte de para onde a AMD está indo, mas o Loom é o tijolo fundamental que já está disponível para experimentação .
Para desenvolvedores que querem se antecipar às mudanças, começar a explorar o Loom agora é a forma mais inteligente de se preparar para o que vem depois.
Como instalar e testar o Loom SDK v0.1
A instalação é surpreendentemente simples para um SDK de compilador. O pacote está disponível no PyPI como hrx-loom, e você pode instalá-lo com pip em um ambiente virtual com Python 3.12 ou superior .
python -m venv .venv source .venv/bin/activate # Linux # .venv\Scripts\Activate.ps1 # Windows PowerShell python -m pip install hrx-loom loom-serve --help
Os requisitos de plataforma para esta versão inicial incluem Linux x86-64 com glibc 2.39 ou superior e Windows 11 x86-64. No Linux, é necessário ter uma runtime C++ que forneça GLIBCXX_3.4.31 (Ubuntu 24.04 com o pacote padrão libstdc++6 atende).
No Windows, o Microsoft Visual C++ v14 x64 Redistributable é necessário. Um ponto importante: a execução em AMD usa a libamdf e requer um driver de dispositivo compatível, mas não exige a instalação do ROCm SDK completo . Isso reduz bastante a barreira de entrada para quem quer apenas testar.
Para baixar e servir um modelo, o fluxo é igualmente direto. O exemplo da documentação usa o modelo Moonshine Streaming Tiny em uma GPU AMD:
python -m pip install 'hrx-loom[hf]' loom-fetch https://raw.githubusercontent.com/ROCm/hrx-loom-library/.../model.json --preset=streaming --output=./moonshine loom-serve --model=./moonshine/model.json --device=amdgpu
Os dispositivos disponíveis são cpu, amdgpu e xdna (para NPU AMD). O comando loom-run --list_drivers lista os drivers instalados . Vale notar que os pesos dos modelos são baixados separadamente; o SDK não contém checkpoints
Checklist rápido para começar com o Loom
□ Verificar se o sistema atende aos requisitos: Linux x86-64 com glibc 2.39+ ou Windows 11 x86-64.
□ Instalar Python 3.12 ou superior e criar um ambiente virtual.
□ Instalar o pacote com pip install hrx-loom (e opcionalmente [hf] para integração com Hugging Face).
□ Confirmar que o driver de dispositivo AMD está instalado e acessível (sem necessidade do ROCm SDK completo).
□ Rodar loom-run --list_drivers para verificar os drivers disponíveis.
□ Testar o loom-fetch com um modelo do catálogo compatível.
□ Subir o loom-serve apontando para o modelo baixado e validar a resposta HTTP.
□ Consultar o Loom programming guide oficial para entender a sintaxe e as capacidades de especialização.
Questionário de verificação
1. Qual é a principal diferença conceitual entre o Loom e a abordagem tradicional do HIP em relação à compilação?
Resposta esperada: O Loom usa uma arquitetura de compilação assíncrona nativa que gera código AMDGPU HSA diretamente, sem depender de subprocessos do LLVM/clang como no fluxo tradicional do HIP, o que reduz latência de compilação .
2. Quais são os três tipos de hardware que o Loom SDK v0.1 declara suportar como alvos de compilação e especialização?
Resposta esperada: CPUs (x86, com WebAssembly em maturação), GPUs AMD (via AMDGPU HSA e SPIR-V/Vulkan) e NPUs AMD .
3. O que é necessário para instalar e executar o Loom SDK v0.1 em uma GPU AMD?
Resposta esperada: Python 3.12+, pip, um ambiente virtual, driver de dispositivo AMD compatível (libamdf), mas não é necessário instalar o ROCm SDK completo .
Conclusão
O Loom SDK v0.1 é o primeiro passo concreto da AMD rumo a uma stack unificada: um compilador que trata CPU, GPU e NPU como alvos de primeira classe, instala via pip, dispensa o ROCm completo e já serve modelos por HTTP com poucos comandos.
O Hyperloom — otimização agêntica autônoma — ainda é promessa, não realidade instalável. Para quem desenvolve IA e HPC, o recado é claro: a AMD está atacando a raiz do problema, a portabilidade entre aceleradores. Vale instalar, testar e acompanhar de perto.
Nenhum comentário:
Postar um comentário