AMD está acelerando el desarrollo de su plataforma de software ROCm en su esfuerzo por ganar cuota de mercado frente a la plataforma CUDA de Nvidia. La compañía está adoptando un modelo de desarrollo centrado en el software para hacer que sus herramientas de aceleración de IA sean más fiables y fáciles de implementar.
Anush Elangovan, vicepresidente de software de IA de AMD, describió este esfuerzo como una escalada larga y progresiva. "Es como subir una montaña: un paso tras otro", declaró Elangovan a EE Times. "Fijas el rumbo, te concentras, y lo demás viene solo".
Elangovan se unió a AMD hace dos años y medio tras la adquisición de su startup, Nod.ai. Su equipo aportó una profunda experiencia en compiladores de IA y automatización, la cual se ha integrado desde entonces en la infraestructura central de ROCm.
Hacia un ritmo de lanzamientos al estilo 'Chrome'
AMD está moviendo ROCm hacia un ciclo de actualizaciones de seis semanas para mejorar la fiabilidad y la coherencia para los usuarios empresariales. Elangovan comparó este objetivo con la experiencia de Google Chrome, donde el versionado subyacente se vuelve invisible para el usuario final.
"En aquel entonces, ROCm era solo una colección de piezas", señaló Elangovan, refiriéndose al estado del software antes de la reciente oleada de inversiones. "Ahora estamos distribuyendo software como una empresa de software. Llegaremos a un punto en el que simplemente funcionará y se volverá invisible".
Esta estrategia se centra en "OneROCm", una iniciativa interna para unificar la pila de software en toda la oferta de hardware de AMD, incluyendo CPU, GPU y FPGA. Al estandarizar la plataforma, AMD pretende hacer que su hardware sea más portátil y accesible para los desarrolladores.
La apuesta por la portabilidad también aprovecha el framework de código abierto Triton de OpenAI. Según Elangovan, Triton se ha convertido en el "gran igualador" de la programación de GPU, permitiendo a los desarrolladores escribir núcleos (kernels) que funcionan tanto en hardware de AMD como de Nvidia sin necesidad de una conversión manual exhaustiva.
"Antes, todo consistía en convertir núcleos CUDA a núcleos HIP", explicó Elangovan. "Pero, cada vez más, la gente ha optado por Triton, lo que permite escribir un núcleo y ejecutarlo tanto en AMD como en Nvidia. Y nosotros hemos invertido mucho en ello".
A medida que AMD escala estos esfuerzos, el equipo también mira hacia la ingeniería asistida por IA para acelerar los futuros ciclos de desarrollo. La compañía apuesta a que este enfoque en la agilidad del software terminará erosionando la ventaja competitiva que actualmente rodea al ecosistema CUDA de Nvidia.
