AMD Nitro-E：304M轻量AI绘图4步出图39.3张/秒

AMD Nitro-E：304M轻量AI绘图4步出图39.3张/秒

【免费下载链接】Nitro-E项目地址: https://ai.gitcode.com/hf_mirrors/amd/Nitro-E

AMD近日推出轻量级文本到图像扩散模型Nitro-E，以304M参数实现高效AI绘图，其蒸馏版本在单张AMD Instinct MI300X GPU上可达到39.3张/秒的生成速度，仅需4步推理即可完成512px图像生成，为资源受限场景下的高效图像合成提供新选择。

当前AI绘图领域正面临性能与效率的双重挑战。随着Stable Diffusion、Midjourney等模型推动AIGC普及，行业对生成速度和硬件成本的敏感度持续提升。据行业观察，现有主流文生图模型通常需要数十亿参数规模和数十步推理过程，在普通硬件上生成单张图像耗时常达数秒甚至数十秒。同时，企业级应用对批量处理能力的需求，使得模型效率成为制约落地的关键因素。在此背景下，轻量化、高吞吐的AI绘图模型成为技术突破的重要方向。

Nitro-E系列模型的核心优势在于"轻量高效"的设计哲学。该模型采用AMD提出的Efficient Multimodal Diffusion Transformer（E-MMDiT）架构，通过三重技术创新实现性能突破：首先采用高压缩率视觉tokenizer和多路径压缩模块，大幅降低计算密集型的token数量；其次引入Position Reinforcement技术增强空间连贯性，配合Alternating Subregion Attention（ASA）机制在子区域内进行注意力计算；最后通过AdaLN-affine模块优化Transformer块中的调制参数计算，在304M参数规模下保持生成质量。

该系列包含三个版本：基础版Nitro-E-512px为20步推理模型，从 scratch 训练仅需8张MI300X GPU组成的单节点训练1.5天；蒸馏版Nitro-E-512px-dist将推理步数压缩至4步，实现39.3张/秒的吞吐量；GRPO版本则通过Group Relative Policy Optimization策略进一步优化生成效果。这种多层次产品矩阵设计，使其能够适配从实时交互到批量处理的多样化场景需求。

Nitro-E的推出将加速AI绘图技术的工业化应用。对于开发者而言，304M的轻量模型显著降低部署门槛，仅需消费级GPU即可实现高性能推理；对企业用户，39.3张/秒的吞吐能力意味着单卡每日可处理超300万张图像，大幅降低云端AIGC服务的硬件投入。特别在电商商品图生成、游戏素材批量制作、虚拟人场景渲染等领域，该模型的高效特性有望重塑生产流程。值得注意的是，模型训练采用约2500万张公开图像数据，包括Segment-Anything-1B、JourneyDB等数据集，基于MIT许可证开源，进一步降低行业应用门槛。

从技术演进角度看，Nitro-E代表了AI绘图模型向"高效实用化"发展的重要趋势。其4步推理、39.3张/秒的性能指标，将推动实时AIGC交互成为可能，而304M参数规模为边缘设备部署开辟新路径。随着AMD将ROCm生态与AI模型深度整合，硬件-软件协同优化可能成为下一代AIGC技术的竞争焦点。未来，随着模型在1024px高分辨率生成、风格迁移等方向的持续优化，轻量级文生图模型有望在内容创作、广告营销、教育培训等领域催生更多创新应用场景。

【免费下载链接】Nitro-E项目地址: https://ai.gitcode.com/hf_mirrors/amd/Nitro-E