在人工智能時代，行業對H100 等GPU 的需求大幅上升，這讓對AI研究有興趣的普通消費者很難獲得這樣的GPU。現代問題需要現代解決方案。不過，一位Reddit 用戶創造了一個獨特的解決方案，他將基於AMD Zen 2 的Ryzen 5 4600G”Renoir”APU 轉換成16 GB GPU，然後將其用於Linux 上的AI 工作負載。

事實證明，將舊的AMD Ryzen APU 轉換為GPU 後，在AI 工作負載中依然可提供不錯的性能。在介紹APU 如何轉換之前，我們先來回顧一下AMD Ryzen 5 4600G。眾所周知，Ryzen 5 4600G 是市場上最好的APU 之一，但最終被其對應的Cezanne 所取代。它採用6C/12T 配置，配備Radeon Vega iGPU 和7 個CU（計算單元）。要解釋16GB VRAM 是如何實現的，必須注意APU 支持”共享內存”，即可以將內存容量的50%分配給APU。在這種情況下，Reddit 用戶板載了32 GB DDR4 內存，其中一半分配給了處理器。下一個重大障礙是在Ryzen APU 上實際運行人工智能工作負載。如果你有台式機GPU，你可以利用AMD 的ROCm（Radeon Open Compute）平台在Linux 上運行AI 應用程序。不過，如果是iGPU，第三方軟件包可以讓ROCm 在APU 上運行，這裡也使用了這種方式。使用ROCm 可以解決你的大部分問題，因為現在你可以運行從Tensorflow 到PyTorch 的各種AI 應用程序。

在一段詳細的視頻中，Reddit 用戶展示了他的有趣實驗，聲稱Ryzen 5 4600G 可以處理各種AI 工作負載。不過，他只展示了穩定擴散（Stable Diffusion）測試，令我們驚訝的是，APU 在大約1 分50 秒內成功生成了一幅512×512 的圖像。對於APU 而言，這是一個不錯的里程碑，我們相信，如果使用得當，它將成為一個突破。雖然不能將Ryzen 5 4600G 與H100 等人工智能GPU 相提並論，但這項實驗顯示了Ryzen APU 尚待開發的潛力。試想一下，如果這裡使用的不是Ryzen 5 4600G，而是性能更優越的最新Phoenix APU，那將會是怎樣的一番景象。不過，以95 美元的價格提供這樣的人工智能性能無疑是值得讚賞的，我們也希望它能為”普通消費者”提供一種滿足其人工智能需求的途徑。