AMD NPU på Ubuntu med FastFlowLM och Lemonade

Den 30 september 2026 visar en artikel på gihyo.jp hur AMDs NPU kan utnyttjas på Ubuntu med hjälp av FastFlowLM och Lemonade. Enligt texten finns stöd för AMD NPU från och med Linux‑kernel 7.0, vilket innebär att Ubuntu 26.04 LTS:s standardkernel redan innehåller drivrutiner för NPU. FastFlowLM, som tidigare var proprietärt, har övergått till MIT‑licens efter att utvecklarna gick med i AMD. För att kunna använda NPU krävs dessutom ett verktyg som kan hantera modellkörning och gränssnitt, detta är där Lemonade kommer in.

Lemonade är ett projekt som kan utnyttja både NPU och GPU och erbjuder en gemensam användargränssnitt för AI‑modeller. I Ubuntu Weekly Topics 2026‑04‑17 presenteras Lemonade som ett verktyg som kan installeras via en PPA eller som snap‑paket. I den aktuella guiden fokuserar författaren på att installera FastFlowLM manuellt genom att ladda ner paketet 1.0.6 från projektets releasesida och köra de nödvändiga kommandona.

När FastFlowLM är installerat visas en meny där olika modeller listas. Först visas meddelandet "Backend update is required before use" och användaren måste klicka på en uppdateringsknapp för att hämta de senaste modellfilerna. Efter uppdateringen kan modeller som "qwen3.6-moe-35b-a3b-FLM" laddas ner och köras. Vissa modeller har en ikon som indikerar att de kan bearbeta bilder, vilket möjliggör att ladda upp och analysera bilder såsom en recept på en restaurangrätt.

För att förenkla hanteringen av modeller erbjuder projektet OpenClaw, ett snap‑paket som kan köras med kommandot openclaw. Även om OpenClaw inte är en fullständig version, ger den möjlighet att välja en modell och starta en text‑baserad gränssnitt (tui) där användaren kan navigera bland alternativ. I exemplet används modellnamnet "Qwen3.6-35B-A3B-MTP-GGUF" med index 8, vilket kan väljas genom att trycka på Enter.

Sammanfattningsvis visar artikeln att AMD:s NPU nu är tillgänglig på Ubuntu utan extra drivrutiner, att FastFlowLM har blivit öppen källkod och att Lemonade fungerar som en bro mellan modellkörning och användargränssnitt. Genom att kombinera dessa komponenter kan användare köra avancerade AI‑modeller på en Linux‑maskin med relativt enkla kommandon.