根據 GiggleHD 實測，AMD X3D 處理器在 RAG（檢索增強生成）AI 基準測試中展現遠超預期的性能，最高領先非 X3D 晶片達 88%。RAG AI 透過外部向量資料庫檢索資訊來增強大模型的回應品質，與純 LLM 推理不同，向量搜尋的大量計算負載落在 CPU 而非 GPU 上。隨著 Agentic AI 工作負載的推進，搜尋驅動的任務越來越多，CPU 的延遲瓶頸問題日益凸顯。
HNSW（階層可導航小世界）搜尋演算法即為典型例子，在 GPU 執行 LLM 推理的同時，CPU 負責圖檢索，更大的快取意味著更短的檢索時間。
測試規格與性能數據
GiggleHD 使用開源的 X3D RAG 基準測試，針對個人 PC 和小團體單節點場景（約 100K-200K 向量），對 AMD 龍驤 9000X3D 系列及多款非 X3D 晶片進行實測。結果顯示，在 100K 向量批次搜尋中，X3D CPU 最高比非 X3D 晶片快 88%；在 200K 向量測試中，同為 8 核的龍驤 7 9850X3D 比龍驤 7 9700X 快 50% 以上，且 8 核 X3D 晶片的速率超過 16 核的龍驤 9 9950X。
| 測試項目 | 100K 向量 | 200K 向量 | |———-|———–|———–| | X3D 搜尋速度領先非 X3D | 最高 88% | 龍驤 7 9850X3D 領先龍驤 7 9700X 50%+；8 核 X3D 超 16 核龍驤 9 9950X | | 索引建構時間縮短 | 50% | 39% | | RAG 生成量 | X3D 領先 | X3D 領先 |
索引建構方面，100K 向量測試時間縮短 50%，200K 縮短 39%，並發 RAG 生成量同樣由 X3D 晶片領先。差異較小的項目為 TTFT（首 Token 時間）生成量，因該任務主要依賴 GPU 而非 CPU。
