近期，NVIDIA在人工智能領域的領先地位不僅得益于其強大的硬件性能，還歸功于其生態系統的高度優化，使得AI應用能夠發揮最佳效能。相比之下，AMD雖然在這一領域起步稍慢，但正奮力追趕，不斷縮小與NVIDIA的差距。

值得注意的是，Stability AI近期發布了一項針對ONNX框架優化的Stable Diffusion模型，該模型在AMD Radeon顯卡及銳龍集成顯卡上的運行效率顯著提升，最高可達3.8倍。這一突破無疑為AMD硬件在AI應用上的表現注入了新的活力。

AMD方面表示，過去一年中，他們積極與操作系統供應商（OSV）、原始設備制造商（OEM）以及獨立軟件供應商（ISV）合作，對AMD硬件上的AI應用進行全面優化，涵蓋硬件設計、驅動程序、編譯器以及機器學習模型等多個層面。這一努力如今已初見成效。

據AMD官方公布的數據顯示，經過優化后的SDXL 1.0和SDXL Turbo在AMD硬件上的推理性能相較于基礎的PyTorch模型有了顯著提升，最高可達3.8倍。而SD3.5模型則能提升最多2.6倍的性能。在實際的圖片和視頻生成應用中，這些優化帶來的性能提升同樣顯著。例如，在RX 9070 XT顯卡上，SDXL 1.0、SDXL Turbo、SD3.5 Large以及SD3.5 Large Turbo的效率分別提升了3.1倍、1.5倍、3.3倍和2.1倍。

在銳龍AI MAX+ 395處理器上，SDXL 1.0、SD3.5 Large以及SD3.5 Large Turbo的效率也分別提升了1.4倍、3.3倍和3.0倍。這些數據充分證明了AMD在AI硬件優化方面所取得的顯著進展。

AMD硬件優化版的Stable Diffusion模型具有一個特殊的“_amdgpu”后綴標記，方便用戶進行識別。目前，這些優化后的模型已經可以在Stability AI或Hugging Face等平臺上下載使用。同時，AMD還與TensorStack AI聯合推出了最新版的Amuse 3.0軟件，進一步提升了AMD硬件在AI應用中的表現。

為了確保用戶能夠充分利用這些優化帶來的性能提升，AMD還提醒用戶注意GPU驅動版本的選擇。建議使用不低于24.30.31.05預覽版的AMD GPU驅動，或者等待即將發布的25.4.1正式版驅動。這些更新將確保用戶的AMD硬件能夠充分發揮其在AI應用中的潛力。