Permintaan terbaru AMD untuk masukan komunitas mengenai dukungan perangkat ROCm telah memicu diskusi yang lebih luas tentang pendekatan perusahaan dalam pengembangan perangkat lunak GPU dan posisi kompetitifnya melawan NVIDIA di pasar AI dan komputasi. Diskusi ini mengungkapkan kekhawatiran mendalam tentang strategi perangkat lunak AMD dan menyoroti tantangan yang dihadapi pengguna yang mencoba memanfaatkan GPU AMD untuk tugas pembelajaran mesin dan komputasi.
Keterbatasan Dukungan Perangkat Lunak
Poin utama yang menjadi perdebatan dalam komunitas adalah dukungan perangkat lunak AMD yang terbatas dan tidak konsisten untuk jajaran GPU mereka. Sementara NVIDIA menyediakan dukungan CUDA yang komprehensif di seluruh lini produk mereka, dukungan ROCm dari AMD sangat terbatas, dengan hanya kartu kelas atas tertentu yang mendapat dukungan penuh. Situasi ini sangat bermasalah untuk kartu kelas konsumen, di mana dukungan bisa dihentikan dalam waktu singkat setelah peluncuran, membuat pengguna frustrasi dan mempertanyakan keputusan investasi mereka.
GPU konsumen yang saat ini didukung di ROCm Linux:
- AMD Radeon RX 7900 (varian XTX, XT)
- Beberapa seri Radeon PRO W7000
Permintaan Utama Komunitas:
- Dukungan yang lebih luas untuk GPU konsumen
- Siklus dukungan yang lebih panjang (minimal 5 tahun)
- Dokumentasi dan panduan implementasi yang lebih baik
- Dukungan yang konsisten di platform Linux dan Windows
Tantangan Dokumentasi dan Implementasi
Pengguna melaporkan kesulitan signifikan dalam memahami kartu mana yang sebenarnya didukung, dengan dokumentasi resmi AMD yang sering bertentangan atau tidak jelas. Pengalaman implementasi sangat bervariasi, dengan beberapa pengguna berhasil menjalankan aplikasi seperti Stable Diffusion pada kartu yang secara teknis tidak didukung melalui solusi komunitas, sementara yang lain kesulitan dengan saluran resmi. Inkonsistensi dalam dokumentasi dan dukungan ini telah menciptakan hambatan untuk adopsi, terutama bagi pengembang dan peneliti yang membutuhkan dukungan jangka panjang yang dapat diandalkan untuk pekerjaan mereka.
Prioritas Hardware vs Software
Diskusi komunitas mengungkapkan kritik mendasar terhadap pendekatan AMD dalam komputasi GPU: strategi hardware-first mereka versus fokus ekosistem perangkat lunak NVIDIA. Meskipun AMD telah menghasilkan hardware yang kompetitif, infrastruktur dukungan perangkat lunak mereka tertinggal jauh di belakang ekosistem CUDA milik NVIDIA. Perbedaan ini telah menyebabkan situasi di mana, meskipun memiliki hardware yang mampu, AMD kesulitan menyediakan pengalaman pengembangan yang mulus yang telah menjadi standar di industri.
Hardware AMD mungkin menarik jika memiliki dukungan perangkat lunak yang baik, tapi nyatanya tidak. CUDA secara teratur bermasalah ketika saya mencoba menggunakan Tensorflow pada hardware NVIDIA. Menjalankan klon CUDA yang implementasinya buruk di mana bahkan menjalankan Pytorch saja sudah merupakan keajaiban kecil akan menjadi hal yang sulit untuk diterima.
Tanda-tanda Perubahan
Perkembangan terbaru menunjukkan AMD mulai mengakui tantangan-tantangan ini. Perusahaan telah mengindikasikan pergeseran ke arah penekanan pada pengalaman perangkat lunak, API, dan AI, dengan peta jalan yang mencakup 3 hingga 5 tahun. Namun, komunitas tetap skeptis, mengutip janji-janji masa lalu dan kebutuhan akan perbaikan konkret segera daripada rencana jangka panjang.
Situasi ini menunjukkan titik kritis bagi AMD di pasar komputasi GPU. Meskipun perusahaan telah menunjukkan kekuatan dalam pengembangan hardware dan mempertahankan kemitraan signifikan dengan perusahaan teknologi besar, kurangnya dukungan perangkat lunak yang komprehensif terus membatasi kemampuan mereka untuk bersaing secara efektif dengan NVIDIA, khususnya di sektor AI dan pembelajaran mesin yang berkembang pesat.
Referensi: ROCM Device Support Wishlist #4276