測試硬件和配置
對於遊戲玩家來說，選擇AMD顯卡往往會更有性價比，那麽隨著目前AI滲透式爆發增長，AMD顯卡在這方面表現到底又如何呢？是不是也具備性價比？我們今天就來探討一下，值得一提的是，本篇內容會分為AIGC（AI生成內容）和LLM（大語言模型）這兩個最備受關註的AI領域進行測試。
測試之前，不得不提一下AMD ROCm（開放式軟件堆疊），它的概念類似於NVIDIA CUDA，廣泛套用於LLM（大語言模型）、自動駕駛、機器學習等領域，AMD ROCm在Ubuntu系統（Linux）中支持相當成熟，而在去年四月份AMD正式推出ROCm For Windows，如今已完整支持RX 6800以上的AMD消費級顯卡，硬核就用手上的RX 7900 XT搗鼓一番吧。
測試顯卡來自定位次旗艦的藍寶石RX 7900 XT超白金OC L，外觀采用銀灰色金屬導流罩+單側靈動島RGB燈條設計，擁有七根鍍鎳熱管、全銅底座、鋁鎂合金框架等豪華用料，是AMD高端非公版的代表之作。
配合AI測試的處理器是銳龍 7 7700X，使用微星MAG B650M MORTAR WIFI迫擊炮組成3A平台，主機板外觀采用低調風格的純黑主題打造，散熱馬甲上還有拉絲效果處理很精致，它還采用了12+2相供電，服務於CPU的MOS最大電流支持到80A，應付最高端的銳龍9都不成問題。
壓制銳龍7 7700X的CPU散熱器是微星MEG CORELIQUID S360戰神，定位旗艦360水冷，整體由采用純黑效能風扇+2.4英寸IPS顯示器組成，水泵方案來自老夥計Asetek七代，冷頭上還內建了一個60mm風扇，可以為主機板周邊散熱。
為了驅動銳龍7 7700X和RX 7900 XT的高端組合，配備了來自微星的MPG A1000G PCIE5電源，它最大的亮點就是相容PCIe 5.0和ATX 3.0標準，擁有原生12VHPWR 16pin供電介面，最高可輸出600W，加上本身擁有10年質保售後，可很好適配現今及未來的旗艦顯卡。
其他硬件和配置方面，銳龍7 7700X直接開啟PBO技術，使用EXPO超頻達成DDR5 6000C34 16G*4，總計64GB記憶體容量，本次測試安裝的是AMD Adrenalin 24.3.1最新版本顯卡驅動（中間有加入去年23.11.1版本的簡單測試環節），作業系統是Windows 11 23p版本，最後在BIOS中開啟Resizable BAR技術提升一些顯卡效能。
Stable Diffusion不同分辨率出圖效能
首先來測試一下目前最為火熱的AIGC套用——Stable Diffusion AI繪畫，目前對於AMD顯卡來說有好幾種部署形式，簡單來分析一下吧。
第一種是DirectML SDK，外掛程式支持不錯，效率是最低的，有整合包。
第二種是透過Microsoft Olive轉換成ONNX，效率挺高的，但外掛程式支持不完善，部署起來繁瑣。
第三種是Ubuntu系統+AMD ROCm，效率和相容是最好的，不過部署同樣繁瑣，也不是大部份普通使用者熟悉的Windows系統。
第四種就是最近比較流行的ZLUDA外掛程式，效率僅次於第三種，也有整合包更適合大部份普通使用者，本文就以這種形式進行測試的。
ZLUDA外掛程式部署很簡單，只要下載最新版本的繪世整合包，安裝前置的AMD HIP SDK（不需要安裝專業版顯卡驅動），就可以在整合包界面——生成引擎這裏看到ZLUDA已經部署完畢，下面來看看Stable Diffusion AI繪畫六種設定的測試結果。
AbyssOrangeMix2深淵橙模型
正向提示詞：1girl,long hair,pink hair,game game cg,full body,best quality,masterpiece,realistic,8K wallpaper,beautiful and aesthetic,detailed background
反向提示詞：nsfw,ugly,low quality,low res,bad bad proportions,EasyNegative,missing arms,extra legs,too many fingers,extra arms and legs,text,username
采樣方法：DPM++ 2M Karras
叠代步進：20
分辨率設定：512X512，總批次：1，單批數量：1，RX 7900 XT出圖用時2.6秒
分辨率設定：768X768，總批次：1，單批數量：1，RX 7900 XT出圖用時7.4秒
分辨率設定：1024X1024，總批次：1，單批數量：1，RX 7900 XT出圖用時18.5秒
分辨率設定：1920X1080，總批次：1，單批數量：1，RX 7900 XT出圖用時1分5秒
