5.6 GPU 廠商差異

Tue, 12 May 2026 00:00:00 +0000

選 GPU 跑本地 LLM 不只看 VRAM 容量與 memory bandwidth、工具鏈支援度同樣重要。NVIDIA / AMD / Intel 三家廠商在 llama.cpp 生態的位置不同、GPU compute backend 中 CUDA 之外的選項仍在演進。本章整理三家在 2026 年 5 月的相對位置、跟選卡時值得考慮的判讀軸；多卡互連的議題見 NVLink 跟 PCIe。本章不重複統一記憶體的 Mac 場景、改聚焦 PC 獨立 VRAM 的廠商工具鏈差異。

事實查核註：GPU 工具鏈的支援度依 driver 版本、llama.cpp release 與廠商策略快速演進、本章描述為 2026 年 5 月的社群常見回報、建議引用前查閱對應 backend 的官方文件、llama.cpp release notes 跟自己硬體的實測。

本章目標

知道 NVIDIA CUDA、AMD ROCm、Intel SYCL、跨平台 Vulkan 各自的成熟度。
認識「工具鏈支援度」相對「硬體規格」對本地 LLM 體驗的重要性。
在選卡時、能用「工具鏈 × 規格 × 預算」三軸做判讀。
認識常見的混合場景（雲端 + 本地）。

NVIDIA CUDA：當前生態預設

NVIDIA GPU + CUDA backend 是 2026 年本地 LLM 社群的事實預設。原因不是「規格最好」、而是「工具鏈最成熟」：

llama.cpp CUDA backend 開發最久、PR 跟 issue 數量最多：新功能（新量化、flash attention 改進、speculative decoding 等）通常先在 CUDA backend 落地。
driver 跟 CUDA toolkit 對齊明確：driver 版本對應 CUDA 版本的表清楚、出問題容易查。
社群實測案例多：Reddit、HuggingFace forum、GitHub issue 上、絕大多數 benchmark 跟調參討論基於 CUDA。
上層工具（Ollama、LM Studio）優先支援：新版本通常先 CUDA、再 Vulkan、再 ROCm。

社群常見回報的 NVIDIA 卡分級（依 VRAM 容量為主、寫 code 場景）：

等級	代表卡型	適用情境
入門	RTX 5060 8GB / RTX 4060 8GB	試水溫、跑 7B 級模型
主流（甜蜜點）	RTX 5060 Ti 16GB / RTX 5070 Ti 16GB	30B MoE 卸載、寫 code 場景社群常見起點
進階	RTX 4090 24GB / RTX 5080 16GB	32B Dense 全載 / 70B MoE 卸載
旗艦	RTX 5090 32GB	70B Dense Q4 全載、長 context、多模型併存
上一代二手	RTX 3090 24GB	二手市場價格可能更友善、CUDA 支援度仍佳

選卡時的常見軸：

VRAM 容量決定模型上限：16GB 起步可跑 30B MoE 卸載、24GB 跑 32B Dense、32GB 跑 70B Dense。
VRAM 頻寬決定生字速度上限：同 VRAM 容量下、頻寬接近兩倍的卡（如 5070 Ti 對 5060 Ti）生字速度通常顯著差。
CUDA compute capability：影響某些優化能否啟用、新世代卡通常有額外指令支援。
driver 長期支援：較新世代卡的 driver 支援週期通常較長、適合長時間用。

AMD ROCm 與 Radeon

AMD GPU 在 llama.cpp 生態的位置：ROCm backend 在演進、Vulkan backend 是跨平台 fallback。

ROCm backend

ROCm（Radeon Open Compute）是 AMD 的 GPU 計算平台、定位類似 CUDA。社群常見回報的當前狀態：

Linux 支援度較 Windows 成熟：ROCm 在 Linux 上發展時間較長、Windows 版本相對年輕。
支援 GPU 清單：ROCm 對「官方支援」的 GPU 清單有明確限制、清單外的卡也許能跑、但走 unsupported 路徑。
llama.cpp ROCm build 跟 CUDA build 的功能差異：多數核心功能跨 backend 一致、新功能 cherry-pick 速度通常稍慢於 CUDA。
效能對比：同價格段、AMD 卡的 VRAM 容量有時較大；但生字速度依模型跟設定變化、社群回報的 NVIDIA / AMD 對比結果不一致、需自己硬體實測。

