對於 AI 繪圖愛好者而言，長期以來 NVIDIA 的 CUDA 架構幾乎是不二之選。然而，隨著 ComfyUI Desktop v0.7.0 的發布，AMD 用戶終於迎來了春天。這次更新最核心的變革，在於正式引入了 AMD ROCm 7.1 支援，讓 AMD 顯卡能以「接近原生」的效率執行 PyTorch 運算。
以下我們將深度解析這項更新背後的技術原理，以及它如何改變 AMD 在 AI 領域的競爭力。
一、 核心關鍵：ROCm 7.1 跨越 Windows 的鴻溝
過去，AMD 在 Windows 上運行 AI 模型多半仰賴 DirectML。雖然相容性高，但效能損耗巨大。
1. 從 DirectML 到 ROCm (HIP)
ROCm (Radeon Open Compute) 是 AMD 用來對標 NVIDIA CUDA 的軟體平台。其中最核心的技術稱為 HIP (Heterogeneous-computing Interface for Portability)。
- 原理： HIP 允許開發者將原本為 CUDA 編寫的程式碼，透過轉換工具編譯成能在 AMD GPU 上執行的指令。
- 重大突破： 以往 ROCm 主要支援 Linux。此次 v0.7.0 推薦使用的 ROCm 7.1.1 Preview 驅動，象徵著 AMD 正式將這套高效能運算架構全面帶入 Windows 消費級市場。
2. PyTorch 的原生整合
ComfyUI 是建立在 PyTorch 之上的。當 PyTorch 能夠直接調用 ROCm 的底層核心時，AMD GPU 運算時不再需要經過冗長的轉譯層，這讓 RX 7000 與最新的 RX 9000 系列 效能得以全面釋放。
二、 記憶體魔術：Variable Graphics Memory (VGM)
對於使用 Ryzen™ AI 300 或 400 系列（如 Strix Point） 的筆電用戶，這次更新帶來了突破性的記憶體管理機制。
- VGM (可變動圖形記憶體)： 傳統 APU 的內顯（iGPU）通常只能分配固定的少量記憶體（如 512MB 或 2GB）。
- 96GB 的可能性： 透過 ROCm 7.1 與驅動更新，系統允許用戶將高達 64GB 甚至 96GB 的系統記憶體（RAM）直接劃分為「專用顯存（VRAM）」。
- 為何這很重要？ 像 Flux.1 或 SDXL 這類大型模型需要極高顯存。VGM 技術讓輕薄筆電也能在不報錯的情況下，執行原本只有旗艦顯卡才能跑的 AI 模型。
三、 效能優化標記：為什麼要用這些 Flag？
在 v0.7.0 的更新日誌中，提到了幾個關鍵的啟動參數，它們背後代表了不同的優化邏輯：
1. --use-pytorch-cross-attention
這是效能提升最有感的一項。Cross-Attention（交叉注意力機制）是 Stable Diffusion 模型中最耗費資源的數學運算。透過這個參數，ComfyUI 會調用 ROCm 內針對矩陣運算優化過的核心，顯著提升每秒生成步數（it/s）。
2. --disable-pinned-memory
針對記憶體較小（24GB/32GB）的系統，AMD 建議開啟此標籤。
- 原理： 「鎖定記憶體（Pinned Memory）」通常能加速資料在 RAM 與 GPU 間的傳輸，但在記憶體吃緊時，會導致作業系統無法有效調度記憶體分頁。禁用它雖然稍微犧牲傳輸速度，但能極大化系統穩定性，防止 AI 生成到一半當機。
四、 支援硬體名單：你的顯卡在內嗎？
根據 AMD 官方與 ComfyUI 的說明，以下架構受惠最大：
- RDNA 3 / 3.5 架構： RX 7000 系列顯卡、Ryzen AI 300 系列處理器。
- RDNA 4 架構： 即將推出的 RX 9000 系列，已在首波支援名單中。
- 專業卡： Radeon PRO W7900 等大顯存產品，現在能透過 ROCm 獲得更好的多任務處理能力。
五、 結語：AMD 用戶的黃金時代
ComfyUI Desktop v0.7.0 不僅僅是一次軟體更新，它是 AMD 在 AI 軟體生態系追趕 NVIDIA 的重要里程碑。透過 ROCm 7.1 的 Windows 化 與 VGM 技術，AMD 正在消除「A 卡跑 AI 很麻煩」的既定印象。
如果你手邊正有一張 Radeon 顯卡或 Ryzen AI 筆電，現在正是安裝 ComfyUI Desktop 並體驗高效能 AI 繪圖的最佳時機。