AMDのAIエージェント「GEAK」はNvidia「CUDA」の牙城を崩せるか？ 最大の壁は社内GPUクラスター不足

NvidiaのCUDAによるソフトウェアの囲い込みに対するAMDの最も有力な対抗策は、GPUのスペックでも著名なパートナーシップでもなく、「GEAK」と呼ばれるカーネル記述AIエージェントと「Hyperloom」というオーケストレーションシステムの組み合わせである。人間のエンジニアがカーネルに手を触れることなく、出荷済みのシリコン上でエンドツーエンドのスループットを21.8%向上させたことが独立して確認されており、18年にわたるCUDAとの格差を埋める可能性を示している。しかし、AIエージェントによる開発モデルが社内のGPUクラスター不足を悪化させているという構造的な課題も浮き彫りになっている。

■ROCm.AIとGEAK/Hyperloomのループ

7月22〜23日にサンフランシスコで開催された「Advancing AI 2026」カンファレンスで発表されたAMDのソフトウェアプラットフォーム「ROCm.AI」は、2026年8月から提供が開始される。これは、競合力のあるAMDハードウェアが市場シェアを獲得するのを歴史的に阻んできたソフトウェアの格差を埋めるための、これまでで最も技術的に野心的な試みである。成功するかどうかは、ツールチェーンの洗練度よりも、エージェントが記述したコードを実際にテストするための安定したGPUクラスターを自社のエンジニアに十分に提供できるかという、地味なインフラ問題の解決にかかっている。

ROCm.AIは、ROCmランタイムやその数値計算ライブラリを置き換えるものではない。ROCmの上に構築された開発エクスペリエンスであり、Claude Code、Codex、CursorなどのコーディングエージェントにAMDプラットフォームをネイティブに理解させるAI支援GPUプログラミング、自動デプロイメントツール、そしてエージェントベースのソフトウェア最適化エンジンという3つの機能を中心に構成されている。

技術的に重要なのは最適化エンジンである。その中心となるのが、TritonおよびHIPカーネルを記述・調整する小規模なソフトウェアエンジニアリングエージェント「GEAK（Generating Efficient AI-Centric Kernels）」だ。GEAKを包み込む「Hyperloom」は、実行中の推論ワークロードをプロファイリングし、ボトルネックとなるカーネルを特定してGEAKやGEMM調整エージェントを展開し、エンドツーエンドのA/Bパフォーマンステストで改善が確認されたものだけを成果としてカウントするオーケストレーターである。かつては専門的なエンジニアリング作業に数週間を要していたプロセスを、Hyperloomは数時間に短縮するとAMDは説明している。

公開されたツールチェーンの中で最も興味深いエンジニアリングの詳細は、不正防止メカニズムである。AIエージェントは機会を与えられれば即座にベンチマークの報酬ハッキングを行う。そのためGEAKには、エージェントによるテストハーネスへの編集を無効化し、カーネルではなく参照テストを書き換えることで正当性を偽装するのを防ぐ保護モードが必要だった。

その結果は本物である。半導体調査会社のSemiAnalysisは、MI355X上のMXFP8デコードバウンドな密行列カーネルの書き換えにより、エンドツーエンドのスループットが約21.8%向上したことを確認した。AMDは、同じハードウェア上でROCm 7と比較して、ROCm.AIが推論で平均3.3倍、トレーニングで2.4倍の改善をもたらすと主張している。ただし、これらはROCm同士の比較であり、バイヤーがNvidiaから乗り換えるかどうかを決定するROCmとCUDAの比較においては、格差は大幅に縮小したものの、まだ埋まってはいない。

■クラスター不足という矛盾

AMDのROCm.AI戦略は、人間のエンジニアの増員だけでは埋められない最適化のギャップをAIエージェントが埋めることができるという前提に立っている。NvidiaのCUDAエコシステムは、AMDが採用活動を通じて迅速に再現できないほどの数十年にわたる継続的なエンジニアリング投資によってライブラリの優位性を蓄積してきたからだ。

しかし、この前提には依存関係がある。各AIエージェントはコードをテストするためのGPUクラスターを必要とし、人間のエンジニアは現在、数十のエージェントを同時に実行できる。エージェントベースの開発が生み出すクラスターリソースへの乗数的な需要こそが、AMDがCUDAとの格差を埋めると期待しているものであり、同時にAMDの社内インフラが最も対応できていない部分でもある。

