对于AIGC设计师和AI图形爱好者来说，大显存的高端显卡当然是最高效的工具。 目前，由于众所周知的原因，一些高端显卡的**被反复猜测，这大大增加了此类用户的安装成本。 事实上，别忘了，AMD的Radeon RX 7900系列在AIGC性能方面其实是非常强大的，尤其是在流行的AI地图应用中。 此外，AMD显卡的**一直稳定在下滑，因此Radeon RX 7900系列可以说是一款性价比非常高的AI工具，其中20GB大显存的Radeon RX 7900 XT是热门的甜点。
RX 7900 XT采用RDN3架构，大显存，自然适合AIGC
RX 7900 XT采用小芯片设计的RDNA3架构，GCD芯片采用5nm工艺，MCD部分采用6nm工艺，总面积与上一代RX 6950 XT相同，但晶体管达到2超过15倍，因此与上一代RDNA2相比，能效性能显着提高。 此外，RDNA3架构相比上一代增加了一个AI加速单元，无限缓存也升级到了第二代，等效内存带宽为RX 6950 XT的1倍67倍，这也带来了更强大的数据吞吐能力。
RX 7900 XT之所以非常适合AIGC应用，是因为它具有强大的算力，单精度峰值性能高达52 TFLOPS，半精度峰值性能高达103 Tflops，是RX 6950 XT的2.2倍2x 和 218、算力直接决定了AI计算的速度，而RX 7900 XT无疑是这方面的第一梯队水平; 另一方面，它具有 320 位宽度和高达 20 GB 的 GDDR6 显存容量，这意味着它支持更高的 AI 映射分辨率上限，设计人员可以直接生成大图像，而无需花费时间进行高清重建。 在这两个优点中，后者尤为重要，也是显存小的低端显卡无法比拟的。
此外，纵观高端显卡市场，同代竞品16GB显存的RTX 4080已经卖到了8000多元，然后是上万元的天价和买不到的24GB显存RTX 4090，与性价比无关。 相比之下，配备20GB大显存的RX 7900 XT仅花费5000多元，真的可以说是一款性价比高的AIGC武器，再加上现在的一张卡还可以通过Microsoft OLIVE工具优化模型，提高绘图速度，因此特别适合AIGC设计师和AI深度爱好者，需要比基础AI玩家更高。
让我们来看看RX 7900 XT在Stable Diffusion（一种流行的原生AI绘图工具）中的表现。
稳定的扩散图测量：RX 7900 XT大显存特别醒目
测试平台
显示卡： AMD Radeon RX 7900 XT
处理器： AMD Ryzen 5 7600X
内存：ASGARD DDR5 7200 16GB 2
主板：华硕TUF Gaming A620M-Plus
硬盘：WD Black SN850X 2TB
电源：ROG Thor 1600W
操作系统版本：Windows 11 专业版 23H2
适用于 Windows 的 Stable Diffusion 已经添加了对 DirectML 的支持，因此 AMD 显卡也可以在 Windows 10 11 上进行硬件加速。 原来稳定的扩散环境配置和各种设置都比较复杂（主要受网络连接影响），如果麻烦的话也可以选择AI老板做的集成包，这次我们也选择了B站主秋叶做的集成包，简单设置后就可以在高级选项中选择实用的RX 7900 XT在directML模式下加速。此外，由于RX 7900 XT拥有20GB的显存，我们可以直接选择12GB以上显存的模式，以最大限度地提高效率。
当图形被测量时，我们将迭代步数设置为20，欧拉采样A，512 512分辨率，CFG设置为7，模型是一个漂亮的角色模型。 从图中可以看出，在设置一批五张图片时，20GB的显存已经全部用完，而RX 7900 XT此时已经实现了全速输出，完成时间约为22秒。
让我们进一步增加计算压力，一次生成 10 张图，此时 RX 7900 XT 也处于全输出状态，20GB 显存没有明显减速，完成时间约为 47 秒，是 5 张图像 22 秒的两倍多一点。 我们还尝试以纯处理器为参考生成图形，以测试平台的 6 核处理器在大约 3 分 18 秒内生成图形，而 RX 7900 XT 大约需要 6 分钟才能生成图形8秒，快了近28倍，很明显，要做AIGC，高性能显卡确实是首选解决方案。
