在人工智能时代，相关行业对H100等GPU的需求大幅上升，这让对AI研究有兴趣的普通消费者很难获得这样的GPU。 现代问题需要现代解决方案。 不过，一位Reddit用户创造了一个独特的解决方案，他将基于AMD Zen 2的Ryzen 5 4600GRenoirAPU转换成16 GB GPU，然后将其用于Linux上的AI工作负载。
事实证明，将旧的AMD Ryzen APU转换为GPU后，在AI工作负载中依然可提供不错的性能。
在介绍APU如何转换之前，我们先来回顾一下AMD Ryzen 5 4600G。 Ryzen 5 4600G是市场上最好的APU之一，但最终被其对应的Cezanne所取代。 它采用6C/12T配置，配备Radeon VegaiGPU和7个CU（运算单元）。 要解释 16GB VRAM 是如何做的，必须注意 APU 支持「共享内存」，即可以将内存容量的 50%分配给 APU。 在这种情况下，作者将32GB DDR4内存其中的一半分配给了处理器。
下一个重大障碍是在RyzenAPU上实际运行人工智能工作负载。 如果你有桌机GPU，你可以利用AMD的ROCm（Radeon Open Compute）平台在Linux上运行AI应用程序。 不过，如果是iGPU，第三方软件可以让ROCm在APU上运行，这里也使用了这种方式。 使用 ROCm 可以解决你的大部分问题，因为现在你可以运行从 Tensorflow 到 PyTorch 的各种 AI 应用程序。
在一段详细的视频中，用户展示了他的有趣实验，声称Ryzen 5 4600G可以处理各种AI工作负载。 不过，他只展示了StableDiffusion的测试，令人惊讶的是，APU在大约1分50秒内成功产生了一幅512×512的图像。 对于 APU 而言，这是一个不错的里程碑，相信如果使用得当，它将成为一个突破。
虽然不能将Ryzen 5 4600G与H100等人工智能GPU相提并论，但这项实验显示了RyzenAPU尚待开发的潜力。 试想一下，如果这里使用的不是Ryzen 5 4600G，而是性能更优越的最新PhoenixAPU，那将会是怎样的一番景象。 不过，以95美元的价格提供这样的人工智能性能无疑是值得赞赏的，我们也希望它能为一般消费者提供一种满足其人工智能需求的途径。
