AMD企业副总裁Anush Elangovan近日展示了一项颇具实验性的技术成果：一款完全由AI工具Claude Code生成的Python驱动测试工具。这款工具并非传统意义上的GPU驱动，而是专为直接与AMD Linux内核GPU接口交互设计的轻量级程序。据开发者透露，整个开发过程中他甚至未打开过代码编辑器，所有代码均由AI自动生成。
传统Linux平台上的Radeon GPU运行依赖ROCm软件栈，应用程序需通过ROCm库与用户态运行时交互，最终命令才会传递至内核驱动。而Elangovan的新工具通过直接访问/dev/kfd和/dev/dri/render*等设备节点，绕过了大部分软件栈层级。该工具能够完成GPU内存分配、计算队列创建、命令包提交及CPU-GPU同步等核心功能，相当于直接触达AMD计算接口的底层。
尽管功能看似强大，但实际工作负载主要由内核驱动承担。Python代码仅负责构建命令包并通过现有内核API发送，类似于用笔记本电脑临时充当汽车发动机控制器——虽不用于长期运行，却能作为高效的诊断工具。这种设计使工程师无需编译庞大的C++项目即可隔离ROCm中的Bug，或测试特定GPU功能。目前原型已实现命令队列管理、内存分配、计算调度及时间线同步等实用功能。
发行说明中提到的"可插拔架构"引发更多技术想象。该架构为未来裸机PCI（AM）后端预留了设计空间，这种模式通常用于硬件启动、诊断或极低层级测试环境。若绕过内核驱动直接通过PCI与GPU通信，虽能提升效率，但会丧失多任务处理、虚拟内存管理等关键功能，因此不太可能面向普通消费者推出。
生产级GPU驱动的复杂性远超当前实验项目。现代驱动需集成着色器编译器、内存管理、电源控制、安全模块及对Vulkan/OpenGL等API的完整支持，这些核心组件均未出现在当前工具中。Elangovan的成果更多证明了AMD Linux内核接口的开放性——开发者可用高级语言直接编写交互脚本，同时也展现了AI工具在特定场景下的代码生成能力。