分辨率設定：1024X1024，總批次：3，單批數量：6，RX 7900 XT出圖用時5分16秒
RX 7900 XT在ZLUDA加持下，各分辨率出圖情況都還不錯，尤其是基礎的單張512X512，在體感上就是秒出，單張1024X1024設定以下能在20秒內完成，而且還可以支持到1920X1080這種分辨率。結論顯而易見，ZLUDA外掛程式是目前A卡在Windows系統下的最優解方案，它相容性和效率都不錯。
在1024X1024分辨率專案中，RX 7900 XT甚至可以實作一批次生成六張圖，分成三個批次進行也沒有任何問題，視訊記憶體只用到17GB，20GB大視訊記憶體當然是綽綽有余，可以實作多線操作，能跑起來才是王道嘛。
硬核還測試了去年12月份的AMD Adrenalin 23.11.1顯卡驅動，結果是和目前最新版本沒什麽大區別，唯一就是舊驅動在首次使用ZLUDA編譯會更慢一些，對於現階段AMD顯卡來說，完善Stable Diffusion的各種外掛程式生態才是首要重心了，尤其是在Windows環境下的AMD ROCm支持。
Topaz Video AI基準測試
第二個AIGC套用則是Topaz Video AI，硬核經常用它來修復一些低分辨率的「粵語殘片」，下面來簡單看看RX 7900 XT在輸入1080P分辨率的基準跑分。
RX 7900 XT輸入分辨率1080P，各項模型的跑分效能
在Topaz Video AI常用的四個模型——插幀方面的修復常用模型是Apollo和Chronos，而影像方面的修復常用模型是Proteus和Gaia，從測試結果來看，RX 7900 XT用來修復1080P分辨率影片效率相當不錯，跑起來就是入門級顯卡的好幾十倍了，20GB大視訊記憶體海量儲備足夠可以餵飽。
Mistral-7B和通義千問1.5-14B/32B/72B四種大模型效能測試
第三個測試專案是LM Studio，這是一款可搜尋並下載在本地執行LLM（大語言模型）的套用，並可相容OpenAI API的介面，它省去了Python復雜的配置過程，也是免費開源的，重點它是本地部署，可以更好保護個人私密。
LM Studio對於AMD硬件也是相當友好，現今擁有支持銳龍處理器NPU硬件加速（包含AMD OpenCL）和AMD ROCm顯卡加速的兩種軟件版本，對於RX 6800以上的AMD顯卡來說，強烈推薦後者版本，效率完全不是一個概念，下面來看看RX 7900 XT執行7B、14B、32B、72B四種不同參數量的大模型效能如何吧。
Mistral-7B，RX 7900 XT使用AMD ROCm加速，推薦GPU負載數值MAX，推理速度為83.39 tok/s
通義千問1.5-14B，RX 7900 XT使用AMD ROCm加速，推薦GPU負載數值MAX，推理速度為66.91 tok/s
通義千問1.5-32B，RX 7900 XT使用AMD ROCm加速，推薦GPU負載數值MAX，推理速度為31.48 tok/s
通義千問1.5-72B，RX 7900 XT使用AMD ROCm加速，推薦GPU負載數值40，推理速度為3.01 tok/s
首先，在上述答案中，可以看到模型的參數量越大，AI回答的令人滿意程度就越高，而在執行72B參數量時（至少是能跑起來），由於遠遠超出了RX 7900 XT的負載能力，偶爾AI回答有時候會抽風，正常的時候和32B參數量用起來沒什麽區別。而32B參數量回答問題的體感也是秒回，AI生成文字的速度稍微比7B慢一丟丟，完全是不影響爽快體驗的。
通義千問1.5-32B，RX 7900 XT使用AMD ROCm加速，GPU負載可以用到90%以上，視訊記憶體則是15GB，可以充分把顯卡效能榨幹了，再次證明20GB大容量視訊記憶體的優勢之處，硬核比較好奇的是，如果是16GB視訊記憶體的顯卡，效能表現又會如何呢？
通義千問1.5-72B，對於RX 7900 XT來說，GPU負載數值是不能超過40的，否則就會出現報錯警告，執行它時記憶體占用達到36GB，但是效率卻上不去，這種恐怖如斯的參數量，一般都是多張專業卡才能跑得爽了。
結語
目前AMD RX 7900 XT這款顯卡售價在5K價位，它在遊戲效能方面可以比肩RTX 4080 SUPER了，性價比是相當高的，而經過本文實測，RX 7900 XT在AIGC（AI生成內容）和LLM（大語言模型）領域的效能表現，完全是對得起它的售價，它擁有20GB GDDR6X超大視訊記憶體容量，可以執行一些數據量更大的專案，我們也看到了AMD ROCm在Windows系統中可以發揮強大的AI算力，期待AMD可以繼續加大最佳化的力度吧！總得來說，RX 7900 XT是挺適合追求性價比的遊戲玩家和AI專業使用者。