SemiAnalysisは、この矛盾を直接的に文書化している。AMDのvLLMゲーティングテストの進捗は、Advancing AI 2026カンファレンスの週に「大規模に後退」した。これは、社内の容量不足の際に、AMDの経営陣が社内のvLLMチームからクラスターを別の用途に振り向けたためである。同チームはカンファレンスまでにvLLMテストスイートでCUDAとのゲーティングパリティ90%に到達する軌道に乗っていたが、このマイルストーンは達成されなかった。

「社内のほとんどのAMDエンジニアからの主な不満は、社内のソフトウェア開発チーム向けの安定したGPUクラスターが慢性的に不足していることだ」とSemiAnalysisは指摘している。「この問題は、エージェントによるコーディングの台頭によりさらに悪化している」。

Nvidiaは数十年にわたり、ソフトウェアCI用の専用かつ安定した社内GPUクラスターを構築してきた。SemiAnalysisの推定では、AMDの社内開発用の安定したクラスター容量はNvidiaより1桁以上少ない。NvidiaのDynoSimツールは、専用の物理クラスターにアクセスすることなく分散推論ワークロードをシミュレートできるが、AMDには同等のものがない。

■ハードウェアの実際の性能

ROCm.AIが最適化の対象とするハードウェアは、1兆パラメータモデルの推論において最も重要な側面で業界をリードしている。Heliosラックスケールシステムで出荷されるAMDのInstinct MI455Xは、業界初の2nmデータセンターGPUである。また、AMDはTSMCのSoIC-Xハイブリッドボンディングを大規模に出荷する最初の企業でもある。

MI455Xはパッケージあたり12スタックのHBM4を搭載し、合計432GB、23.3 TB/sのメモリ帯域幅を実現している。これに対し、NvidiaのRubin GPUは288GB、22 TB/sである。このメモリの優位性が、大規模モデルの推論におけるHeliosの魅力を牽引している。

ラックスケールでは、1つのHeliosラックに搭載された72基のMI455X GPUが2.9 ExaFLOPSのFP4推論スループットを提供し、価格は1ラックあたり500万〜550万ドル（約7億9500万〜8億7450万円、1ドル=159円換算）である。AMDは、Heliosが競合の主要ソリューションと比較して1ドルあたり30%多くの推論トークンを提供すると主張しているが、これらの主張は独立したMLPerfベンチマークによってまだ検証されていない。

アーキテクチャには現実的な複雑さが伴う。MI455Xは前世代のMI355Xとは全く異なる命令セットアーキテクチャ（ISA）を使用している。MI355Xで実行されるすべてのカーネルは、MI455X上で独立して書き換え、調整、テストされなければならない。既存のクラスター不足と相まって、AMDはNvidiaが利用できるクラスターリソースの約半分で、両方のアーキテクチャを同時にテストしなければならない。

■顧客のコミットメントと提供内容

まだ広く利用可能ではないハードウェアの基準からすると、Heliosに対する顧客の検証は異常なほど強力である。Anthropicは、2027年上半期に最初の1ギガワット（GW）を皮切りに、最大2GWのAMD Instinct MI450シリーズGPUをHeliosラック構成で導入することを約束した。これには最大50億ドル（約7950億円）の戦略的株式投資と、複数年にわたるエンジニアリングの協業が含まれる。

OpenAIのAMDとの6GWのパートナーシップは2026年下半期に開始され、Metaの6GWのパートナーシップも同様の構造を持つ。Microsoft AzureのHeliosへのコミットメントと、Oracleが2026年第3四半期からAMD搭載のAIスーパークラスターを提供する計画を合わせると、AMDの公開された導入パイプラインは約20GWに達している。

ただし、Metaのコミットメントには注目すべき注記がある。SemiAnalysisの報告によると、MetaのMI455Xの注文の大部分は、推薦システム（Recsys）ワークロード向けに設計された機能削減版のカスタムバリアント（コンピュートダイが8個ではなく4個、HBM4スタックが12個ではなく6個）であるという。この構成はRecsysには競争力があるが、大規模言語モデルのトレーニングや推論には適していない。

AMDは2026年8月4日の市場引け後に2026年第2四半期の業績を発表する予定である。ウォール街のコンセンサスでは、収益は約113億ドル（約1兆7967億円）と前年同期比で約47%の増加が予測されている。

■AIによる開発加速は18年かけて築かれた堀を埋められるか

ROCm.AIの根底にあるテーマは、AIエージェントが、CUDAが20年近くかけて蓄積してきた開発者の密度と制度的な勢いを代替できるというものである。SemiAnalysisは、エージェントがオープンソースのサービングエンジンやカーネルに対して、半年前には小規模なチームでは不可能だった有意義な貢献をもたらすことができると確認した。

