AMD 显卡已经有运行本地大模型和 ComfyUI 的官方入口，但同一张卡在 Windows、Linux 和不同应用里的支持范围并不相同。部分 RX 7000、RX 9000 和 Ryzen AI Max 型号有明确列名，RX 6000 与更早显卡则需要分别查软件和后端。以下清单以 2026 年 10 月 28 日的资料核验为截止时间，没有硬件实测，也不比较速度和稳定性。
问题详情
准备拿已有 AMD 显卡跑 AI，或者为此买一张卡时，需要确认的是“这张卡在这个系统里能通过什么软件运行”。只查“支持 AMD”或“显存有多大”，还不能确定安装哪一套环境。
下表的 Ollama 列名均指它自己的 ROCm 后端名单。ROCm 是 AMD 的 GPU 计算软件环境；Vulkan 是另一条由显卡驱动提供的计算入口，两者的覆盖范围不同。“未列名”只表示所核版本没有明确列出，不能直接判为硬件无法运行。
| 型号 | 本地大模型入口 | ComfyUI 生图入口 |
|---|---|---|
| RX 9070 / 9070 XT、RX 9060 / 9060 XT | Ollama Linux ROCm 名单列名；Windows ROCm 名单未列名，可继续查 Vulkan | 官方 Windows 手动安装示例列出对应型号 |
| RX 7900 XTX / RX 7900 XT / RX 7900 GRE | Ollama 的 Windows、Linux ROCm 名单均列名 | 官方示例列 XT / XTX；GRE 需继续对照 GPU 目标表 |
| RX 7800 XT / RX 7700 XT | Ollama 的 Windows、Linux ROCm 名单均列名 | 官方手动安装示例列名 |
| RX 7600 / RX 7600 XT | Ollama 的 Windows、Linux ROCm 名单均列名 | 官方手动安装示例列名 |
| RX 6800 / RX 6800 XT、RX 6900 XT / RX 6950 XT | Ollama Linux ROCm 名单列名；Windows 文档为部分 RX 6000 系统提供 Vulkan 补充路线 | 官方资料提及 RDNA 2 架构，但不能据此确认这些型号的全部工作流 |
| RX 6600 / RX 6700 XT | 未列入所核 Ollama ROCm 名单，可继续查 llama.cpp 或 Ollama 的 Vulkan 条件 | 需要逐卡、逐版本查证，不能把同代显卡的案例直接套过来 |
| RX 5700 XT | 大模型需另核具体后端和发行包 | 有带版本的社区运行记录，属于单一用户案例 |
| RX 580 / RX 590、Vega 56 / Vega 64、Radeon VII | 缺少足以形成通用推荐的逐卡、逐版本证据 | 旧分支和第三方打包需要分别核对，不能按“支持 AMD”直接选卡 |
| Ryzen AI Max+ 395 | Ollama Linux 名单列名；专用 WSL 矩阵也有列名 | 官方示例列 Strix Halo 架构入口 |
前四行的依据是 Ollama 硬件文档与 ComfyUI 官方安装说明。它们说明有项目声明支持的路线，仍不保证任意模型、量化方式和自定义节点都可用。这里不包含 MI300 等 Instinct 数据中心卡，它们的支持矩阵不能用来替消费级 Radeon 背书。
排查与原因
显卡驱动、计算环境和应用各有一张名单
Windows 驱动能够识别一张显卡，只能说明显示驱动这一层成立。HIP SDK 是 AMD 面向开发者的 GPU 工具包，支持某个型号，也不能推导出某个 PyTorch 安装包包含它需要的计算内核。
应用还会选择自己的后端和依赖版本。例如，Ollama 的 Linux ROCm 名单列有 RX 6800、RX 6900 XT 等型号，但 AMD 当前统一 ROCm 10.1.0 矩阵没有列出这些消费级 RX 6000 卡。两份文档描述的是不同软件范围，不能合并成一张“所有 AI 都能用”的名单。
llama.cpp 的 Vulkan 后端也不经过 PyTorch。它有独立的驱动和设备功能要求，所以“不在 ROCm 官方名单”不能直接推出“无法运行本地大模型”。
旧文档仍在线，安装组合已经不同
AMD 的旧 Radeon/Ryzen 专项文档覆盖到 ROCm 7.2.1；ROCm Core SDK 7.13.0 起，资料转入统一文档。旧页仍能打开，其中的系统、驱动和框架版本需要作为整套旧组合来读。
例如，旧 Windows PyTorch 专项页限定 Python 3.12；10 月 28 日的 ComfyUI 官方 Windows 手动安装说明已经使用 Windows 11、64 位 Python 3.13 和 ROCm 10.0 多架构 PyTorch 包。把旧页的限制套进新路线，或者从两套教程里各取一半命令，会失去版本对应关系。
AMD 网页表格会按所选显卡改变
ROCm 10.1.0 的框架兼容表按操作系统、显卡家族筛选单元格。Radeon/Ryzen 的 Linux PyTorch 单元格只列 2.14.0；同一行里 Instinct 的条件单元格才列 2.14.0、2.13.0、2.12.0。
直接复制整页文字会把这些单元格拼到一起，误以为消费卡也获得了后三个版本的同等支持。查表时必须同时确认页面版本、显卡选择和操作系统，不能只搜索到一个框架版本号就结束。
解决办法
跑本地大模型，先按软件和系统选入口
已有型号在 Ollama 对应系统的名单中，可以先从它的官方安装包开始，保持文档要求的驱动版本。Linux 页面要求 AMD ROCm v7 驱动；Windows 页面要求能提供 ROCm v7 / HIP7 的驱动栈，或者支持 Vulkan 的 Radeon 驱动。
