北京
兩年前給人推薦裝機顯卡，理由可以一口氣列出一整串：CUDA生態(tài)的優(yōu)勢、NVENC編碼器的效率、本地AI推理的兼容性。那個時候，選GeForce幾乎不需要猶豫，Radeon在這些非游戲場景里差不多是沒有發(fā)言權(quán)的。但兩年的時間在半導體行業(yè)足夠扭轉(zhuǎn)很多事情。進入2026年中段回頭看，AMD已經(jīng)不聲不響地把這些曾經(jīng)“非Nvidia不可”的理由一個個拆解掉了，變化之快讓大部分消費者還沒來得及更新自己的認知。
解開整個局面的關鍵，是AMD的ROCm開源計算平臺。就在兩年前，ROCm還只是一個面向Linux數(shù)據(jù)中心Instinct加速卡的軟件棧，對普通Radeon顯卡的兼容列表看起來像是特意在排除你手里的那張卡。要在消費級AMD顯卡上跑一個本地大模型，需要折騰非官方構(gòu)建版本、手動覆蓋環(huán)境變量、翻閱大量分散的文檔。那時如果你有本地AI推理需求，選Nvidia幾乎是不用思考的決定。
然而ROCm的迭代速度遠超外界預期。今年1月的CES上，AMD發(fā)布了ROCm 7.2，用單一發(fā)行版同時覆蓋Windows和Linux，這本身就是該平臺歷史上最大的一次轉(zhuǎn)向。AMD官方數(shù)據(jù)顯示，受支持的銳龍?zhí)幚砥髋cRadeon顯卡列表在過去一年翻了一倍，但更值得注意的，是這些支持以極快的速度滲透到了用戶日常打開的軟件里。同一個月，Windows版ComfyUI Desktop就正式納入了官方ROCm支持；RX 9070 XT這類基于RDNA 4架構(gòu)的新卡，也在發(fā)布當天就直接進入AMD的消費者支持清單，拿到了開箱即用的版本適配。
真正體現(xiàn)一個平臺成熟度的，是每一次新模型發(fā)布時的響應速度。過去，新模型第一時間落地某個計算平臺，經(jīng)常是Nvidia專屬的“派對魔術”。但今年4月Google推出Gemma 4模型家族時，AMD做到了對全系列模型的當天支持，覆蓋數(shù)據(jù)中心加速卡、消費級Radeon顯卡以及銳龍AI處理器。集成路徑幾乎把本地AI工具鏈全部打通，包括LM Studio、vLLM、SGLang、llama.cpp和Ollama。對于桌面端用戶平常會接觸到的本地推理環(huán)境，AMD這套支持已經(jīng)把關鍵節(jié)點都連上了。
這意味著一個很現(xiàn)實的變化：當你只是為了玩3A大作買顯卡，兩家產(chǎn)品的差距也許還在幀數(shù)曲線上拉鋸；但如果你需要一塊能在本地跑模型、做內(nèi)容創(chuàng)作的通用加速卡，Radeon已經(jīng)不再需要你容忍重重別扭。ROCm的快速成熟讓Nvidia過去依靠軟件護城河建立的非游戲優(yōu)勢，正在被一點一點抹平。而且這不是未來時態(tài)，是已經(jīng)從CES一路跑到年中的進行時。
這種追趕甚至在某種程度上改變了推薦邏輯的起點。以前推薦顯卡，是先默認Nvidia、再看有沒有預算或特殊需求轉(zhuǎn)向AMD；現(xiàn)在面對一個兼具本地AI需求的裝機清單，討論Radeon已經(jīng)變成無需抱歉的理性選項。這背后的推動力跟游戲性能幾乎無關，完全是平臺能力的補齊——而恰恰是這種“無聲的瓦解”，讓老用戶最容易忽略，也讓新用戶最容易撿到便宜。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
