Stability AI 聯手 AMD：Stable Diffusion 針對 A 卡最佳化，提速最高 3.8 倍

如果你用 AMD 顯示卡跑過本地生圖，大機率體會過那種折騰。

配置環境常常要跟各種驅動、相容層死磕，好不容易跑起來，速度還往往被同檔次的輝達顯示卡甩在後面。現在，這個局面終於有了一點鬆動的跡象。

Stability AI 宣佈與 AMD 展開深度工程合作，聯合推出了專為 AMD Radeon 獨立顯示卡以及 Ryzen AI APU 最佳化的 ONNX 版本 Stable Diffusion 模型。

速度最高翻了近四倍

這次雙方合作最佳化的不是冷門老模型，而是目前主流的四個主力型號。

其中包括目前畫質最強的 Stable Diffusion 3.5 Large、主打高速的 SD 3.5 Large Turbo，以及生態依然非常龐大的 SDXL 1.0 和 SDXL Turbo。

提速幅度也給出了具體數字。相比直接執行未最佳化的基礎 PyTorch 版本，最佳化後的 SD 3.5 系列推理速度最高提升了 2.6 倍。

而在 SDXL 1.0 和 SDXL Turbo 上，推理速度更是直接飆升到原來的 3.8 倍之多。

Stability AI 表示，這次聯合工程重點在於最大化推理效能，同時並沒有犧牲生成影像的質量，原有的開放許可協議也保持不變。

上手門檻降到了開箱即用

對開發者來說，這套模型被打包成了 ONNX 格式，可以直接無縫整合到任何支援 ONNX Runtime 的工作流和生產環境中。

目前這四個最佳化版本已經正式上線 Hugging Face，模型名稱字尾統一打上了 amdgpu 標記。

如果你不是開發者，只是一個單純想在自己的 AMD 裝置上畫畫的普通玩家，也不用自己去啃命令列和環境配置。

官方指出，終端使用者可以直接下載 Amuse 3.0 客戶端，就能直接呼叫這些最佳化後的模型來生成圖片，省去了搭建本地環境的麻煩。

為什麼重要

長期以來，本地 AI 生圖幾乎就是輝達 CUDA 的天下。用 AMD 顯示卡或者核顯跑模型，要麼折騰 ROCm 折騰到懷疑人生，要麼效能大打折扣。

這次最佳化最大的價值，就是讓廣大的 AMD 遊戲本使用者、掌機玩家以及 Radeon 顯示卡桌上型電腦使用者，能夠以真正可用的速度在本地體驗前沿的開源生圖模型。

尤其是支援了 Ryzen AI APU，意味著未來連帶獨立顯示卡的輕薄本甚至 Windows 掌機，都能在斷網狀態下順暢生圖，極大拓寬了端側 AI 創作的使用場景。

從行業競爭來看，我們認為這也是 AMD 在端側 AI 生態追趕輝達的關鍵一步。單純拼算力引數沒有用，只有深入到主流開源專案裡，把最常用的模型一條龍最佳化好，開發者和使用者才願意買賬。

不過，目前的最佳化依然依賴於特定的 ONNX 封裝，後續如果社群推出了新的微調 LoRA 或者複雜的 ControlNet 工作流，能否同樣絲滑地跑在這套最佳化架構上，依然需要時間檢驗。