AMD近日发布了全新轻量级文本到图像扩散模型Nitro-E，以304M参数实现了高效AI绘图能力，尤其在推理速度上实现突破，仅需4步即可生成512px图像，为资源受限场景提供了高性能解决方案。
【免费下载链接】Nitro-E项目地址: https://ai.gitcode.com/hf_mirrors/amd/Nitro-E
行业现状：效率成为AI图像生成新赛道
随着AIGC技术的普及，文本到图像模型正朝着两个方向快速发展：一方面以Stable Diffusion、Midjourney为代表的模型不断提升图像质量和细节表现；另一方面，轻量化、高效率成为新的竞争焦点。当前主流图像生成模型普遍需要数十亿甚至上百亿参数，不仅训练成本高昂，对终端设备的计算资源也有较高要求。据相关数据显示，2024年轻量化AIGC模型市场增长率已达127%，企业和开发者对低资源消耗、高推理速度的模型需求显著增加。
产品亮点：四大核心优势重塑高效绘图体验
Nitro-E系列模型展现出四大显著优势：首先是极致轻量化，基础版仅304M参数，不到传统主流模型的十分之一，大大降低了部署门槛；其次是超高速推理，标准版本在单张AMD Instinct MI300X GPU上实现18.8样本/秒的吞吐量，而蒸馏版本（Nitro-E-512px-dist）更是达到39.3样本/秒，且支持仅4步推理即可生成可用图像；第三是创新架构设计，采用Efficient Multimodal Diffusion Transformer (E-MMDiT)架构，通过视觉令牌压缩、多路径压缩模块、位置增强技术和交替子区域注意力等创新，在减少参数的同时保持生成质量；最后是极低训练成本，从 scratch 训练仅需8张MI300X GPU组成的单节点训练1.5天，大幅降低模型迭代周期。
该系列包含三个版本：基础版Nitro-E-512px（20步推理）、蒸馏加速版Nitro-E-512px-dist（4步推理）和GRPO策略优化版Nitro-E-512px-GRPO，满足不同场景下的速度与质量平衡需求。
行业影响：开启边缘设备AIGC新可能
Nitro-E的推出将在多个领域产生深远影响：在开发者生态层面，开源代码和MIT许可证降低了研究和应用门槛，开发者可基于轻量级模型构建创新应用；在硬件适配层面，针对AMD Instinct GPU的优化展示了硬件-软件协同设计的优势，推动AI加速卡市场竞争；在应用场景层面，其高效率特性使AI图像生成首次能在边缘设备、移动终端和低配置服务器上实现，为实时AIGC应用（如AR/VR内容生成、即时设计工具、智能聊天机器人配图）提供了技术基础。
值得注意的是，Nitro-E采用混合训练数据集，包含约2500万张图像，结合了Segment-Anything-1B、JourneyDB、DiffusionDB等公开数据源，在保证数据多样性的同时规避了版权风险，为行业树立了负责任的AI开发范例。
结论：效率革命推动AIGC普及
AMD Nitro-E通过架构创新和优化策略，在参数规模、训练成本和推理速度上实现了突破，证明了轻量级模型在保持可用性的同时可以达到极高的效率。随着该技术的开源和普及，我们有望看到更多终端设备原生支持AIGC功能，推动AI图像生成从专业工作站向普通用户设备延伸，加速创意产业的数字化转型。未来，随着模型持续迭代和硬件性能提升，"即时创意，即刻生成"的愿景正逐步成为现实。
【免费下载链接】Nitro-E项目地址: https://ai.gitcode.com/hf_mirrors/amd/Nitro-E
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