Windows 上的部分 RX 6000 系统无法通过当前驱动提供 ROCm v7，Ollama 官方因此建议使用 Vulkan 补充路线。文档写明已安装的 Vulkan 后端默认启用；这不是对所有型号的稳定性承诺，混合核显与独显的机器还需要确认实际选中哪一张卡。
需要自行选择发行包或编译方式时，再看 llama.cpp 的 Vulkan、HIP 两条路线。所核代码要求 Vulkan 至少 1.2，并检查 16 位存储等设备功能；HIP 则需要匹配 ROCm 和显卡编译目标。Linux 文档里的 HSA_OVERRIDE_GFX_VERSION 是试用相近架构目标的选项，不能当成万能驱动，也不能直接照搬到 Windows。
跑 ComfyUI，整套采用同一条安装路线
截至调研时点，ComfyUI 官方已经提供 ComfyUI_windows_portable_amd.7z。v0.43.0 的发布资产中可以直接找到这个文件，适合从有明确版本出处的 Windows AMD 包开始核对。
手动安装则以当时官方 README 为准：
| 平台 | 该版本文档给出的环境 | 示例型号 |
|---|---|---|
| Windows | Windows 11、64 位 Python 3.13、当前 AMD 驱动，ROCm 10.0 / PyTorch 2.13 多架构包；不另装 HIP SDK | RX 9070 / XT、9060 / XT、7900 XT / XTX、7700 XT / 7800 XT、7600 / XT、Ryzen AI Max / Max+ |
| Linux | 使用 PyTorch 的 ROCm 7.2 安装源 | 仍需对照该软件与驱动版本的具体硬件条件 |
Windows 多架构包的 device-* 选项会选择对应显卡的计算内核；官方示例包括 device-gfx1100、device-gfx1101 等。gfx 是软件区分 GPU 架构的代号。示例表没有列出某张卡时，应继续查 AMD 的目标表，不能按相近型号猜一个值。
便携包、桌面版和手动安装的依赖版本可能不同。不要用桌面版的环境文件去替换便携包依赖，也不要把一套教程里的 PyTorch 换进另一套环境。某个工作流依赖的节点若另带 GPU 扩展，还要查看那个节点自己的支持说明。
WSL 单独查，核显看完整处理器型号
WSL 是 Windows 中运行 Linux 环境的子系统。AMD 为它提供单独的驱动和支持资料，原生 Linux 的名单不能直接照抄。
旧 ROCm 7.2 矩阵配套 Adrenalin 26.1.1；后来的 ROCDXG 指南使用 Adrenalin 26.2.2，并指向 librocdxg。该库让 WSL 中的计算软件使用 Windows GPU 驱动。不能把旧矩阵的 PyTorch 条目拼进新驱动路线后，称为已验证的完整组合。
官方 librocdxg 固定版本矩阵列出 Ryzen AI Max+ 395、AI Max 390、AI Max 385 等 APU，说明部分锐龙核显已有 WSL 路线。但这不能推到所有 Ryzen 处理器。7840HS、8845HS 即使同样使用 Radeon 780M，也不能靠核显名称推定官方列名支持。
Ryzen AI Max 的大统一内存只说明 CPU 与 GPU 可以共享较大的内存空间，不能据此推出某个模型的推理速度。NPU 是另一类专用计算单元，它的模型支持也不能替代 GPU 的支持证据。
老卡保留具体案例，不按架构宣传语购买
RX 5700 XT 有一条社区记录，日志给出 ComfyUI 0.19.3、PyTorch 2.13.0a0+rocm7.13.0a20260423，并记录了任务完成。这个案例可以作为继续核查的入口，不能推成 RX 5700 全系、全部工作流或当前版本都稳定可用。
ZLUDA 当前上游 FAQ 写明支持 RX 5000 系列及更新款，排除 Polaris、Vega 等旧消费级架构。旧 ComfyUI-Zluda 分支里的 RX 400/500 路线，需要连同它当时的依赖一起判断。DirectML 也只是另一种计算接口，仍要查应用、插件和具体算子的支持范围。
已有旧卡可以沿着准确型号、系统和应用版本找案例；准备专门购卡时，仅有“软件能识别显卡”或“同架构有人成功”的证据还不够。
验证结果
本次确认的是官方文档的支持声明、发行包是否存在，以及公开记录能证明到哪一步。Windows 与 Linux 的名单差异、ComfyUI 的 AMD 便携包、AMD 表格的显卡筛选条件均已核对；没有运行显卡、模型或 ComfyUI 工作流，因此没有速度、显存占用和稳定性测试结果。
自己安装后，应先确认软件确实使用 GPU。ROCm 版 PyTorch 仍通过 torch.cuda 接口报告设备，可以在对应 Python 环境里执行：
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'GPU unavailable')"
能列出设备只说明 PyTorch 可以访问 GPU。还需要用目标模型或目标工作流完成一次实际任务，确认计算算子和扩展节点都能运行。
Ollama 在加载模型后可以执行：
ollama ps
官方说明中，PROCESSOR 列的 100% GPU 表示模型全部载入 GPU，100% CPU 表示全部位于系统内存，CPU/GPU 比例则表示分开载入。程序能回复文字，并不足以证明 GPU 加速已启用。
这些命令是安装后的检查方法，不是本文已经执行的硬件验证。准备长期使用或购卡前，还应记录完整驱动、应用、模型版本，并用实际会用的任务验证。
参考资料
资料核验截止 2026-10-28，文章发布于 2026-11-03。部分在线文档会继续更新，固定版本链接用于保留当时的条件。
喜欢这篇文章？
如果这篇文章帮到了你，可以请我喝杯咖啡，支持我继续写下去。
评论