效率提升2.1倍！AMD展示HRX Loom黑科技：三天移植50个大模型

快科技11月14日消息，AMD工程师近期完成了一项极具突破性的技术实验，利用全新的HRX Loom软件与智能体AI工作流，在短短三天内将50个热门大模型成功迁移至AMD消费级显卡硬件。

这不仅展示了AMD在端侧AI领域的快速适配能力，也预示着大模型在个人PC上的普及效率将大幅提升。

据了解，此次实验由AMD工程师Jeremy Fowers和Ben Vanik主导。他们通过引入智能体AI工作流，让AI能够自主编写和优化适配AMD显卡的模型程序，从而在三到四天内完成了涉及18种不同架构的50款Hugging Face热门模型的迁移。

要知道，知名AI模型托管平台Hugging Face是目前全球最大的开源AI社区，以往将这些模型逐一适配到特定硬件需要耗费数月时间。

在性能测试中，实验团队利用代号为Strix Halo的锐龙AI Max硬件进行了深度验证。

结果显示，在处理32K Token的长提示词时，HRX Loom软件的运行速度比目前主流的Llama.cpp ROCm后端提升了1.5至2.1倍，相比Vulkan后端也有1.9倍的性能优势。

需要说明的是，HRX Loom目前仍是AMD的实验性项目，但上述结果已经显示出可观的潜力。它也不只面向GPU，同样支持CPU和NPU执行。

实验结果已通过GitHub的Loom-Fun页面公开。作为工作的一部分，AMD还提供了名为loom-skills的交付物，可为Claude Code、Codex或Pi等编程智能体配备必要组件，使其能够编写并向AMD客户端GPU部署优化后的模型程序。

目前的测试重点集中在Strix Halo硬件上，例如Ryzen AI Halo和Framework Desktop这类设备。