近期，NVIDIA在人工智能领域的领先地位不仅得益于其强大的硬件性能，还归功于其生态系统的高度优化，使得AI应用能够发挥最佳效能。相比之下，AMD虽然在这一领域起步稍慢，但正奋力追赶，不断缩小与NVIDIA的差距。
值得注意的是，Stability AI近期发布了一项针对ONNX框架优化的Stable Diffusion模型，该模型在AMD Radeon显卡及锐龙集成显卡上的运行效率显著提升，最高可达3.8倍。这一突破无疑为AMD硬件在AI应用上的表现注入了新的活力。
AMD方面表示，过去一年中，他们积极与操作系统供应商（OSV）、原始设备制造商（OEM）以及独立软件供应商（ISV）合作，对AMD硬件上的AI应用进行全面优化，涵盖硬件设计、驱动程序、编译器以及机器学习模型等多个层面。这一努力如今已初见成效。
据AMD官方公布的数据显示，经过优化后的SDXL 1.0和SDXL Turbo在AMD硬件上的推理性能相较于基础的PyTorch模型有了显著提升，最高可达3.8倍。而SD3.5模型则能提升最多2.6倍的性能。在实际的图片和视频生成应用中，这些优化带来的性能提升同样显著。例如，在RX 9070 XT显卡上，SDXL 1.0、SDXL Turbo、SD3.5 Large以及SD3.5 Large Turbo的效率分别提升了3.1倍、1.5倍、3.3倍和2.1倍。
在锐龙AI MAX+ 395处理器上，SDXL 1.0、SD3.5 Large以及SD3.5 Large Turbo的效率也分别提升了1.4倍、3.3倍和3.0倍。这些数据充分证明了AMD在AI硬件优化方面所取得的显著进展。
AMD硬件优化版的Stable Diffusion模型具有一个特殊的“_amdgpu”后缀标记，方便用户进行识别。目前，这些优化后的模型已经可以在Stability AI或Hugging Face等平台上下载使用。同时，AMD还与TensorStack AI联合推出了最新版的Amuse 3.0软件，进一步提升了AMD硬件在AI应用中的表现。
为了确保用户能够充分利用这些优化带来的性能提升，AMD还提醒用户注意GPU驱动版本的选择。建议使用不低于24.30.31.05预览版的AMD GPU驱动，或者等待即将发布的25.4.1正式版驱动。这些更新将确保用户的AMD硬件能够充分发挥其在AI应用中的潜力。
