大型语言模型（LLM）应用很依赖显存容量，因此许多AI爱好者通过搭配多显卡来实现更大容量显存以提升AI应用的执行效率。然而，当前主流的大语言模型普遍规模庞大，即便采用这种解决方案也存在瓶颈，因为当GPU需要调用CPU处理数据时，系统性能便与CPU缓存及内存性能深度绑定了，这就意味着AI应用的运行效能不仅取决于GPU，更与"GPU→CPU→I/O核心→内存模组"这条完整的数据链路也密切相关。因此，优化硬件模块间的链路，也可以显著提升AI效率。
AMD近期发布的两款搭载3D V-Cache技术的锐龙处理器——锐龙9 9950X3D与锐龙9 9900X3D，进一步突破了性能极限。基于不同工作负载下的海量场景深度调校，我们发掘出一系列能够为AI用户带来实际增益的参数组合，基于此项优化成果我们设计了一项新的BIOS功能——AI缓存加速引擎（AI Cache Boost）。搭配更新了最新版BIOS的华硕AMD 800系列主板，可在运行大型语言模型时实现高达12.75%的性能跃升。
支持AMD 3D V-Cache技术的锐龙处理器
要启用AI缓存加速引擎（AI Cache Boost），需配备华硕AMD 800系列主板和AMD锐龙9000系列桌面处理器(Granite Ridge)。进入UEFI BIOS界面，在Advanced Mode页面中打开Extreme Tweaker选项卡，将AI Cache Boost选项设置为Enabled即可激活性能增益。
启用AI缓存加速引擎功能后，通过多重优化实现加速，核心在于将Infinity Fabric时钟（FCLK）超频至2100 MHz。提升FCLK可直接提升CPU核心、高速缓存与内存之间的数据传输带宽，这对于处理大型语言模型（LLM）至关重要。
值得注意的是，经实测该设置基本不会影响运行游戏时的帧率，用户可放心在执行AI运算与运行游戏间无缝切换，无需反复调整参数。当然，如果追求极致的游戏稳定性，也可以在启用AI缓存加速后，手动将FCLK回调至相对保守的数值。
AI缓存加速的性能提升
我们的测试平台基于ROG CROSSHAIR X870E HERO主板，搭配NVIDIA GeForce RTX 5090显卡与32GB DDR5内存。测试涵盖了多款搭载AMD 3D V-Cache技术的锐龙处理器，包括锐龙9 9950X3D、9900X3D与9800X3D。首轮基准测试采用基于ONNX DirectML框架的Geekbench AI工具，重点评估GPU算力表现。
实验数据显示，性能增益区间稳定在4%-8%之间。对于全天候运行AI工作流的用户而言，这么大的提升可带来很高的实用价值，关键是启用AI缓存加速功能无需任何复杂操作，简单易行。
鉴于NVIDIA 50系显卡普及率还不高，我们又换用RTX 4090显卡进行跨代验证。测试结果表明，在锐龙7 9800X3D平台上，AI缓存加速引擎仍可带来最高7.57%的性能增幅。
类似的提升幅度也延续到了UL Procyon AI计算机视觉基准测试中，AMD锐龙7 9800X3D的表现尤为亮眼，实现了两位数的性能突破，实测成绩提升达12.75%，实测证明此技术可以普遍应用于多种配置组合，均能达到非常好的提升效果。