从Stable Diffusion的剧情测试来看，当一次生成多张图像或生成更高分辨率**时，Stable Diffusion占用的显存量非常大，占用20GB显存的情况并不少见，如果显存小于20GB，可能会因为显存爆炸而影响效率或无法正常产生图像。 因此，对于AIGC设计师或深度AI游戏玩家来说，拥有20GB大显存和出色算力的RX 7900 XT确实是最佳选择。
通过对OLIVE模型优化的支持，RX 7900 XT的AI映射性能再次飙升
我们知道，几个月前，AMD和Microsoft合作优化了Microsoft Olive路径，将基础模型从PyTorch转换为Onnx，从而大大提高了AMD显卡在文盛显卡方面的计算效率。 目前，经过多次版本迭代，使用橄榄优化模型的AMD显卡的设置也变得更加简单，普通玩家可以轻松上手，让我们实际体验一下。
测试环境还在 Windows 平台下，我们需要安装 Git for Windows、Python for Windows 和 Miniconda for Windows，这些去官网**安装，记得确保他们在安装后添加了系统变量路径。 下一步是配置虚拟环境，安装 Olive，将 Stable Diffusion 克隆到本地计算机，并自动启动 Stable Diffusion 所需的组件。 具体操作细节请点击下方链接查看AMD官方教程（注意遇到错误时可能需要将pip和httpx更新到对应版本）。
运行 Stable Diffusion （Olive Edition） 后，进入 ONx 页面，先查看原始模型，然后在 OLIVE 页面点击优化 ONx 模型，然后点击 使用 Olive 优化模型按钮优化模型，大约 3 分 27 秒即可完成优化。
优化完成后，可以在主界面左上角选择原始模型或橄榄优化模型进行绘图对比。 这里提醒大家，第一次备份后要备份原来的ONx模型，以免直接在原来的路径上覆盖OLlive优化模型，不方便多次比较。
那么，RX 7900 XT在Olive优化模型后，地块生产速度提高了多少呢？ 从图中可以看出，我们选择一次生产两批图纸，每批三张，总共六张。 28完成需时9秒，优化后仅需13秒，输出速度提升高达122%！ 由此可见，优化效果非常明显。
事实上，如果RX 7900 XT在Linux环境下使用ROCM平台运行Stable Diffusion，绘制效率会提高数倍，因此专业用户也可以关注Windows平台上的STAG Diffusion的ROCM版本（RX 7900 XT完全支持ROCM运行时和hip SDK， RX 6750 及以下版本仅支持 Runtime）。从这个角度来看，RX 7900 XT不仅能让你立即享受到极高的AI性能，而且具有极深的“为未来而战”的潜力。
总结：AIGC是一款专业高效的工具，RX 7900 XT在性价比方面遥遥领先
从前面的分析可以看出，RX 7900 XT不仅拥有旗舰级的算力，还拥有20GB的超大显存，超过了RTX 4080的16GB显存，更大的显存也更有利于AI映射的分辨率和效率。 同时，RX 7900 XT的价格仅为拥有更大显存的RTX 4080的61%，性价比可以说是真的遥遥领先。 从稳定扩散的实际测量来看，在地图数量增加的情况下，对显存的需求确实非常高，而RX 7900 XT的20GB大显存刚好可以发挥它的威力，也能保证在连续映射的情况下没有误差， 同时也保证了测绘的效率。此外，我们还可以看到，使用Olive优化模型后，RX 7900 XT的输出速度进一步翻倍，相当于给用户带来了免费的性能升级，而未来，如果Windows平台有更完整的ROCM版本的Stable Diffusion，RX 7900 XT可以更加强大， AI性能可以直接起飞。因此，对于专业AIGC应用需求高的专业用户来说，而不是简单地画图好玩，RX 7900 XT可以说是他们非常合适的选择。
此外，我们还选择了两款旗舰AI电脑配置进行对比，AMD平台使用Ryzen 9 7950X和RX 7900 XT的组合，Intel平台使用Core i9 14900K和RTX 4080的组合。 从总价可以看出，AMD的配置拥有5350元的优势，同时显存也更多为4GB，不仅能在AIGC应用中发挥出强大的性能，在其他生产力应用中也具有一流的性能，是一款性价比高的全方位解决方案。英特尔平台的总价格高出36%，性价比明显落后，显存也更小，在AI映射或其他生产力应用中也不能幸免于更多限制。
总而言之，如果你需要经常面对更专业的AIGC应用，尤其是大显存，又想享受极致的性价比，那么RX 7900 XT确实是非常值得优先考虑的。