AMD ha deciso di tagliare corto con la numerazione di ROCm e passare da 7.14 a 10.0. Il salto, presentato sotto il nome ROCm.AI, arriva dopo mesi in cui la sequenza delle release era diventata un rebus: a luglio AMD aveva indicato ROCm 7.14 come versione di produzione costruita sul sistema di build TheRock e con supporto per Ryzen AI 400 series, mentre la stabile dell'epoca era ancora la 7.2 e i rami 7.9+ erano considerati tech preview. Dichiarare stabile la 7.14 non bastava a sciogliere il cortocircuito. Ora il passaggio a una major come 10.0 tenta di riportare ordine in un ecosistema che per anni ha convissuto con aspettative frammentate.

Il punto non è il numero in sé. Chi valuta GPU AMD per eseguire LLM in locale o su server proprietari ragiona su compatibilità tra driver, librerie, framework e immagini container, non su etichette di marketing. Un salto di major release, però, comunica una cesura: i team che avevano standardizzato su 7.14 devono capire se ROCm 10.0 introduce rotture di API o se il bump serve solo a riallineare la roadmap. La distinzione non è a costo zero. Nel deployment self-hosted, ogni migrazione di stack richiede validazioni su inference, gestione della VRAM e integrazione con gli scheduler interni. L'incertezza di versione, quando si prolunga, diventa una voce nascosta di TCO.

Il nome ROCm.AI, che accompagna il salto anche se la nota di partenza non ne dettaglia ancora i contorni, suggerisce una direzione precisa: non più solo calcolo generico o HPC, ma un polo software da posizionare accanto a CUDA nelle decisioni di acquisto per l'intelligenza artificiale on-premise. Il segnale strutturale è che AMD sta investendo in un prerequisito meno visibile delle prestazioni di picco: la prevedibilità. Versioni stabili, rami tech preview e major release sono il linguaggio con cui un vendor dice agli integratori e ai team IT quanto possano fidarsi nel costruire sopra la piattaforma. NVIDIA ha costruito parte della propria presa anche su questa disciplina; la confusione di ROCm 7.x ha invece spinto molti valutatori a restare in fase esplorativa.

Chi guadagna dalla mossa sono soprattutto gli ambienti enterprise che vogliono mantenere i dati dentro i propri rack ma evitano di legarsi a uno stack software che cambia senza coordinate. Chi perde, nel breve termine, sono i primi utilizzatori del ramo 7.14 e i team che avevano pianificato un percorso di aggiornamento incrementale: dovranno rifare i conti con una major che, almeno sul piano della comunicazione, separa il prima dal dopo. Non è detto che la distanza tecnica da CUDA si riduca; è più realistico che si riduca la distanza di fiducia. Per chi valuta deployment on-premise, il punto non è se ROCm 10.0 sia migliore in assoluto, ma quanto costi integrare la novità in pipeline esistenti: sono trade-off che AI-RADAR inquadra nei framework su /llm-onpremise.

Resta un interrogativo aperto: una major release può dichiarare ordine, ma non può da sola garantire che i progetti chiave dell'ecosistema open source la adottino rapidamente come target stabile. Il vero test sarà nei repository e nei container dei prossimi mesi.