AMD Nitro-E：304M轻量AI绘图，4步出图超高速体验

AMD Nitro-E：304M轻量AI绘图，4步出图超高速体验

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

导语

AMD正式发布轻量级文本到图像扩散模型Nitro-E，以304M参数实现4步快速出图，重新定义资源友好型AI绘图的速度与效率边界。

行业现状

随着AIGC技术的普及，文本到图像生成模型正朝着两个方向快速演进：一方面以Stable Diffusion、Midjourney为代表的主流模型不断提升图像质量与细节表现，参数规模普遍达到数十亿甚至上百亿；另一方面，行业对轻量化、低资源消耗模型的需求日益迫切，尤其在边缘计算、移动设备及实时应用场景中，如何在保持生成质量的同时大幅降低计算成本成为关键挑战。当前主流开源模型通常需要20-50步推理步骤，在普通硬件上生成单张512px图像耗时往往超过10秒，而轻量化模型普遍面临质量与速度难以兼顾的困境。

产品/模型亮点

Nitro-E系列模型通过创新架构设计实现了效率突破，其核心优势体现在三个维度：

极致轻量化架构
采用全新Efficient Multimodal Diffusion Transformer（E-MMDiT）架构，通过三重技术创新实现参数精简：高度压缩的视觉tokenizer将图像信息压缩为更紧凑的表示形式；独创的多路径压缩模块进一步减少token数量；交替子区域注意力（ASA）机制在保持空间连贯性的同时降低计算开销。最终模型仅304M参数规模，不到传统SD模型的十分之一。

超高速推理体验
提供两种推理模式满足不同需求：基础版模型在单张AMD Instinct MI300X GPU上实现18.8样本/秒的吞吐量（512px图像，批处理大小32）；蒸馏优化版（Nitro-E-512px-dist）更将速度提升至39.3样本/秒，且支持革命性的4步推理流程，配合0引导尺度设置，实现"输入文字即见图像"的近实时体验。

资源友好型训练方案
在训练效率上同样表现突出，基础模型从 scratch 训练仅需1.5天，且硬件需求大幅降低——单节点8张AMD Instinct MI300X GPU即可完成训练，相比同类模型动辄需要多节点集群的配置，显著降低了研发门槛。同时提供三种版本满足不同场景：基础版、蒸馏加速版及GRPO策略优化版，后者通过Group Relative Policy Optimization后训练策略进一步提升生成质量。

行业影响

Nitro-E的推出将加速AI图像生成技术的产业化落地进程。其轻量化特性使原本需要高端GPU支持的扩散模型首次具备在中端硬件甚至边缘设备部署的可能，特别适合内容创作工具集成、实时交互设计、移动应用开发等场景。在企业级应用中，39.3样本/秒的超高吞吐量意味着服务成本可降低60%以上，使大规模AIGC服务的商业化门槛显著降低。

更深远的意义在于，AMD通过开放源代码与MIT许可证，为行业提供了高效模型设计的参考范式。其创新的E-MMDiT架构证明，通过架构优化而非单纯增加参数，同样可以实现高效能图像生成，这为资源受限环境下的AIGC应用开辟了新路径。

结论/前瞻

Nitro-E系列模型以"轻量高效"为核心定位，通过304M参数与4步推理的突破性设计，在速度与效率之间找到了新的平衡点。随着开源代码与技术文档的发布，预计将快速吸引开发者基于该架构进行二次优化与应用开发。未来，随着硬件加速与算法优化的进一步结合，我们有望看到AI绘图技术在更多终端设备上实现"即时生成"体验，推动创意产业生产方式的根本性变革。

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