本地电脑也能玩 AI，Ryzen AI 搭配 Ollama 快速上手教程

为什么选择 Ryzen AI + Ollama 组合

对于很多想体验本地大模型的朋友来说，昂贵的专业显卡往往让人望而却步。其实，如果你手头有一台搭载 AMD Ryzen AI 处理器或 Radeon 独立显卡的电脑，完全可以在本地流畅运行大语言模型。相比于复杂的服务器部署，桌面端的配置更加轻量，而 Ollama 正是目前连接硬件与模型最顺滑的桥梁。

特别是在 AMD 最新的 Strix Halo 架构上，统一的内存池让 CPU 和 GPU 能高效共享显存，这为运行 7B 甚至更大参数的模型提供了天然优势。不再需要纠结于显存是否爆满，也不用担心复杂的驱动编译过程。本文将基于真实的桌面环境，带你从零开始配置 Ollama，让 AI 真正跑在你的本地电脑上。

核心前提：搞定 ROCm 驱动与环境变量

在 Windows 或 Linux 上运行 Ollama 调用 AMD 显卡，最关键的一步是让软件“看见”你的 GPU。很多时候模型跑得慢或者回退到 CPU 模式，都是因为环境变量没设对。

Linux 用户的环境配置

如果你使用的是 Ubuntu 或其他 Linux 发行版，确保已经安装了适配你显卡架构的 ROCm 驱动。安装完成后，Ollama 通常能自动识别，但为了稳妥，建议在启动前显式声明设备可见性。

在终端中执行以下命令来启动服务：

exportOLLAMA_HIP_VISIBLE_DEVICES=0ollama serve

这里的0代表第一张显卡。如果是多卡环境，可以用逗号分隔，如0,1。你可以用rocm-smi命令先确认显卡的设备编号，避免指错目标。

Windows 用户的特殊处理

Windows 下的情况稍微不同。AMD 在 Windows 上主要通过 DirectML 或特定的 HIP 后端支持 AI 推理。对于较新的 Ryzen AI 笔记本或台式机，确保你的显卡驱动已更新到最新版 Adrenalin 版本。

在 Windows PowerShell 中，可以通过设置系统环境变量来强制指定：

$env:OLLAMA_HIP_VISIBLE_DEVICES="0"ollama serve

或者直接在系统设置里添加永久变量OLLAMA_HIP_VISIBLE_DEVICES，值为0。这一步至关重要，它能防止 Ollama 错误地调用集成显卡或纯 CPU 模式，从而释放 Radeon 独显的全部算力。

实战演示：拉取并运行 Llama 3 模型

环境就绪后，我们就可以开始真正的模型体验了。这里以 Meta 发布的 Llama 3 8B 为例，这是一个在性能和资源占用之间平衡得非常好的模型，非常适合桌面端运行。

打开一个新的终端窗口（保持刚才的服务运行），输入以下命令拉取模型：

ollama pull llama3

Ollama 会自动下载经过量化处理的版本（通常是 q4_0 或 q4_k_m 格式），这种量化技术在几乎不损失智能的前提下，将模型体积压缩到了 4GB-5GB 左右，极大降低了对显存的需求。

下载完成后，直接运行对话：

ollama run llama3

此时，你可以尝试输入一些指令，比如“请用 Python 写一个快速排序算法”或者“解释一下量子纠缠”。你会发现，在 Ryzen AI 或 Radeon 显卡的加持下，首字生成的速度非常快，基本没有明显的等待感。如果想退出对话，输入/bye即可。

图形化 vs 命令行：LM Studio 与 Ollama 的抉择

对于新手来说，命令行可能略显极客，这时候图形化工具 LM Studio 就是一个不错的替代方案。

LM Studio的优势在于直观。它提供了一个类似应用商店的界面，你可以直接搜索、下载各种格式的 GGUF 模型，并在右侧聊天窗口直接测试。它的设置面板允许你通过滑块调整上下文长度、GPU 卸载层数等参数，非常适合不熟悉代码的用户进行快速原型验证。特别是对于想要尝试不同量化版本（如 Q4, Q5, Q8）效果的用户，LM Studio 的可视化反馈非常友好。

Ollama则更像是一个轻量级的后端引擎。虽然它主要依赖命令行，但这恰恰是它的优势所在——极简且易于集成。一旦配置好，它可以作为本地 API 服务器，被其他应用程序（如 Obsidian 插件、IDE 助手）直接调用。对于开发者而言，Ollama 的脚本化能力更强，更容易嵌入到自动化工作流中。

简单来说，如果你想“点点鼠标”就玩模型，选 LM Studio；如果你想把 AI 能力集成到自己的代码或工作流中，Ollama 是更稳健的选择。两者在底层都利用了类似的量化技术，实际生成速度在相同硬件上差异不大。

Strix Halo 实测数据与避坑指南

在搭载 AMD Strix Halo 芯片的设备上，我们进行了一组简单的基准测试。这款芯片的特点是将 CPU、GPU 和大容量内存封装在一起，拥有极高的带宽。

在运行 Llama 3 8B（Q4 量化）模型时，系统显存占用稳定在5.2GB左右。由于 Strix Halo 支持高达 64GB 甚至更多的统一内存，这意味着你甚至可以同时运行多个模型或处理超长上下文而不必担心溢出。在生成速度方面，平均 token 生成速率达到了28-35 tokens/s，这个速度已经完全满足了实时对话和辅助写作的需求，阅读速度完全跟得上生成速度。

避坑提示：

1. 驱动版本是关键：务必使用官网最新的显卡驱动。旧版驱动可能导致 HIP 后端无法初始化，从而让 Ollama 静默回退到 CPU 模式，速度会慢十倍以上。
2. 内存预留：虽然统一内存很大，但建议不要将系统可用内存占满。留出 2-4GB 给操作系统和其他后台进程，能保证推理过程更稳定，避免卡顿。
3. 散热策略：持续高负载推理会让笔记本风扇起飞。如果在长时间任务中发现降频，可以尝试调整电源模式为“高性能”，并确保底部进风口通畅。

通过这些简单的配置，你的本地电脑瞬间就能变身为一台私有的 AI 工作站。不需要云端订阅，不用担心数据隐私，随时随地都能开启与智能模型的对话。

200小时GPU算力已就位，快来领取：https://marketing.csdn.net/questions/Q2604140858304426315?utm_source=AIpaper