在人工智能时代，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 4600G"Renoir"APU 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。众所周知，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 Vega iGPU 和 7 个 CU（计算单元）。要解释 16GB VRAM 是如何实现的，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，Reddit 用户板载了 32 GB DDR4 内存，其中一半分配给了处理器。

下一个重大障碍是在 Ryzen APU 上实际运行人工智能工作负载。如果你有台式机 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，第三方软件包可以让 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，Reddit 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，他只展示了稳定扩散（Stable Diffusion）测试，令我们惊讶的是，APU 在大约 1 分 50 秒内成功生成了一幅 512x512 的图像。对于 APU 而言，这是一个不错的里程碑，我们相信，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 Ryzen APU 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 Phoenix APU，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"普通消费者"提供一种满足其人工智能需求的途径。