Vulkan backend

Vulkan 是跨平台 GPU API、llama.cpp 的 Vulkan backend 適合：

AMD GPU on Windows：ROCm Windows 不穩或不支援時的選項。
Intel ARC：見下節。
跨平台 fallback：希望同一份 binary 跑在多種 GPU 上。

社群常見回報：Vulkan backend 的 throughput 通常較同硬體的 CUDA / ROCm backend 低、但通用性高。

選 AMD 卡的判讀

情境	建議
Linux 主力使用者、想避開 NVIDIA driver	AMD + ROCm on Linux 是合理選擇、先確認卡型在 ROCm 支援清單
Windows 主力使用者	NVIDIA + CUDA 仍是社群預設較順的路徑
同價格段、AMD VRAM 容量明顯較大	評估「容量優勢 vs 工具鏈成本」、用自己工作流校準
已有 AMD 卡、想試本地 LLM	直接試 Vulkan / ROCm backend、看是否符合需求

Intel ARC

Intel 的獨立 GPU 系列 ARC（A 系列、後續預期 B 系列）在 llama.cpp 生態仍處於相對年輕的階段：

可用 backend：Vulkan（通用）、SYCL / OpenVINO（Intel 特化）。
VRAM 容量：ARC A770 16GB 的 VRAM 容量在價格段內競爭力較強。
工具鏈成熟度：社群實測案例較 NVIDIA / AMD 少、預期需要較多自己摸索。
driver 演進：Intel ARC driver 在 2026 年仍持續演進、不同版本的 throughput 可能差異較大。

選 Intel ARC 的合理情境：

想試「相對冷門但價格友善」的選項。
已有 Intel 平台、想保持廠商一致。
不介意花時間自己調工具鏈設定。

對「想最快跑起來、最少調參」的使用者、ARC 不是最順的選擇。

工具鏈 × 規格 × 預算的判讀框架

選卡時的三軸框架：

1工具鏈支援度（CUDA > ROCm > Vulkan > SYCL）
2  ×
3硬體規格（VRAM 容量 + VRAM 頻寬 + CUDA core / CU 數量）
4  ×
5預算（含後續電費、機殼散熱、電源升級）

判讀順序：

先確認工具鏈支援度符合自己的折騰意願：怕折騰選 NVIDIA、樂於折騰可考慮 AMD / Intel。
再依預算選 VRAM 容量級別：16GB 起步、24GB 進階、32GB 旗艦。
同容量下選頻寬較高的卡：對生字速度影響直接。
預留升級空間：機殼散熱、電源、PCIe lane 配置會影響後續多卡或換卡的選擇。

雲端 + 本地的混合場景

本地 LLM 不必獨自解決所有任務、雲端 + 本地的混合是社群多數使用者的實際做法：

任務類型	適合本地	適合雲端
補完、行內編輯（高頻、短回答）	本地反應快、不消耗 API quota	雲端 latency 較高、成本累積
跨檔案重構、設計討論	視本地模型能力	旗艦模型（Claude、GPT-5）能力較強
隱私敏感內容、未公開 codebase	本地 prompt 不離開機器	視服務的資料政策
試新 prompt、調 prompt 工程	本地快速迭代、無 quota 壓力	雲端做最終驗證
一次性 / 偶爾的複雜任務	投資本地硬體可能不划算	雲端按使用量付費較划算

社群常見的混合做法：本地跑 30B 級 MoE 處理日常補完、跨檔案重構或設計討論切到雲端旗艦。Continue.dev 等工具支援同時設定多個 model、可以快速切換、見 1.3 VS Code + Continue.dev 整合。

給讀者的選卡判讀

整合本章與 5.0 VRAM + RAM 分層預算的建議：

NVIDIA 是當前社群預設：怕折騰、想最大化「跑得起來」概率、選 NVIDIA。
VRAM 16GB 是常見起點：16GB VRAM + 64GB RAM 配 30B MoE 卸載、是 2026 年寫 code 場景的常見配置。
頻寬比容量更影響日常體感：同容量下、頻寬接近兩倍的卡（如 5070 Ti 對 5060 Ti）日常生字速度差異明顯。
二手卡也是選項：RTX 3090 24GB 二手市場價格依在地市場變化、CUDA 支援度仍佳、適合預算敏感但想要 24GB VRAM 的使用者。
多卡不是優先升級方向：單人寫 code 場景下、單卡 + 良好設定通常勝過雙卡入門配置。

下一步

本章是模組五的最後一章。下一步可以回到模組五 _index 看其他章節、或進入模組四應用層原理看 LLM 作為系統元件的設計取捨。

Intel on Tarragon