区块链交易的图可视化里藏着结构信号，这些信号对基于嵌入的分类器几乎不可见。剥链混币器会产生一种扇形放射状模式——一个输入，多个金额接近的输出——作为视觉图样一眼就能捕捉，可一旦把图扁平化成特征向量，这种模式就被冲淡了。层叠攻击的循环模式、暗示协同钱包活动的紧密集群、特定交易所存款流的不对称星形结构，这些读起来都是几何形状。文字模型处理的是词元序列，天生没有空间邻接的概念。如果渲染出的交易图彼此不同，且人类分析师两秒钟就能发现差异，视觉模型多半也能精准利用这些差异。

选用Qwen2-VL而不是专用图神经网络，理由在于运维层面的务实考虑。图神经网络需要一套独立的图构建流水线、自己的训练循环，并且产出的只是一个分类标签——仅此而已。你没法让它解释为什么某个交易集群与已知的混币模式匹配。Qwen2-VL从一个检查点同时给出分类结果和自然语言解释，这在需要审计追踪、或者分析师需要复查边缘案例时就很关键。另一个因素是，很多区块链分析流水线里已经存在渲染好的图片——Gephi导出的图、定制的NetworkX渲染结果，甚至区块浏览器的截图。复用这些产出相当于完全跳过了图序列化这一步，直接在你已有的数据上做微调。

MI300X大幅改变了约束计算。192GB的HBM3统一内存池意味着Qwen2-VL-7B（BF16精度大约16-18GB）甚至72B的变体（BF16约145GB）都可以加载，无需把张量卸载到系统内存或NVMe上。这一点很要紧，因为卸载会以一种难以调优的方式摧毁推理延迟——你再也不用跟显存预算较劲，而是可以专注在实际吞吐量上。问题在于ROCm。AMD的ROCm生态进步很大，但在坚定采用这套架构之前，有些坑需要提前看清。