人工智能（AI）领域的竞争日趋激烈，NVIDIA凭借其强大的硬件性能和高度优化的生态系统，长期占据领先地位。然而，AMD正迎头赶上，并不断缩小与NVIDIA之间的差距。近期的一系列进展表明，AMD在AI领域的投入正在逐渐显现成效。
其中，Stability AI发布针对ONNX框架优化的Stable Diffusion模型，在AMD Radeon显卡及锐龙集成显卡上的运行效率提升显著，最高可达3.8倍，无疑是一项重要的突破。ONNX（Open Neural Network Exchange）是一种开放的深度学习模型表示格式，旨在实现不同AI框架之间的互操作性。Stability AI针对ONNX优化Stable Diffusion模型，意味著AMD硬件也能更好地支持该模型，并在图像生成等AI应用中发挥更佳性能。
AMD官方数据显示，经过优化后的SDXL 1.0和SDXL Turbo在AMD硬件上的推理性能，相较于采用基础PyTorch模型的版本，有了显著的提升，最大增幅同样为3.8倍。而SD3.5模型也能提升最多2.6倍的性能。具体数据表明，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。这些都充分证明了AMD在AI硬件优化上的努力并非空谈。
这些优化并非偶然。AMD表示，过去一年来，公司一直积极与操作系统供应商（OSV）、原始设备制造商（OEM）、独立软件供应商（ISV）展开深入合作，致力于对AMD硬件上的AI应用进行全面优化。他们的优化涵盖了硬件设计、驱动程序、编译器以及机器学习模型等多个层面，力求在整个AI应用生态链上提升性能。
为了便于用户识别，AMD硬件优化版的Stable Diffusion模型具有一个特殊的“_amdgpu”后缀标记。这些优化后的模型已可在Stability AI或Hugging Face等平台下载使用。此外，AMD还与TensorStack AI联合推出了最新版的Amuse 3.0软件，进一步加强了AMD硬件在AI应用中的能力。
想要充分体验这些优化带来的性能提升，AMD建议用户务必注意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。通过及时更新驱动，用户可以确保其AMD硬件能够充分发挥在AI应用中的潜力。
总而言之，尽管NVIDIA在AI领域拥有先发优势，但AMD正通过积极的技术研发、生态系统合作以及软件优化，逐渐缩小差距。Stability AI的优化模型和AMD自身的努力，共同推动了AMD硬件在AI应用上的性能提升，也为消费者提供了更多选择。
