看着终端里跳动的绿色进度条，那种成就感简直比在游戏里爆出极品装备还爽。很多人觉得搞 AI 必须得买昂贵的专业计算卡，或者只能守着 NVIDIA 的 CUDA 生态，其实手里的 Radeon 游戏卡早就蓄势待发了。只要跨过 ROCm 这个门槛，你的显卡瞬间就能从“打游戏专用”变身成高性价比的本地大模型推理引擎。今天咱们不聊枯燥的理论，就像朋友间搭积木一样，一步步把这个环境搭起来，顺便把我之前踩过的几个大坑填平，让你少折腾几小时。

先给系统“验验血”

动手之前，千万别急着敲命令。ROCm 对系统环境有点小脾气，不像装个普通软件那么随意。首先确认你的显卡型号，虽然 AMD 官方支持列表在不断扩大，但像 RX 6000、7000 系列这些主流游戏卡通常都没问题。打开终端，输入 lspci | grep -i vga 看看能不能认出你的“座驾”。

接下来是重头戏：操作系统。如果你还在用 Windows，可能得先做个心理建设——目前最稳的方案还是 Ubuntu 22.04 LTS。别被版本号吓到，它就像是个经过千锤百炼的老地基，稳稳托住各种依赖库。要是你像我一样之前乱装过一堆驱动，建议先执行一次彻底的大扫除：

sudo apt-get --purge remove "*amdgpu*" "*rocm*" "*hip*"
sudo apt-get autoremove

这一步看似多余，实则救命。我之前就是图省事没清理旧驱动，结果后面报错报得怀疑人生，最后才发现是版本冲突在作祟。清理干净后，重启一次电脑，确保系统回到一个清爽的状态。

像搭积木一样安装核心组件

现在正式开始“搭积木”。我们不需要去官网到处找安装包，直接用 AMD 提供的官方仓库脚本，既安全又省心。打开终端，依次执行下面这几行命令。别怕黑底白字的界面，把它想象成是在跟电脑对话：

wget https://repo.radeon.com/amdgpu-install/6.1.3/ubuntu/jammy/amdgpu-install_6.1.3.60103-1_all.deb
sudo apt install ./amdgpu-install_6.1.3.60103-1_all.deb
sudo amdgpu-install --usecase=rocm,hiplibsdk --no-dkms

这里有个细节要注意：--usecase=rocm,hiplibsdk 这个参数是关键，它告诉安装程序我们不仅要图形驱动，还要把 HIP 开发库也带上，这是运行 PyTorch 等框架的基础。而 --no-dkms 则是为了避免内核模块编译时的潜在错误，对于大多数新手来说，这是最稳妥的选择。

安装过程可能会持续几分钟，期间屏幕可能会闪烁几次，这都是正常现象。如果看到最后显示 Installation complete，恭喜你，最难的骨头已经啃下来了。这时候别急着高兴，还得验证一下“积木”有没有搭歪。输入 rocminfo，如果能看到一长串关于 GPU 架构、内存大小的详细信息，而不是 command not found，那就说明底层环境已经就绪。

让 Python 真正跑起来

硬件层通了，接下来要让软件层也转起来。很多教程到这里就结束了，导致大家以为装完驱动就能直接跑代码，结果一导入 torch 就报错。我们需要创建一个干净的 Python 环境，避免污染系统自带的库。

推荐使用 conda 或 venv，这里以 venv 为例，因为它更轻量：

python3 -m venv rocm-env
source rocm-env/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.1

注意看那个 --index-url，这是指向 AMD 专属 PyTorch 仓库的地址，千万别漏了，否则 pip 会默认给你拉取 CUDA 版本，到时候又是各种兼容性问题。安装完成后，我们可以写个只有三行的小脚本来测试：

import torch
print(f"ROCm 可用：{torch.cuda.is_available()}")
print(f"当前设备：{torch.cuda.get_device_name(0)}")

运行它，如果输出 True 并且显示了你的显卡型号（比如 “AMD Radeon RX 7900 XTX”），那一刻真的会忍不住想喝杯咖啡庆祝一下。这意味着你的游戏卡现在已经具备了跑 Qwen 3.6 或者其他大模型的能力。

写在最后的一点心里话

配置环境的过程确实有点像解谜，偶尔遇到报错很正常，哪怕是老手也难免翻车。我记得有次因为内核版本太高，导致驱动加载失败，后来降级了一个小版本才解决。所以，保持耐心，仔细读报错信息，往往答案就藏在最后一行。

一旦跨过了这道坎，你会发现本地 AI 的世界大门就此打开。无论是尝试微调一个大模型，还是用 Stable Diffusion 生成几张专属壁纸，甚至是搭建一个本地的智能助手，这块曾经只用来打游戏的显卡，现在都能胜任。不用羡慕别人的昂贵算力，动手试试吧，你的极客实验室就从这一行命令开始。

立即加入 AI 开发者计划，免费领取 100 小时算力

添加微信小助手 csdn-01 还可额外领取「Openclaw 实战秘籍」