しかし、同レポートはエージェントが代替できないもの、すなわち安定した専用のGPUインフラについても文書化している。Nvidiaは、ソフトウェアCI用の社内クラスター容量をAMDの1桁以上多く維持している。AMDがNvidiaのソフトウェア改善のテスト、検証、展開の速度に匹敵するためには、過去1年間すべての会議で指摘されながら十分な解決に至っていない「キャパシティプランニング戦略」の問題を解決する必要がある。

ソフトウェアの課題はもはや単一ノードのパフォーマンスだけではない。2026〜2027年の競争の最前線は分散推論である。AMDはMoRI（KVキャッシュ転送とエキスパートディスパッチのためのモジュール式RDMAフレームワーク）などで確かな進展を見せているが、重要なロードマップの項目が少数のエンジニアに依存している状態だ。

AMDはこれまでになくCUDAの堀に近づいている。メモリ容量と製造技術に関するハードウェアの証拠は明白であり、ツールチェーンの証拠も本物である。しかし、クラスターの証拠は条件付きである。アナリストの目標株価の引き上げや、フロンティアラボからのギガワット規模のコミットメントにはすべて、暗黙の警告が含まれている。それは、AMDがすでに認識しており、まだ解決していないインフラストラクチャの問題を解決する限りにおいて、という条件である。

■注目ポイントQ&A

●AMD ROCm.AIとは何ですか？通常のROCmとどう違いますか？

ROCm.AIは、AMDの既存のROCm GPUコンピューティングスタックの上に構築された開発者エクスペリエンスプラットフォームであり、それを置き換えるものではありません。中核となる追加要素は、GPUカーネルを自律的に記述・調整するGEAKと、プロファイリングから検証済みのパフォーマンス向上までの最適化ループ全体をオーケストレーションするHyperloomを中心とした、エージェントベースのソフトウェア最適化エンジンです。提供開始は2026年8月を予定しています。

●AMDのROCmは、2026年に本番環境のAIワークロードでNVIDIAのCUDAを実際に置き換えることができますか？

PyTorchとvLLMを使用する推論ワークロードにおいて、ROCmはAMDのMI355Xハードウェア上でNvidia H100のスループットの約90〜95%に達しており、格差は大幅に縮小しています。しかし、大規模なTransformerモデルのトレーニングでは、cuDNNやTensorRT-LLMといったライブラリの成熟度により、CUDAが約20〜30%の優位性を保っています。2026〜2027年に向けてより重要なのは分散推論であり、AMDの分散スタックは急速に進歩していますが、モデルや量子化フォーマットをまたいだ構成可能性はまだモデル固有の段階にあります。

●AMDのROCm.AIソフトウェア戦略に対する具体的なリスクは何ですか？

SemiAnalysisは2つの主要なリスクを指摘しています。第一に、Heliosラックの生産立ち上げにおけるエンジニアリング上の課題です。銅線バックプレーンの信号劣化を補うためにラックあたり550個以上のBroadcomイーサネットリタイマーが必要になるなどの複雑さがあります。第二に、より構造的に重要な点として、ソフトウェアテストとCIのための社内GPUクラスター容量が慢性的に不足しており、エージェントによる開発がエンジニアあたりの必要な計算量を増大させるにつれて状況が悪化している点です。

●AMD HeliosはNvidiaのVera Rubin NVL72ラックとどう比較されますか？

どちらのシステムもラックスケールプラットフォームに72基のGPUを搭載しています。AMDのHeliosはメモリ面でリードしており、MI455XはGPUあたり432GBのHBM4を搭載し、ラック全体で31TBのプールメモリを提供します（Rubinは約20.7TB）。AMDはHeliosが1ドルあたり30%多くの推論トークンを提供すると主張しています。一方、NvidiaのRubinはソフトウェアエコシステムの成熟度でリードしており、CUDAとNVLinkのハイパースケールでの本番環境での検証はHeliosより先行しています。

●Advancing AI 2026の発表で、AMDのGEAKカーネルエージェントについて何が明らかになりましたか？

AMDはROCm.AIプラットフォームの一部としてGEAKを発表し、SemiAnalysisがその結果を独立して検証しました。最も注目すべき確認済みの成果として、GEAKはMI355X上のMXFP8デコードバウンドな密行列カーネルの書き換えにより、エンドツーエンドのスループットを約21.8%向上させました。ただし、グループ化されたMixture-of-Experts（MoE）GEMMの改善は約1.1倍で頭打ちになるなど、GEAKの成果はすべてのワークロードタイプで一様ではないという留意点もあります。

元記事: AMD’s ROCm.AI Bets Agents Can Beat CUDA: Internal Cluster Shortage Is Its Biggest Risk