最近，本地跑大模型的圈子里在传一个视频：技术频道 CloudCodes 把 CUDA 13 和 ROCm 7.14 拉出来做了一次深度对比。
纸面很有诱惑力：AMD MI355X 的参数对标 NVIDIA B200。哔哩哔哩视频里还对比了 GLM-5 的推理成本，简介称 AMD 有大约四成的价格优势。
但点开评论区，画风完全不一样。一条高赞评论说：“amd不是不能用，就是折腾点。”
今天把视频、评论区、知乎上最近的实战教程整合起来，盘一个问题：便宜的 A 卡，到底是不是到了能捡的时候？
一、纸面从没输过，但 ROCm 的门槛也从没少过
视频里列了五个技术壁垒，简介里点名了三个，个个扎心：
GPU 白名单限制：ROCm 官方支持的型号有限，名单外的卡能用，但属于"后果自负"；
Linux 安装噩梦：装过的都懂；
Windows 生态缺失：Windows 用户基本只剩 WSL2 + Docker 一条路。知乎上 7 月有两篇教程，一篇记录了在 Windows 机器上通过 WSL2 和 Docker 跑通 AMD Radeon RX 7900 XTX 的 ROCm 计算的真实折腾过程。知乎另一篇面向 780M 核显，ROCm 7.13 技术预览版已经正式支持 gfx1103。知乎
最有意思的是性能部分：一个 vLLM 的代码修复，把 MI355X 的推理性能拉高了 12 倍。哔哩哔哩这个数字是双刃的。一方面说明社区修复真的有用；另一方面也说明，没人修的时候，性能就趴在那里。A 卡的算力未必低，缺的是"有人调"——这恰恰是生态现在最缺的东西。
二、评论区吵成两派，但都有实锤
“能用派”：
一位 7900 XTX 用户的高赞评论（16 赞）说，跑comfyui现在rocm7.14生态也很不错了，最新的minimax h3基本很顺，各种ai框架和项目很多都有rocm版本，没有的话让AI自己修改编译出来也不是不行。哔哩哔哩按他的说法，7900xtx跑文字大模型走 Vulkan 后端也挺省事。
“别碰派”：
故事更具体。一位用户在评论（11 赞）里说，自己买了两张 9060xt，结果由于 ROCm 对主板 PCIe 插槽有要求，普通游戏主板上这两张卡在 vLLM 下没法做张量并行。哔哩哔哩他的原话很扎心：“对于一个team来讲，这些事情都是工作。但是对于一个个人来讲，这些都是灾难。”
还有更深一层的观点。评论区有人指出，这不只是软件差距——AMD 从 gfx1250 开始才补全了张量并行、数据移动、全局屏障这类硬件特性，gfx90a、gfx942、gfx950 这些老代际就算了。哔哩哔哩你选哪张卡，决定了你的起点。这是本轮讨论里最反直觉的结论：A 卡跑 AI 的坑，有一部分是软件更新救不回来的。捡老卡之前，先查 gfx 代际。
三、决策清单：3 种情况可以买，3 种情况直接 N 卡
可以认真考虑：
预算有限，跑 ComfyUI 画图或单卡文字推理，自己能查资料排错，不追首发新模型；
Linux 主力系统，或者不介意 WSL2 + Docker；
买之前能确认卡在 ROCm 支持名单里，且 gfx 代际够新。
老老实实买 N 卡：
需要多卡张量并行、要对外提供服务；
生产环境，稳定压倒一切；
新模型、新框架发布当天就要跑，不想等社区适配。
补一句价格：A 卡和 N 卡的差价确实大，这是讨论的根本动力。评论区用户提到的蓝宝石 7900 XTX，盖板版 6800 多、超白金版 7500。哔哩哔哩可以和同显存的 N 卡自己比差价——差价要只有一两千，折腾成本就不划算了。
四、三个值得继续盯的信号
ROCm.ai：AMD 在 7 月底的 Advancing AI 2026 峰会上正式发布，定位是 AI 原生开发体验，借助主流 AI 编程助手，在 AMD 平台上完成 AI 工作负载的安装、部署、故障排查与性能优化。知乎连 AMD 自己都下场做安装助手，最大的坑是什么不言而喻；
白名单和 Windows 支持：ROCm 每次版本更新，对着自己心仪的卡型号查一遍更新日志；
框架侧修复的频率：vLLM 那次"12 倍"证明社区能量在上升，下半年能攒出多少修复，决定 A 卡性价比是不是真的成立。
最后一句：买 A 卡省的是钱，花的是时间。下单前问自己一个问题——如果明天想跑的模型今天还不顺，你愿不愿意花两周去折腾？愿意，A 卡可以考虑；不愿意，N 卡多花的钱买的是确定性。
